某直聘自动打招呼桌面助手我做了一个某直聘自动打招呼桌面助手，支持多账号、筛选岗位、实时日志最近在投简历时发现一个痛点

我做了一个某直聘自动打招呼桌面助手，支持多账号、筛选岗位、实时日志

最近在投简历时发现一个痛点：每天要反复打开某平台直聘，搜索岗位、筛选城市/薪资/经验、点岗位、点立即沟通，动作高度重复。

于是我做了一个桌面版自动招呼助手：auto-resume。

它基于：

Electron：桌面应用外壳
React + Vite + TypeScript：前端界面
Python FastAPI：本地后端服务
Patchright / Playwright：浏览器自动化
SQLite：本地任务和已招呼记录存储
WebSocket：实时日志推送

说明：某平台直聘服务条款不允许自动化操作，本项目仅供学习交流。请合理控制频率，账号风险自担。

一、项目效果

这个工具主要解决几个问题：

多账号可以同时跑
每个账号都有独立的 Chromium user_data_dir，cookie 和登录态互不影响。
可以自定义岗位筛选条件
支持关键词、城市、薪资、经验、学历、公司规模、黑名单关键词。
可以配置多个搜索子任务
比如先跑「前端开发」，再跑「React 开发」，每个子任务都有自己的招呼次数。
自动打招呼
程序会打开岗位列表，读取岗位卡片，过滤不合适的岗位，然后点击「立即沟通」。
防重复招呼
使用 SQLite 记录当天已经招呼过的岗位，同一个岗位当天不会重复处理。
实时日志
前端通过 WebSocket 订阅任务状态，能看到程序当前在做什么。
支持暂停、继续、停止、编辑任务
桌面端操作比较直观。

二、技术架构

整体架构如下：

auto-resume
├── Electron 桌面端
│   └── 加载 React 页面
│
├── React 前端
│   ├── 创建任务
│   ├── 编辑任务
│   ├── 控制开始 / 暂停 / 继续 / 停止
│   └── 展示实时日志和今日已招呼记录
│
├── FastAPI 后端
│   ├── REST API 管理任务
│   ├── WebSocket 推送状态
│   ├── TaskManager 管理多个任务
│   └── SQLite 存储任务和已招呼记录
│
└── Patchright / Playwright 自动化
    ├── 打开独立浏览器 profile
    ├── 等待用户登录
    ├── 构造 某平台 搜索 URL
    ├── 抓取岗位卡片
    ├── 过滤黑名单和已招呼岗位
    └── 点击立即沟通

三、项目目录结构

auto-resume/
├── package.json
├── electron/
│   ├── main.cjs
│   └── preload.cjs
├── frontend/
│   ├── package.json
│   └── src/
│       ├── App.tsx
│       ├── api/client.ts
│       ├── store/useTasks.ts
│       ├── constants/cities.ts
│       └── components/
│           ├── NewTaskModal.tsx
│           ├── TaskCard.tsx
│           ├── TaskDetail.tsx
│           └── StatusBadge.tsx
└── backend/
    ├── requirements.txt
    ├── run_server.py
    └── app/
        ├── main.py
        ├── api/tasks.py
        ├── schemas/task.py
        ├── core/
        │   ├── config.py
        │   └── logger.py
        └── services/
            ├── boss_automator.py
            ├── task_manager.py
            └── storage.py

几个核心文件：

文件	作用
`frontend/src/components/NewTaskModal.tsx`	新建 / 编辑任务表单
`frontend/src/components/TaskCard.tsx`	任务卡片和控制按钮
`frontend/src/components/TaskDetail.tsx`	日志和已招呼岗位详情
`backend/app/api/tasks.py`	任务相关 REST API 和 WebSocket
`backend/app/services/task_manager.py`	多任务调度和线程隔离
`backend/app/services/boss_automator.py`	自动化核心逻辑
`backend/app/services/storage.py`	SQLite 持久化

四、核心功能拆解

1. 多账号隔离

每个任务都会生成独立的浏览器 profile：

backend/data/profiles/<task_id>/

这样每个账号的 cookie、登录状态、浏览器缓存都是独立的。

也就是说：

账号 A 登录后，不会影响账号 B
每个任务可以对应一个某平台账号
下次启动同一个任务时，可以复用之前的登录态

核心逻辑在 boss_automator.py 中：

self._ctx = await self._pw.chromium.launch_persistent_context(
    user_data_dir=str(_profile_dir(self.task_id)),
    channel="chromium",
    headless=False,
    no_viewport=True,
    locale="zh-CN",
    timezone_id="Asia/Shanghai",
)

这里用的是 launch_persistent_context，它和普通无痕上下文不同，会把用户数据持久化到本地目录。

2. 手动登录 + 自动复用登录态

第一次启动任务时，程序会打开浏览器，让用户手动扫码或输入账号密码登录。

登录成功后，会写入一个登录标记：

backend/data/profiles/<task_id>/.login_ok

后续判断这个任务是否登录过，就可以通过这个 marker 来判断。

这样做的好处是：

不需要在程序里保存账号密码
登录动作仍然由用户自己完成
cookie 由浏览器 profile 自己管理

3. 多子任务配置

创建任务时可以配置多个子任务。

例如：

子任务 1：关键词 React，城市深圳，目标 20 次
子任务 2：关键词 前端开发，城市广州，目标 20 次
子任务 3：关键词 Vue，城市远程，目标 10 次

后端数据结构：

class JobFilter(BaseModel):
    keyword: str
    city: Optional[str] = None
    salary: Optional[str] = None
    experience: Optional[str] = None
    degree: Optional[str] = None
    scale: Optional[str] = None
    exclude_keywords: List[str] = []


class SubTask(BaseModel):
    filter: JobFilter
    limit: int = 10

任务会按顺序执行：

先跑第一个子任务
达到该子任务次数后，进入下一个子任务
所有子任务跑完后，任务结束
如果达到每日总上限，也会提前结束

4. 自动构造某平台搜索地址

程序会根据筛选条件构造某平台搜索 URL。

比如：

params = {
    "query": f.keyword,
    "city": city_code,
}

如果用户选择了薪资、经验、学历、公司规模，也会继续拼接：

if f.salary:
    params["salary"] = f.salary
if f.experience:
    params["experience"] = f.experience
if f.degree:
    params["degree"] = f.degree
if f.scale:
    params["scale"] = f.scale

最终得到类似：

https://www.zhipin.com/web/geek/job?query=前端开发&city=101280600&salary=405

5. 岗位列表抓取

进入搜索页后，程序会等待岗位列表出现，然后从页面里抓取岗位卡片。

抓取的信息包括：

岗位标题
公司名称
岗位标签
详情链接
是否已经沟通过

抓取后会进入过滤阶段。

6. 黑名单过滤

每个子任务可以配置黑名单关键词。

比如：

外包, 外派, 实习, 驻场

程序会把岗位标题、公司名、标签拼成一段文本，然后判断是否命中黑名单。

命中后直接跳过。

def _matches_blacklist(text: str, blacklist: List[str]) -> bool:
    text = (text or "").lower()
    return any(kw.lower() in text for kw in blacklist if kw.strip())

7. 已招呼幂等处理

为了避免重复打招呼，项目使用 SQLite 记录当天已招呼过的岗位。

表结构大致是：

CREATE TABLE IF NOT EXISTS greeted_jobs(
    task_id TEXT NOT NULL,
    job_key TEXT NOT NULL,
    day TEXT NOT NULL,
    greeted_at TEXT NOT NULL,
    title TEXT,
    company TEXT,
    sub_index INTEGER NOT NULL DEFAULT 0,
    PRIMARY KEY (task_id, job_key, day)
);

重点是这个主键：

PRIMARY KEY (task_id, job_key, day)

它保证同一个任务、同一个岗位、同一天只会记录一次。

即使页面刷新、翻页或重新启动任务，也不会重复招呼同一个岗位。

8. 点击立即沟通

过滤通过后，程序会：

点击左侧岗位卡片
等待右侧详情加载
找到「立即沟通」按钮
点击按钮
如果出现弹窗，填写或确认招呼语
关闭弹窗
记录已招呼岗位

招呼语可以自定义多条：

您好，我对贵司这个岗位很感兴趣，希望能进一步沟通。
您好，看了岗位描述比较匹配，方便的话可以聊一下。

程序每次会随机选择一条，让行为不要太机械。

9. 实时日志推送

后端通过 WebSocket 推送任务状态和日志。

接口在：

/api/tasks/ws/{task_id}

前端订阅后，可以实时收到：

当前状态
已招呼数量
当前子任务
最新处理岗位
日志列表

这也是为什么桌面端可以看到程序实时运行过程。

10. Windows 下的多任务隔离

这个项目里有一个比较关键的点：每个自动化任务跑在独立线程里。

原因是 Windows 上 Playwright 启动浏览器需要兼容子进程事件循环。

任务管理器里做了处理：

if sys.platform == "win32":
    asyncio.set_event_loop_policy(asyncio.WindowsProactorEventLoopPolicy())

loop = asyncio.new_event_loop()
asyncio.set_event_loop(loop)
loop.run_until_complete(coro)

这样每个任务都有自己的线程和事件循环。

好处：

多任务可以并行
浏览器操作不会阻塞 FastAPI 主循环
WebSocket 推送仍然回到主事件循环执行

五、安装和运行

1. 环境要求

需要准备：

Python 3.10+
Node.js 18+
Chrome / Chromium

2. 克隆项目

git clone https://github.com/wangrujun2016/auto-resume.git
cd auto-resume

3. 安装前端和 Electron 依赖

npm run install:all

4. 安装 Python 后端依赖

Windows：

cd backend
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
python -m patchright install chromium
cd ..

macOS / Linux：

cd backend
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python -m patchright install chromium
cd ..

5. 启动开发模式

Windows：

npm run dev

macOS：

npm run dev:mac

启动后会同时运行三个服务：

服务	说明
FastAPI	`127.0.0.1:8765`
Vite	`127.0.0.1:5173`
Electron	桌面应用窗口

六、使用步骤

第一步：新建账号任务

打开应用后，点击左侧的「新建账号任务」。

需要填写：

任务 / 账号别名
搜索关键词
城市
薪资
经验
学历
公司规模
黑名单关键词
本子任务次数
自定义招呼语
间隔秒数
每日总上限
点开详情后的等待秒数

其中必填项主要是：

任务名称
搜索关键词

第二步：配置子任务

如果你只想跑一个关键词，保留一个子任务即可。

如果你想分批跑多个方向，可以继续添加子任务。

比如：

子任务 1：Java 后端，深圳，20 次
子任务 2：Spring Boot，广州，20 次
子任务 3：后端开发，杭州，20 次

程序会按顺序执行。

第三步：登录账号

点击任务卡片上的「登录」或「开始」。

首次运行会弹出浏览器窗口。

你需要手动完成某平台登录：

扫码登录
账号密码登录

登录成功后，程序会保存浏览器 profile。

下次再跑同一个任务，就不需要重复登录。

第四步：开始自动招呼

登录完成后，点击「开始」。

程序会自动：

打开某平台首页
检查登录状态
跳转搜索页
抓取岗位列表
跳过黑名单岗位
跳过今日已招呼岗位
点击岗位详情
点击「立即沟通」
发送招呼语
写入 SQLite 记录
等待设定间隔后处理下一个岗位

第五步：查看日志

点击任务卡片，可以进入任务详情。

这里可以看到：

实时运行日志
今日已招呼岗位
当前任务状态
已发送数量

如果某个岗位被跳过，日志里也会说明原因。

第六步：暂停 / 继续 / 停止

任务运行中可以随时操作：

暂停：当前任务暂时不继续处理新岗位
继续：恢复运行
停止：结束当前自动化任务
编辑：修改任务配置，下次启动生效
删除：删除任务和对应浏览器 profile

七、打包桌面应用

Windows 打包

$env:CSC_IDENTITY_AUTO_DISCOVERY="false"
npm run dist:win

产物在：

release/

常见产物：

release/某平台自动招呼助手-Setup-0.1.0.exe
release/win-unpacked/

macOS 打包

npm run dist:mac

也可以只打当前架构：

npm run dist:mac:dmg

产物类似：

release/某平台自动招呼助手-0.1.0-x64.dmg
release/某平台自动招呼助手-0.1.0-arm64.dmg

八、本地数据存储位置

开发环境下，数据主要在：

backend/data/

包括：

backend/data/auto_resume.sqlite
backend/data/profiles/<task_id>/

打包后，不同系统的数据路径不同：

平台	路径
Windows	`%APPDATA%\AutoResume\`
macOS	`~/Library/Application Support/AutoResume/`
Linux	`~/.local/share/AutoResume/`

如果想让某个账号重新登录，删除对应的 profile 即可。

九、常见问题

1. 为什么点击不到「立即沟通」？

某平台前端 DOM 可能会变。

如果页面结构变了，需要调整：

backend/app/services/boss_automator.py

里面的选择器逻辑。

2. 为什么登录超时？

默认等待登录时间是 10 分钟。

如果 10 分钟内没有完成登录，任务会报登录超时。

可以调整：

_wait_for_login(timeout_seconds=600)

3. 可以隐藏浏览器运行吗？

理论上可以把：

headless=False

改成：

headless=True

但不推荐。

因为首次登录需要人工操作，而且招聘网站对 headless 浏览器通常比较敏感。

4. 为什么要设置间隔？

不要高频点击。

项目里默认会有间隔和随机抖动，用来降低连续机械操作的特征。

建议合理设置频率，比如 30 秒以上。

5. 会不会重复打招呼？

正常不会。

项目会用 SQLite 记录当天已经招呼过的岗位，同一天同任务下不会重复处理同一个岗位。

十、项目亮点总结

这个项目虽然是一个小工具，但里面涉及到的东西还挺完整：

Electron 桌面应用
React 任务管理界面
FastAPI 本地服务
WebSocket 实时通信
SQLite 本地持久化
Playwright / Patchright 浏览器自动化
多账号浏览器 profile 隔离
多线程 + 多事件循环任务调度
任务暂停、继续、停止
自动化幂等处理
Windows / macOS 打包

如果你正在学习 Electron + Python 后端 + 浏览器自动化，这个项目也可以作为一个完整案例来参考。

十一、源码和下载

创作不易，跪求 star，麻烦点个小星星～

源码地址：

github.com/wangrujun20…

下载链接：

pan.baidu.com/s/1e5lkqYON…

提取码：

8bkt

某直聘自动打招呼桌面助手

我做了一个 某直聘自动打招呼桌面助手，支持多账号、筛选岗位、实时日志