AI 招聘助手：自动筛选简历+批量投递+面试安排+人才库管理

🔧 Step 0：先配置求职平台接入

⚠️ 本案例需要抓取招聘网站，使用 agent-reach 技能 👉 去配置 agent-reach →

真实应用

LobeHub job-auto-apply 技能（2周前）：“Automated job search and application system for Clawdbot. Handles job searching across LinkedIn, Indeed, Glassdoor, ZipRecruiter, and Wellfound, generates tailored cover letters, fills application forms, and tracks application status.”

daily.dev：“OpenClaw extracts key sections into local markdown files. It cross-references profiles with GitHub or personal blogs to provide additional context.”

openclawindex.com：“OpenClaw automates job applications at scale. Users apply to 1,000+ roles in hours via resume tailoring and form automation.”

openclawapi.org：真实案例述了求职者用 AI agent 自动投递，最终自己被 OpenAI 聘用的故事。

两种使用场景

A. 求职者：批量投递，快速锁定机会

适合：海投的时候想提高效率，同时保持个性化

我的目标：
- 职位：Senior Backend Engineer
- 地点：Remote / 美国
- 薪资：$120K+
- 技术栈：Go, PostgreSQL, Kubernetes
- 行业：SaaS / FinTech
每天最多申请 20 个，要求必须是正式员工（非合同）

AI 自动：

1. 搜索符合条件的新发布职位
2. 提取职位要求，匹配你的简历
3. 生成个性化求职信（每封不同）
4. 自动填写申请表
5. 记录申请状态（Applied / Rejected / Interview / Offer）

B. 招聘方：快速筛选，高效排面

适合：收到大量简历，人工看不完

我们公司招 React 工程师：
- 要求：3年以上经验，熟悉Next.js，TypeScript，有团队管理经验优先
- 薪资范围：$80K-120K
- 地点：Remote

收到 500 份简历，帮我筛选出最匹配的 Top 20

AI 自动：

1. 解析每份简历，提取技能/经验/学历
2. 对照 JD 计算匹配度（0-100 分）
3. 生成评估报告：
   • 合格（≥80分）：25人
   • 良好（60-79分）：180人
   • 待定（40-59分）：250人
   • 不合格（<40分）：45人
4. 推荐 Top 20 安排面试
5. 自动发送面试邀请（Calendly 整合）

配置步骤（以求职者为例）

1. 安装 job-auto-apply 技能

npx -y @lobehub/market-cli skills install openclaw-skills-job-auto-apply

2. 准备个人资料

简历：~/Documents/resume.pdf
求职信模板：
Hi [Hiring Manager],
I saw your posting for [职位标题] and was excited to apply...
我特别感兴趣的是 [公司名] 在 [领域] 的成果。
我有 [年数] 年经验，用过 [技术栈]，这和职位要求高度匹配。
[附加个性化内容]
期待进一步交流！

3. 设置搜索条件

search:
  title: ["Senior Backend Engineer", "Staff Engineer"]"
  location: ["Remote", "United States"]
  salary_min: 120000
  experience: "3+ years"
  tech_stack: ["Go", "PostgreSQL", "Kubernetes"]
apply_limit: 20/day
dry_run: false  # 先 true 测试再 false 正式投递
platforms: ["linkedin", "indeed", "glassdoor"]

4. 运行（dry run 测试）

AI 显示将要投递的职位清单，你确认后正式运行。

使用示例

🤖 执行结果

今日自动申请（20/20）：

1. Stripe — Senior Backend Engineer (Remote) ✅ 求职信已个性化
2. Supabase — Staff Infrastructure Engineer ✅
3. Vercel — Platform Engineer ✅ …

总进度： 本周已申请 85 个职位 回复率： 6.5%（高于平均 2%） 已安排面试： 3 场（Stripe / Supabase / Linear）

预期结果

• 求职：将过去 2 周手动投 50 个的时间压缩到 1 天
• 招聘：将筛选 500 份简历的时间从 40 小时降至 4 小时
• 匹配质量提升（个性化求职信 + 精准筛选）
• 不漏掉任何新发布职位（AI 24 小时监控）

踩坑记录

申请太频繁被封

症状：LinkedIn 限制你的账号，说活动异常。

解法：控制在每天 < 20 个申请，模拟人类间隔时间（每个申请间隔 1-2 分钟），使用真实邮箱和电话。dry run 充分测试。

求职信太通用

症状：每封求职信内容都差不多。

解法：强调个性化——让 AI 根据公司业务、技术栈、文化写不同的内容。条件允许，加入对该公司产品的真实使用体验。

简历匹配不准

症状：AI 把明显不匹配的岗位也推荐了。

解法：调整筛选权重——必须是 COBOL 经验改成硬性过滤。或者检查简历关键词是否被正确提取。

不满意怎么调

• 只想搜索不申请 → dry_run: true，你手动点
• 英文太正式 → 让 AI 用更 casual 的语气写 cover letter
• 针对特定公司 → 只搜索 [xxx] 公司的职位，跳过其他