BOSS 插件场景
在 BOSS 候选人在线简历页面截图后，可将截图导入插件进行分析，并生成可直接使用的 HR 回复话术。
先看重点
这个工具不是替代 HR 做最终决策，而是帮助 HR 更快提取简历重点、统一分析框架，并生成更贴合岗位要求的沟通话术。
网页端多格式分析
网页端支持 PDF、Word、图片、文本等简历输入形式，可用于更完整的简历分析和候选人对比。
岗位 JD 存储复用
可存储不同岗位的 JD、岗位名称和业务要求，后续在网页端或插件端重复调用，减少重复输入。
HR 话术生成
根据岗位要求和候选人简历，生成补充追问、邀约或婉拒话术，帮助 HR 提高沟通效率。
它怎么工作？
从岗位 JD 到简历分析，再到 BOSS 对话框回复，这个工具把 HR 初筛中的关键动作串成一条更稳定的判断流程。
先选岗位，再分析简历。
工具可调用已保存的岗位 JD 和业务补充要求，让每次分析都围绕同一套招聘标准展开。
PDF、图片、文本，都可以进入分析流程。
网页端支持上传或粘贴简历，适合批量分析 PDF、Word、图片和文本简历。
不用离开 BOSS，也能快速分析。
在 BOSS 候选人页面打开插件，截图或粘贴简历内容后即可分析，减少网页端和招聘平台之间的切换成本。
生成话术，并一键粘贴回对话框。
插件会根据候选人与岗位的匹配情况生成补充追问或沟通话术，并支持一键填入 BOSS 聊天框。
展示截图仅用于说明产品流程。所有 BOSS 候选人截图上线前必须完成脱敏处理，包括姓名、头像、学校、公司、联系方式、聊天记录、薪资与其他隐私信息。
为什么要做这个工具？
在 HR 实习过程中，我参与 AI 工程师、AI 产品等岗位的招聘交付。实际工作中，候选人数量较多，不同 HR 对同一份简历的判断标准也可能不同：有些简历在我看来较匹配，但领导可能判断为待定；而转给业务方后，业务方又可能认为值得进一步沟通。
这个现象让我意识到，招聘初筛不只是“看简历”，而是需要把岗位 JD、业务偏好、项目经验、学历背景、候选人表达风险等信息放到同一套标准里判断。
简历数量多，人工初筛耗时
AI 工程师、AI 产品类岗位的候选人经历复杂，单靠人工快速判断容易遗漏重点。
判断标准不统一
同一份简历在不同 HR 或业务方眼中可能得到不同结论，需要更结构化的辅助判断框架。
候选人回复低效
对于待确认候选人，HR 不只是判断“合不合适”，还需要快速生成补充追问、邀约或婉拒话术。
Demo 里展示了什么？
Demo 分为插件端和网页端两个场景，分别展示工具如何贴近真实招聘流程使用。
插件端
贴近 BOSS 工作流
Demo 中先在 BOSS 候选人页面截图，再将截图放入插件进行分析。工具会生成对应的 HR 回复话术，点击后一键粘贴到 BOSS 对话框中，减少 HR 在分析、复制和回复之间反复切换的成本。
网页端
完整简历分析
Demo 中展示了 3 份脱敏简历的分析过程，包括 2 份 PDF 简历和 1 张图片简历。点击分析后，页面分别展示候选人的匹配亮点、偏强判断、风险点和 HR 后续追问建议。
我负责了什么？
需求拆解
根据主管提出的招聘自动化方向，拆解出“简历识别、人岗匹配、HR 回复话术、岗位 JD 复用”几个核心环节。
产品设计
设计网页端 + 插件端两种形态：网页端用于完整分析和岗位管理，插件端用于贴近 BOSS 使用场景，减少页面切换和操作成本。
Codex 开发
在不会代码的前提下，使用 Codex 完成工具原型开发，把招聘流程中的真实想法转化为可测试、可演示的工具。
模型接入
接入千问 Plus 与千问 VL OCR，用于处理 PDF、图片、截图等不同形式的简历输入，并完成结构化分析。
异常场景处理
针对同一份简历可能被拆分成多张图片的问题，设计通过前后页面风格、项目内容连续性等方式辅助判断是否属于同一份简历。
这个项目没有夸大的部分
这个项目最初希望结合公司自动化产品完成更完整的招聘流程自动化，但由于 BOSS 直聘平台管控较严格，自动点击候选人、自动进入在线简历等流程没有最终完全跑通。
因此，我没有把它包装成“完整自动化招聘系统”，而是将重点收敛到更可控、更贴近实际使用的部分：AI 简历分析、岗位 JD 复用、HR 话术生成和插件端一键粘贴。
AI 不做最终录用决策
工具只辅助 HR 提取信息和形成判断，最终判断仍需要 HR 与业务方共同确认。
完整自动化流程未完全跑通
受 BOSS 平台限制，自动点击、自动进入在线简历等完整链路没有最终落地。
模型输出仍需人工复核
模型可能出现输出不稳定或识别不完整，因此分析结果需要 HR 结合真实业务要求复核。
我的反思：AI 不替代 HR，但可以提升 HR 的判断效率
这个项目让我意识到，AI 招聘工具的价值不在于替 HR 做最终决策，而在于帮助 HR 更快形成结构化判断。招聘中的很多判断包含业务偏好、候选人潜力、沟通反馈和面试结果，AI 更适合作为辅助分析工具，而不是最终裁判。
我在项目中也遇到了模型输出不稳定、插件识别异常、岗位信息读取失败、平台自动化限制等问题。虽然完整自动化流程没有完全跑通，但我完成了从业务痛点识别、工具原型开发、模型接入、插件尝试到实际候选人验证的闭环。
这个项目证明了什么？
HR 初筛理解
我理解招聘初筛不是简单看关键词，而是要围绕 JD、项目经历、学历背景、候选人风险和业务偏好做综合判断。
发现真实问题
我能从实际招聘工作中发现“简历多、标准不统一、回复低效”的问题，而不是只被动完成执行任务。
工具化解决问题
我能把重复、分散、容易出错的招聘动作拆解成工具流程，用 AI 和 Codex 做成可测试的原型。
真实复盘意识
我能清楚说明项目已经跑通的部分、没有跑通的边界，以及 AI 在招聘场景中应该承担的辅助角色。