tools:
- name: search-talent
  display_name: Search Talent
  description: LinkedIn Recruiter 搜索爬虫 & JSON 转 Excel
  category: search
  pypi_url: https://pypi.org/project/search-talent/
  launch:
    mode: cli
    command: search-talent
  docs:
    readme: '# Search Talent


      > LinkedIn Recruiter 搜索爬虫 & JSON 转 Excel


      ## 概述


      `search-talent` 是一个 LinkedIn Recruiter 搜索结果爬取工具，支持布尔关键词搜索，可将搜索结果导出为 JSON 和 Excel
      格式，方便 HR 团队批量筛选候选人。


      ## 核心功能


      - **布尔关键词搜索**：支持 AND / OR / NOT 等布尔运算符组合搜索条件

      - **多维度筛选**：按职位、地区、公司、技能等维度组合搜索

      - **批量导出**：搜索结果一键导出为 JSON 或 Excel

      - **自动翻页**：自动翻页获取全部搜索结果

      - **去重处理**：自动去除重复候选人记录


      ## 安装


      ```bash

      pip install search-talent

      ```


      ## 使用方法


      ### 基本搜索


      ```bash

      search-talent --keywords "Python engineer"

      ```


      ### 按地区搜索


      ```bash

      search-talent --keywords "Python engineer" --location "Beijing"

      ```


      ### 布尔搜索


      ```bash

      search-talent --keywords "(Python OR Java) AND (Senior OR Lead)" --location
      "Shanghai"

      ```


      ### 指定输出格式


      ```bash

      search-talent --keywords "Product Manager" --output-format excel --output candidates.xlsx

      ```


      ## 配置要求


      - Python 3.8+

      - LinkedIn Recruiter 账号

      - Chrome 浏览器（用于自动化操作）


      ## 注意事项


      - 使用前需确保 LinkedIn 账号有 Recruiter 权限

      - 建议控制搜索频率，避免触发 LinkedIn 反爬机制

      - 导出的 Excel 包含：姓名、职位、公司、地区、LinkedIn 链接等字段

      '
    use_cases:
    - 在 LinkedIn 上按布尔关键词批量爬取候选人信息，并导出为 Excel 供 HR 筛选。
    - 按地区、职位、技能组合搜索人才，快速建立候选人池。
    - 定期搜索特定岗位的候选人，跟踪市场人才动态。
    workflow:
      prev_tools: []
      next_tools:
      - resume-oneclick
      - talent-lens
    quick_start:
      install: pip install search-talent
      command_example: search-talent --keywords "Python engineer"
      expected_output: 生成包含候选人姓名、职位、LinkedIn 链接的 Excel 文件。
    tags:
    - '#LinkedIn'
    - '#搜索'
    - '#Excel'
- name: linkedin-horse
  display_name: LinkedIn Horse
  description: LinkedIn 搜索结果资料提取 — 自动化抓取、解析、导出
  category: search
  pypi_url: https://pypi.org/project/linkedin-horse/
  launch:
    mode: cli
    command: linkedin-horse
  docs:
    readme: '# LinkedIn Horse


      > LinkedIn 搜索结果资料提取 — 自动化抓取、解析、导出


      ## 概述


      `linkedin-horse` 是一个 LinkedIn 搜索结果资料提取工具，能够自动化抓取 LinkedIn 搜索结果页面中的候选人资料，解析并导出为结构化数据。


      ## 核心功能


      - **搜索结果抓取**：从 LinkedIn 搜索结果页面批量提取候选人资料

      - **资料解析**：自动解析姓名、职位、公司、教育背景等字段

      - **多格式导出**：支持 JSON / CSV / Excel 格式导出

      - **增量抓取**：支持断点续抓，避免重复工作

      - **反检测机制**：内置请求间隔和随机延迟


      ## 安装


      ```bash

      pip install linkedin-horse

      ```


      ## 使用方法


      ```bash

      # 从搜索 URL 抓取

      linkedin-horse --url "https://www.linkedin.com/search/results/people/?keywords=python"


      # 从文件读取 URL 列表批量抓取

      linkedin-horse --file urls.txt


      # 指定输出格式

      linkedin-horse --url <search_url> --format excel --output profiles.xlsx

      ```


      ## 配置要求


      - Python 3.8+

      - LinkedIn 账号

      - Chrome 浏览器

      '
    use_cases:
    - 从 LinkedIn 搜索结果页面批量提取候选人资料。
    - 自动化抓取候选人详细信息并导出为结构化数据。
    - 配合 search-talent 使用，对搜索结果进行深度资料提取。
    workflow:
      prev_tools:
      - search-talent
      next_tools:
      - resume-oneclick
      - profile-claw
    quick_start:
      install: pip install linkedin-horse
      command_example: linkedin-horse --url <search_url>
      expected_output: 导出候选人资料 JSON 文件，包含姓名、职位、公司、教育背景等。
    tags:
    - '#LinkedIn'
    - '#抓取'
    - '#自动化'
- name: linkedin-lion
  display_name: LinkedIn Lion
  description: LinkedIn 个人资料抓取 + LLM 简历结构化提取
  category: search
  pypi_url: https://pypi.org/project/linkedin-lion/
  launch:
    mode: cli
    command: linkedin-lion
  docs:
    readme: '# LinkedIn Lion


      > LinkedIn 个人资料抓取 + LLM 简历结构化提取


      ## 概述


      `linkedin-lion` 结合了 LinkedIn 个人资料抓取和 LLM（大语言模型）能力，能够抓取 LinkedIn Profile 并自动提取结构化简历信息，将非结构化的个人资料转换为标准化的简历格式。


      ## 核心功能


      - **Profile 抓取**：抓取 LinkedIn 个人资料页面完整信息

      - **LLM 结构化提取**：使用大模型自动提取姓名、工作经历、教育背景、技能等

      - **简历格式化**：将 LinkedIn Profile 转换为标准化简历 JSON

      - **批量处理**：支持批量 URL 抓取和提取

      - **多模型支持**：兼容 OpenAI / Azure / 本地模型


      ## 安装


      ```bash

      pip install linkedin-lion

      ```


      ## 使用方法


      ```bash

      # 抓取单个 Profile

      linkedin-lion --profile-url "https://www.linkedin.com/in/username/"


      # 批量抓取

      linkedin-lion --file profile_urls.txt


      # 指定 LLM 模型

      linkedin-lion --profile-url <url> --model gpt-4

      ```


      ## 配置要求


      - Python 3.8+

      - OpenAI API Key 或兼容的 LLM 服务

      - LinkedIn 账号

      '
    use_cases:
    - 抓取 LinkedIn 个人资料并用 LLM 自动提取结构化简历信息。
    - 将非结构化的 LinkedIn Profile 转换为标准化简历格式。
    - 批量处理候选人 LinkedIn 资料，快速建立人才库。
    workflow:
      prev_tools:
      - search-talent
      - linkedin-horse
      next_tools:
      - talent-lens
      - cold-msg
    quick_start:
      install: pip install linkedin-lion
      command_example: linkedin-lion --profile-url <url>
      expected_output: 输出结构化简历 JSON，包含姓名、经历、技能等字段。
    tags:
    - '#LinkedIn'
    - '#LLM'
    - '#简历提取'
- name: linkedin-cat
  display_name: LinkedIn Cat
  description: LinkedIn 自动化工具
  category: search
  pypi_url: https://pypi.org/project/linkedin-cat/
  launch:
    mode: cli
    command: linkedin-cat
  docs:
    readme: '# LinkedIn Cat


      > LinkedIn 自动化工具集


      ## 概述


      `linkedin-cat` 是一个 LinkedIn 自动化工具集，提供搜索、连接、消息等多种 LinkedIn 操作的自动化能力，帮助招聘人员高效管理
      LinkedIn 招聘活动。


      ## 核心功能


      - **自动搜索**：按条件自动搜索候选人

      - **自动连接**：批量发送连接请求

      - **消息管理**：自动发送和回复消息

      - **资料浏览**：自动浏览候选人资料

      - **反检测**：内置随机延迟和行为模拟


      ## 安装


      ```bash

      pip install linkedin-cat

      ```


      ## 使用方法


      ```bash

      linkedin-cat --help

      linkedin-cat search --keyword "Python"

      linkedin-cat connect --keyword "AI engineer" --limit 20

      ```

      '
    use_cases:
    - 自动化执行 LinkedIn 上的各种操作，如搜索、连接、消息等。
    - 批量管理 LinkedIn 招聘活动。
    - 配合其他 LinkedIn 工具形成自动化招聘流程。
    workflow:
      prev_tools: []
      next_tools:
      - recruiter-msg
    quick_start:
      install: pip install linkedin-cat
      command_example: linkedin-cat --help
      expected_output: 显示可用子命令列表。
    tags:
    - '#LinkedIn'
    - '#自动化'
- name: liepin-cat
  display_name: Liepin Cat
  description: 猎聘简历搜索与查看工具
  category: search
  pypi_url: https://pypi.org/project/liepin-cat/
  launch:
    mode: cli
    command: liepin-cat
  docs:
    readme: '# Liepin Cat


      > 猎聘简历搜索与查看工具


      ## 概述


      `liepin-cat` 是猎聘平台的简历搜索与查看工具，支持在命令行中搜索和浏览猎聘上的候选人简历，方便招聘人员快速获取猎聘简历信息。


      ## 核心功能


      - **简历搜索**：按关键词、职位、地区搜索猎聘简历

      - **简历查看**：在终端中查看简历详情

      - **批量导出**：将搜索结果导出为 Excel/JSON

      - **收藏管理**：管理简历收藏列表


      ## 安装


      ```bash

      pip install liepin-cat

      ```


      ## 使用方法


      ```bash

      liepin-cat search --keyword "产品经理"

      liepin-cat search --keyword "Java" --city "北京"

      liepin-cat view --id <resume_id>

      ```

      '
    use_cases:
    - 在猎聘平台上搜索和查看候选人简历。
    - 批量获取猎聘简历信息并导出。
    - 跨平台搜索人才，补充 LinkedIn 之外的候选人来源。
    workflow:
      prev_tools: []
      next_tools:
      - resume-oneclick
    quick_start:
      install: pip install liepin-cat
      command_example: liepin-cat search --keyword "产品经理"
      expected_output: 返回猎聘简历搜索结果。
    tags:
    - '#猎聘'
    - '#简历搜索'
- name: maimai-cat
  display_name: Maimai Cat
  description: 脉脉平台 API 封装，支持人才搜索、资料获取等
  category: search
  pypi_url: https://pypi.org/project/maimai-cat/
  launch:
    mode: cli
    command: maimai-cat
  docs:
    readme: '# Maimai Cat


      > 脉脉平台 API 封装，支持人才搜索、资料获取等


      ## 概述


      `maimai-cat` 封装了脉脉平台的 API，提供人才搜索、资料获取、人脉管理等功能，方便在命令行中操作脉脉平台。


      ## 核心功能


      - **人才搜索**：按关键词搜索脉脉上的专业人才

      - **资料获取**：获取脉脉用户的详细资料

      - **人脉管理**：查看和管理脉脉人脉关系

      - **公司搜索**：搜索脉脉上的公司信息


      ## 安装


      ```bash

      pip install maimai-cat

      ```


      ## 使用方法


      ```bash

      maimai-cat search --keyword "AI工程师"

      maimai-cat profile --user-id <id>

      maimai-cat company --name "字节跳动"

      ```

      '
    use_cases:
    - 通过脉脉 API 搜索人才并获取详细资料。
    - 批量查询脉脉用户信息。
    - 作为脉脉自动化操作的基础工具。
    workflow:
      prev_tools: []
      next_tools:
      - mm-friend
      - cold-msg
    quick_start:
      install: pip install maimai-cat
      command_example: maimai-cat search --keyword "AI工程师"
      expected_output: 返回脉脉人才搜索结果。
    tags:
    - '#脉脉'
    - '#API'
    - '#人才搜索'
- name: graph-cli-maimai
  display_name: Graph CLI Maimai
  description: 脉脉专属 AI 招聘循环命令行工具
  category: search
  pypi_url: https://pypi.org/project/graph-cli-maimai/
  launch:
    mode: interactive
    command: graph-cli-maimai
  docs:
    readme: '# Graph CLI Maimai


      > 脉脉专属 AI 招聘循环命令行工具


      ## 概述


      `graph-cli-maimai` 是脉脉专属的 AI 招聘循环工具，基于 LangGraph 编排自动化招聘流程，在脉脉平台上实现搜索→评估→触达的闭环操作。


      ## 核心功能


      - **AI 招聘循环**：自动执行搜索、评估、触达的完整招聘流程

      - **LangGraph 编排**：基于图结构编排多步骤招聘任务

      - **脉脉集成**：深度集成脉脉搜索和消息功能

      - **交互式控制**：支持人工介入和流程调整


      ## 安装


      ```bash

      pip install graph-cli-maimai

      ```


      ## 使用方法


      ```bash

      # 启动交互式招聘循环

      graph-cli-maimai --loop


      # 指定招聘需求

      graph-cli-maimai --position "高级Python工程师" --count 10

      ```

      '
    use_cases:
    - 在脉脉上运行 AI 驱动的自动化招聘循环。
    - 自动搜索、评估、触达脉脉候选人。
    - 将招聘流程自动化，减少人工操作。
    workflow:
      prev_tools:
      - maimai-cat
      next_tools:
      - cold-msg
    quick_start:
      install: pip install graph-cli-maimai
      command_example: graph-cli-maimai --loop
      expected_output: 启动交互式 AI 招聘循环。
    tags:
    - '#脉脉'
    - '#AI'
    - '#自动化'
- name: paper-talent
  display_name: Paper Talent
  description: 从学术论文中发现企业人才，自动搜索脉脉并加入招聘项目
  category: search
  pypi_url: https://pypi.org/project/paper-talent/
  launch:
    mode: cli
    command: paper-talent
  docs:
    readme: '# Paper Talent


      > 从学术论文中发现企业人才，自动搜索脉脉并加入招聘项目


      ## 概述


      `paper-talent` 是一个学术人才挖掘工具，能够从学术论文（如顶会论文）中发现潜在候选人，自动在脉脉上搜索匹配的用户，并将其加入招聘项目。


      ## 核心功能


      - **论文解析**：从论文 PDF/URL 中提取作者信息

      - **脉脉匹配**：自动在脉脉上搜索论文作者

      - **项目关联**：将匹配的候选人加入招聘项目

      - **批量处理**：支持批量处理多篇论文


      ## 安装


      ```bash

      pip install paper-talent

      ```


      ## 使用方法


      ```bash

      # 从论文 URL 发现人才

      paper-talent --paper-url "https://arxiv.org/abs/xxxx.xxxxx"


      # 从本地论文文件

      paper-talent --paper-file paper.pdf


      # 批量处理

      paper-talent --papers-dir ./papers/

      ```

      '
    use_cases:
    - 从顶会论文作者中发现潜在候选人，自动在脉脉上搜索并加入招聘项目。
    - 学术人才挖掘，将论文作者转化为招聘线索。
    - 针对 AI/算法岗位，从学术圈定向挖掘人才。
    workflow:
      prev_tools: []
      next_tools:
      - maimai-cat
      - mm-friend
    quick_start:
      install: pip install paper-talent
      command_example: paper-talent --paper-url <url>
      expected_output: 输出论文作者在脉脉上的匹配结果。
    tags:
    - '#学术'
    - '#脉脉'
    - '#人才发现'
- name: github-reachout
  display_name: GitHub Reachout
  description: GitHub 信息获取 → 技术方向总结 → 生成触达邮件 → 发送
  category: search
  pypi_url: https://pypi.org/project/github-reachout/
  launch:
    mode: cli
    command: github-reachout
  docs:
    readme: '# GitHub Reachout


      > GitHub 信息获取 → 技术方向总结 → 生成触达邮件 → 发送


      ## 概述


      `github-reachout` 是一个 GitHub 人才触达工具，能够从 GitHub 获取开发者信息，使用 LLM 总结技术方向，自动生成个性化触达邮件并发送。


      ## 核心功能


      - **GitHub 信息获取**：抓取用户 Profile、仓库、贡献等数据

      - **技术方向总结**：用 LLM 分析开发者的技术栈和兴趣方向

      - **邮件生成**：基于技术分析生成个性化触达邮件

      - **自动发送**：支持 SMTP 自动发送邮件


      ## 安装


      ```bash

      pip install github-reachout

      ```


      ## 使用方法


      ```bash

      # 分析 GitHub 用户并生成邮件

      github-reachout --username <github_user>


      # 仅生成邮件不发送

      github-reachout --username <github_user> --dry-run


      # 批量处理

      github-reachout --file github_users.txt

      ```

      '
    use_cases:
    - 从 GitHub 发现开源人才，自动生成个性化触达邮件。
    - 根据 GitHub 活动总结开发者技术栈，精准触达。
    - 针对开源社区定向招聘技术人才。
    workflow:
      prev_tools:
      - github-cat
      - github-bird
      next_tools:
      - cold-msg
    quick_start:
      install: pip install github-reachout
      command_example: github-reachout --username <github_user>
      expected_output: 生成并发送触达邮件。
    tags:
    - '#GitHub'
    - '#邮件'
    - '#触达'
- name: github-cat
  display_name: GitHub Cat
  description: GitHub 工具集
  category: search
  pypi_url: https://pypi.org/project/github-cat/
  launch:
    mode: cli
    command: github-cat
  docs:
    readme: '# GitHub Cat


      > GitHub 工具集


      ## 概述


      `github-cat` 是一个 GitHub 工具集，提供多种 GitHub 相关功能，包括用户信息获取、仓库分析、贡献统计等，是 GitHub 人才发现的基础工具。


      ## 核心功能


      - **用户信息获取**：批量获取 GitHub 用户信息

      - **仓库分析**：分析仓库的技术栈、活跃度、Star 数等

      - **贡献统计**：统计开发者的贡献和活跃度

      - **搜索功能**：按技术栈、地区等搜索 GitHub 开发者


      ## 安装


      ```bash

      pip install github-cat

      ```


      ## 使用方法


      ```bash

      github-cat --help

      github-cat user --name <username>

      github-cat repos --name <username>

      github-cat search --language Python --location Beijing

      ```

      '
    use_cases:
    - 批量获取 GitHub 用户信息和仓库数据。
    - GitHub 数据分析和人才发现。
    - 作为 github-reachout 的前置数据收集工具。
    workflow:
      prev_tools: []
      next_tools:
      - github-reachout
    quick_start:
      install: pip install github-cat
      command_example: github-cat --help
      expected_output: 显示可用子命令。
    tags:
    - '#GitHub'
    - '#工具集'
- name: github-bird
  display_name: GitHub Bird
  description: GitHub 工具集
  category: search
  pypi_url: https://pypi.org/project/github-bird/
  launch:
    mode: cli
    command: github-bird
  docs:
    readme: '# GitHub Bird


      > GitHub 工具集


      ## 概述


      `github-bird` 是另一个 GitHub 工具集，提供 GitHub 开发者搜索与分析功能，与 github-cat 互补，侧重于开发者搜索和人才评估。


      ## 核心功能


      - **开发者搜索**：按技术栈、地区、活跃度搜索开发者

      - **Profile 分析**：分析开发者的技术深度和广度

      - **人才评估**：基于 GitHub 数据评估开发者水平

      - **数据导出**：将搜索和分析结果导出


      ## 安装


      ```bash

      pip install github-bird

      ```


      ## 使用方法


      ```bash

      github-bird --help

      github-bird search --skill Python --min-followers 100

      github-bird analyze --user <username>

      ```

      '
    use_cases:
    - 搜索和分析 GitHub 上的开发者信息。
    - GitHub 人才发现与评估。
    - 配合 github-reachout 实现从发现到触达的完整流程。
    workflow:
      prev_tools: []
      next_tools:
      - github-reachout
    quick_start:
      install: pip install github-bird
      command_example: github-bird --help
      expected_output: 显示可用子命令。
    tags:
    - '#GitHub'
    - '#工具集'
- name: kwtree
  display_name: KW Tree
  description: 精细化搜索关键词组合生成工具
  category: search
  pypi_url: https://pypi.org/project/kwtree/
  launch:
    mode: cli
    command: kwtree
  docs:
    readme: '# KW Tree


      > 精细化搜索关键词组合生成工具


      ## 概述


      `kwtree` 是一个精细化搜索关键词组合生成工具，帮助招聘人员将宽泛的招聘需求拆解为精准的布尔搜索关键词树，用于 LinkedIn 等平台的高级搜索。


      ## 核心功能


      - **关键词拆解**：将职位需求拆解为技能、经验、行业等维度

      - **布尔组合**：自动生成 AND / OR / NOT 布尔表达式

      - **关键词树**：以树形结构展示关键词组合关系

      - **平台适配**：适配 LinkedIn / 猎聘等平台的搜索语法


      ## 安装


      ```bash

      pip install kwtree

      ```


      ## 使用方法


      ```bash

      # 生成关键词组合

      kwtree --role "Python工程师" --skills "Django,FastAPI"


      # 指定排除条件

      kwtree --role "产品经理" --skills "B2B,SaaS" --exclude "实习"


      # 输出 LinkedIn 搜索语法

      kwtree --role "数据科学家" --format linkedin

      ```

      '
    use_cases:
    - 生成 LinkedIn/招聘平台的布尔搜索关键词组合。
    - 将宽泛的招聘需求拆解为精准的搜索关键词树。
    - 提高搜索命中率，减少无效搜索。
    workflow:
      prev_tools: []
      next_tools:
      - search-talent
      - linkedin-horse
    quick_start:
      install: pip install kwtree
      command_example: kwtree --role "Python工程师" --skills "Django,FastAPI"
      expected_output: 输出布尔关键词组合。
    tags:
    - '#关键词'
    - '#搜索'
    - '#布尔'

- name: mm-friend
  display_name: MM Friend
  description: 脉脉自动加好友工具 — 支持命令行和 Web 界面
  category: search
  pypi_url: https://pypi.org/project/mm-friend/
  launch:
    mode: web
    command: mm-friend
    web_port: 8501
  docs:
    readme: '# MM Friend


      > 脉脉自动加好友工具 — 支持命令行和 Web 界面


      ## 概述


      `mm-friend` 是脉脉自动加好友工具，支持命令行和 Web 界面两种操作模式，帮助招聘人员批量扩展脉脉人脉网络。


      ## 核心功能


      - **自动加好友**：按条件自动发送脉脉好友请求

      - **Web 界面**：提供可视化操作界面，方便配置策略

      - **条件筛选**：按职位、公司、地区等条件筛选目标

      - **频率控制**：控制加好友频率，避免触发限制

      - **进度追踪**：实时显示加好友进度和结果


      ## 安装


      ```bash

      pip install mm-friend

      ```


      ## 使用方法


      ```bash

      # 启动 Web 界面

      mm-friend --web


      # 命令行模式

      mm-friend --keyword "AI工程师" --limit 20


      # 指定公司

      mm-friend --company "字节跳动" --limit 50

      ```

      '
    use_cases:
    - 在脉脉上自动添加目标候选人为好友。
    - 批量扩展脉脉人脉网络。
    - 配合 maimai-cat 使用，先搜索再加好友。
    workflow:
      prev_tools:
      - maimai-cat
      next_tools:
      - cold-msg
      - recruiter-msg
    quick_start:
      install: pip install mm-friend
      command_example: mm-friend --web
      expected_output: 启动 Web 界面（端口 8501），可配置加好友策略。
    tags:
    - '#脉脉'
    - '#自动化'
    - '#人脉'
- name: resume-oneclick
  display_name: Resume OneClick
  description: 简历批量解析，支持 PDF、DOC、DOCX 格式
  category: resume
  pypi_url: https://pypi.org/project/resume-oneclick/
  launch:
    mode: cli
    command: resume-oneclick
  docs:
    readme: '# Resume OneClick


      > 简历批量解析，支持 PDF、DOC、DOCX 格式


      ## 概述


      `resume-oneclick` 是一个基于大模型的简历批量解析工具，支持 PDF、DOC、DOCX 等多种格式，能够自动提取简历中的结构化信息（姓名、电话、邮箱、工作经历、教育背景等），并输出为
      JSON 格式。


      ## 核心功能


      - **多格式支持**：PDF / DOC / DOCX / TXT 等格式

      - **批量处理**：支持整个目录的简历批量解析

      - **结构化提取**：自动提取姓名、联系方式、工作经历、教育背景、技能等

      - **LLM 增强**：使用大模型提高解析准确率

      - **JSON 输出**：输出标准化 JSON，方便后续处理


      ## 安装


      ```bash

      pip install resume-oneclick

      ```


      ## 使用方法


      ```bash

      # 解析单个文件

      resume-oneclick --input resume.pdf


      # 批量解析目录

      resume-oneclick --input ./resumes/ --output output.json


      # 指定输出格式

      resume-oneclick -i ./pdfs -o output.json --format json

      ```


      ## 输出字段


      | 字段 | 说明 |

      |------|------|

      | name | 姓名 |

      | phone | 电话 |

      | email | 邮箱 |

      | work_experience | 工作经历列表 |

      | education | 教育背景列表 |

      | skills | 技能列表 |

      | years_of_experience | 工作年限 |

      '
    use_cases:
    - 批量处理 HR 收集的杂乱格式简历（PDF/Word），统一提取结构化字段（姓名、电话、工作经历）。
    - 作为 RPA 流程的一部分，将解析后的 JSON 数据导入公司内部 ATS 系统。
    - 配合 talent-lens 进行简历质量评估。
    workflow:
      prev_tools:
      - search-talent
      - linkedin-horse
      next_tools:
      - talent-lens
      - cold-msg
    quick_start:
      install: pip install resume-oneclick
      command_example: resume-oneclick -i ./pdfs -o output.json
      expected_output: 生成 output.json，包含所有候选人的姓名、邮箱、工作年限列表。
    tags:
    - '#简历'
    - '#PDF解析'
    - '#LLM'
- name: profile-claw
  display_name: Profile Claw
  description: 大模型简历处理：格式化、评估、邮件生成、总结
  category: resume
  pypi_url: https://pypi.org/project/profile-claw/
  launch:
    mode: cli
    command: profile-claw
  docs:
    readme: '# Profile Claw


      > 大模型简历处理：格式化、评估、邮件生成、总结


      ## 概述


      `profile-claw` 是一个基于大模型的简历处理工具，提供格式化、评估、邮件生成、总结四大功能，一站式完成从原始简历到可用招聘素材的转换。


      ## 核心功能


      - **格式化**：将杂乱的简历内容重新格式化为标准格式

      - **评估**：对简历进行多维度质量评估

      - **邮件生成**：基于简历内容自动生成触达邮件

      - **总结**：生成简历摘要，快速了解候选人


      ## 安装


      ```bash

      pip install profile-claw

      ```


      ## 使用方法


      ```bash

      # 评估简历

      profile-claw --input resume.pdf --action evaluate


      # 生成触达邮件

      profile-claw --input resume.pdf --action email


      # 格式化简历

      profile-claw --input resume.pdf --action format


      # 总结简历

      profile-claw --input resume.pdf --action summarize

      ```

      '
    use_cases:
    - 用 LLM 对简历进行格式化、质量评估、触达邮件生成和总结。
    - 一站式简历处理，从原始简历到可用的招聘素材。
    - 配合 resume-oneclick 使用，先解析再深度处理。
    workflow:
      prev_tools:
      - resume-oneclick
      next_tools:
      - cold-msg
      - talent-lens
    quick_start:
      install: pip install profile-claw
      command_example: profile-claw --input resume.pdf --action evaluate
      expected_output: 输出简历评估报告和触达邮件草稿。
    tags:
    - '#简历'
    - '#LLM'
    - '#评估'
- name: talent-lens
  display_name: Talent Lens
  description: 五维度简历质量评估：高校、大厂、稳定性、资深、学历
  category: resume
  pypi_url: https://pypi.org/project/talent-lens/
  launch:
    mode: cli
    command: talent-lens
  docs:
    readme: '# Talent Lens


      > 五维度简历质量评估：高校、大厂、稳定性、资深、学历


      ## 概述


      `talent-lens` 是一个五维度简历质量评估工具，从高校背景、大厂经历、职业稳定性、资深程度、学历水平五个维度对候选人简历进行量化评估，帮助 HR
      快速筛选高质量候选人。


      ## 核心功能


      - **高校背景**：评估毕业院校的知名度和排名

      - **大厂经历**：评估是否有知名企业工作经历

      - **职业稳定性**：评估跳槽频率和在职时长

      - **资深程度**：评估工作年限和职级

      - **学历水平**：评估最高学历和专业匹配度

      - **综合评分**：五维度加权综合评分


      ## 安装


      ```bash

      pip install talent-lens

      ```


      ## 使用方法


      ```bash

      # 评估单份简历

      talent-lens --input resume.json


      # 批量评估

      talent-lens --input resumes/ --output scores.xlsx


      # 自定义权重

      talent-lens --input resumes.json --weights "高校:0.3,大厂:0.2,稳定性:0.2,资深:0.2,学历:0.1"

      ```

      '
    use_cases:
    - 对候选人简历进行五维度量化评估，快速筛选高质量候选人。
    - 批量评估简历，按综合评分排序。
    - 作为简历筛选流程的核心评估引擎。
    workflow:
      prev_tools:
      - resume-oneclick
      - profile-claw
      next_tools:
      - cold-msg
      - talent-birdview
    quick_start:
      install: pip install talent-lens
      command_example: talent-lens --input resumes.json
      expected_output: 输出每份简历的五维度评分和综合得分。
    tags:
    - '#简历'
    - '#评估'
    - '#五维度'
- name: talent-align
  display_name: Talent Align
  description: 基于 LLM 的简历画像构建与评估
  category: resume
  pypi_url: https://pypi.org/project/talent-align/
  launch:
    mode: cli
    command: talent-align
  docs:
    readme: '# Talent Align


      > 基于 LLM 的简历画像构建与评估


      ## 概述


      `talent-align` 使用 LLM 构建候选人画像，并评估与目标职位的匹配度，将简历信息结构化为标准人才画像，便于对比和筛选。


      ## 核心功能


      - **画像构建**：从简历中提取关键特征构建人才画像

      - **职位匹配**：评估候选人与目标职位的匹配度

      - **结构化输出**：输出标准化的人才画像 JSON

      - **对比分析**：支持多候选人横向对比


      ## 安装


      ```bash

      pip install talent-align

      ```


      ## 使用方法


      ```bash

      talent-align --input resume.json --jd "Python高级工程师"

      talent-align --input resumes/ --jd-file jd.txt

      ```

      '
    use_cases:
    - 用 LLM 构建候选人画像，评估与职位的匹配度。
    - 将简历信息结构化为标准人才画像。
    - 多候选人横向对比，辅助招聘决策。
    workflow:
      prev_tools:
      - resume-oneclick
      next_tools:
      - talent-lens
    quick_start:
      install: pip install talent-align
      command_example: talent-align --input resume.json --jd "Python高级工程师"
      expected_output: 输出候选人画像和职位匹配度评分。
    tags:
    - '#简历'
    - '#LLM'
    - '#画像'
- name: resume-flow
  display_name: Resume Flow
  description: LangGraph 简历筛选 — LLM + 规则引擎自动化评估
  category: resume
  pypi_url: https://pypi.org/project/resume-flow/
  launch:
    mode: cli
    command: resume-flow
  docs:
    readme: '# Resume Flow


      > LangGraph 简历筛选 — LLM + 规则引擎自动化评估


      ## 概述


      `resume-flow` 基于 LangGraph 编排简历筛选流程，结合 LLM 和规则引擎进行自动化评估，实现简历初筛的自动化。


      ## 核心功能


      - **LangGraph 编排**：用图结构编排多步骤筛选流程

      - **LLM 评估**：使用大模型对简历进行语义理解

      - **规则引擎**：支持硬性条件规则过滤

      - **双重过滤**：LLM + 规则引擎双重保障


      ## 安装


      ```bash

      pip install resume-flow

      ```


      ## 使用方法


      ```bash

      resume-flow --input resumes/ --rules rules.yaml

      resume-flow --input resumes.json --jd "高级产品经理"

      ```

      '
    use_cases:
    - 用 LangGraph 编排简历筛选流程，LLM + 规则引擎双重过滤。
    - 自动化简历初筛，减少人工评审工作量。
    - 自定义筛选规则，适配不同岗位需求。
    workflow:
      prev_tools:
      - resume-oneclick
      next_tools:
      - talent-lens
    quick_start:
      install: pip install resume-flow
      command_example: resume-flow --input resumes/ --rules rules.yaml
      expected_output: 输出通过/未通过的简历列表及原因。
    tags:
    - '#简历'
    - '#LangGraph'
    - '#自动化'
- name: resume-story
  display_name: Resume Story
  description: 将传统简历转换为叙事性职业故事 + 可视化
  category: resume
  pypi_url: https://pypi.org/project/resume-story/
  launch:
    mode: cli
    command: resume-story
  docs:
    readme: '# Resume Story


      > 将传统简历转换为叙事性职业故事 + 可视化


      ## 概述


      `resume-story` 将传统简历转换为叙事性职业故事，并生成职业轨迹可视化图表，便于向业务方推荐候选人。


      ## 核心功能


      - **叙事转换**：将简历转换为生动的职业故事

      - **轨迹可视化**：生成职业发展轨迹图

      - **多格式输出**：支持 Markdown / HTML / PDF 输出


      ## 安装


      ```bash

      pip install resume-story

      ```


      ## 使用方法


      ```bash

      resume-story --input resume.json

      resume-story --input resume.json --format html

      ```

      '
    use_cases:
    - 将干巴巴的简历转换为生动的职业叙事，便于向业务方推荐候选人。
    - 生成候选人职业轨迹可视化。
    workflow:
      prev_tools:
      - resume-oneclick
      next_tools: []
    quick_start:
      install: pip install resume-story
      command_example: resume-story --input resume.json
      expected_output: 输出叙事性职业故事和职业轨迹图。
    tags:
    - '#简历'
    - '#可视化'
    - '#叙事'
- name: cvbuilder-cli
  display_name: CVBuilder CLI
  description: 从 Markdown 生成 PDF 简历，支持 LLM 自动格式化
  category: resume
  pypi_url: https://pypi.org/project/cvbuilder-cli/
  launch:
    mode: cli
    command: cvbuilder-cli
  docs:
    readme: '# CVBuilder CLI


      > 从 Markdown 生成 PDF 简历，支持 LLM 自动格式化


      ## 概述


      `cvbuilder-cli` 从 Markdown 文件生成精美 PDF 简历，支持 LLM 自动优化格式和措辞。


      ## 核心功能


      - **Markdown 转 PDF**：从 Markdown 一键生成 PDF 简历

      - **LLM 格式化**：用大模型自动优化简历格式和措辞

      - **多模板**：支持多种简历模板

      - **自定义样式**：支持自定义 CSS 样式


      ## 安装


      ```bash

      pip install cvbuilder-cli

      ```


      ## 使用方法


      ```bash

      cvbuilder-cli --input resume.md --output resume.pdf

      cvbuilder-cli --input resume.md --template modern

      ```

      '
    use_cases:
    - 用 Markdown 编写简历内容，一键生成精美 PDF。
    - 用 LLM 自动优化简历格式和措辞。
    workflow:
      prev_tools: []
      next_tools: []
    quick_start:
      install: pip install cvbuilder-cli
      command_example: cvbuilder-cli --input resume.md --output resume.pdf
      expected_output: 生成格式化的 PDF 简历文件。
    tags:
    - '#简历'
    - '#PDF'
    - '#Markdown'
- name: power-doc
  display_name: Power Doc
  description: 多格式文档智能文本提取
  category: resume
  pypi_url: https://pypi.org/project/power-doc/
  launch:
    mode: cli
    command: power-doc
  docs:
    readme: '# Power Doc


      > 多格式文档智能文本提取


      ## 概述


      `power-doc` 是多格式文档智能文本提取工具，支持 PDF、Word、图片等格式，能够从各种文档中提取纯文本内容。


      ## 核心功能


      - **多格式支持**：PDF / DOCX / DOC / 图片 / HTML

      - **OCR 支持**：对图片文档进行 OCR 文字识别

      - **表格提取**：提取文档中的表格数据

      - **批量处理**：支持批量文件处理


      ## 安装


      ```bash

      pip install power-doc

      ```


      ## 使用方法


      ```bash

      power-doc --input document.pdf

      power-doc --input ./docs/ --output texts/

      ```

      '
    use_cases:
    - 从各种格式的文档中提取纯文本内容。
    - 作为简历解析的前置步骤，提取文档原始文本。
    workflow:
      prev_tools: []
      next_tools:
      - resume-oneclick
    quick_start:
      install: pip install power-doc
      command_example: power-doc --input document.pdf
      expected_output: 输出提取的文本内容。
    tags:
    - '#文档'
    - '#文本提取'
    - '#多格式'
- name: chinese-finder
  display_name: Chinese Finder
  description: 在文本和 Excel 中检测中文姓名
  category: resume
  pypi_url: https://pypi.org/project/chinese-finder/
  launch:
    mode: cli
    command: chinese-finder
  docs:
    readme: '# Chinese Finder


      > 在文本和 Excel 中检测中文姓名


      ## 概述


      `chinese-finder` 能够在文本和 Excel 文件中自动检测中文姓名，适用于简历数据清洗和候选人姓名提取。


      ## 核心功能


      - **文本检测**：从非结构化文本中识别中文姓名

      - **Excel 检测**：从 Excel 列中批量检测中文姓名

      - **高准确率**：基于姓氏库和上下文分析

      - **批量处理**：支持大文件批量处理


      ## 安装


      ```bash

      pip install chinese-finder

      ```


      ## 使用方法


      ```bash

      chinese-finder --input data.xlsx

      chinese-finder --text "张三是一名软件工程师"

      ```

      '
    use_cases:
    - 从非结构化文本或 Excel 中自动识别中文姓名。
    - 简历数据清洗，提取候选人中文姓名。
    workflow:
      prev_tools:
      - resume-oneclick
      next_tools: []
    quick_start:
      install: pip install chinese-finder
      command_example: chinese-finder --input data.xlsx
      expected_output: 输出检测到的中文姓名列表。
    tags:
    - '#中文'
    - '#姓名检测'
    - '#NLP'
- name: chinese-name-detector
  display_name: Chinese Name Detector
  description: 轻量级中文汉字和姓氏检测
  category: resume
  pypi_url: https://pypi.org/project/chinese-name-detector/
  launch:
    mode: cli
    command: chinese-name-detector
  docs:
    readme: '# Chinese Name Detector


      > 轻量级中文汉字和姓氏检测


      ## 概述


      `chinese-name-detector` 是一个轻量级中文汉字和姓氏检测工具，能够快速判断字符串是否为中文姓名。


      ## 核心功能


      - **轻量级**：无外部依赖，纯 Python 实现

      - **快速判断**：毫秒级判断是否为中文姓名

      - **姓氏库**：内置常见中文姓氏库

      - **API 友好**：提供 Python API 供其他工具调用


      ## 安装


      ```bash

      pip install chinese-name-detector

      ```


      ## 使用方法


      ```bash

      chinese-name-detector --text "张三"

      ```

      '
    use_cases:
    - 轻量级检测文本中的中文姓名。
    - 快速判断字符串是否为中文姓名。
    workflow:
      prev_tools: []
      next_tools: []
    quick_start:
      install: pip install chinese-name-detector
      command_example: chinese-name-detector --text "张三"
      expected_output: 输出是否为中文姓名的判断结果。
    tags:
    - '#中文'
    - '#姓名检测'
- name: cn-detect
  display_name: CN Detect
  description: 中文姓名识别
  category: resume
  pypi_url: https://pypi.org/project/cn-detect/
  launch:
    mode: cli
    command: cn-detect
  docs:
    readme: '# CN Detect


      > 中文姓名识别


      ## 概述


      `cn-detect` 是中文姓名识别工具，能够从文本中识别中文姓名，适用于简历和文档中的姓名提取。


      ## 核心功能


      - **姓名识别**：从文本中识别中文姓名

      - **上下文分析**：结合上下文提高识别准确率

      - **批量处理**：支持文件批量处理


      ## 安装


      ```bash

      pip install cn-detect

      ```


      ## 使用方法


      ```bash

      cn-detect --input text.txt

      cn-detect --text "李四毕业于北京大学"

      ```

      '
    use_cases:
    - 从文本中识别中文姓名。
    - 简历和文档中的中文姓名提取。
    workflow:
      prev_tools: []
      next_tools: []
    quick_start:
      install: pip install cn-detect
      command_example: cn-detect --input text.txt
      expected_output: 输出识别到的中文姓名。
    tags:
    - '#中文'
    - '#姓名识别'
- name: textag
  display_name: TexTag
  description: 文本标记解析工具，支持多状态合并与多格式导出
  category: resume
  pypi_url: https://pypi.org/project/textag/
  launch:
    mode: cli
    command: textag
  docs:
    readme: '# TexTag


      > 文本标记解析工具，支持多状态合并与多格式导出


      ## 概述


      `textag` 是文本标记解析工具，支持多状态合并与多格式导出，可用于简历文本标注和结构化处理。


      ## 核心功能


      - **文本标记**：对文本进行标记和分类

      - **多状态合并**：支持多种标记状态的合并

      - **多格式导出**：JSON / CSV / XML 等格式

      - **自定义规则**：支持自定义标记规则


      ## 安装


      ```bash

      pip install textag

      ```


      ## 使用方法


      ```bash

      textag --input text.txt --format json

      textag --input data/ --rules rules.yaml

      ```

      '
    use_cases:
    - 对文本进行标记和分类，支持多状态合并。
    - 简历文本标注和结构化导出。
    workflow:
      prev_tools: []
      next_tools:
      - resume-oneclick
    quick_start:
      install: pip install textag
      command_example: textag --input text.txt --format json
      expected_output: 输出标记解析结果。
    tags:
    - '#文本'
    - '#标记'
    - '#解析'
- name: cold-msg
  display_name: Cold Msg
  description: 招聘冷邮件智能生成 — 基于候选人简历自动生成 Cold Email
  category: outreach
  pypi_url: https://pypi.org/project/cold-msg/
  launch:
    mode: cli
    command: cold-msg
  docs:
    readme: '# Cold Msg


      > 招聘冷邮件智能生成 — 基于候选人简历自动生成 Cold Email


      ## 概述


      `cold-msg` 是招聘冷邮件智能生成工具，基于候选人简历自动生成个性化的 Cold Email，提高触达回复率。


      ## 核心功能


      - **简历解析**：自动解析候选人简历信息

      - **个性化生成**：基于候选人背景生成个性化邮件

      - **多风格模板**：专业 / 友好 / 创意等多种风格

      - **批量生成**：支持批量生成不同风格的触达邮件

      - **A/B 测试**：支持生成多个版本进行 A/B 测试


      ## 安装


      ```bash

      pip install cold-msg

      ```


      ## 使用方法


      ```bash

      # 生成冷邮件

      cold-msg --input resume.json --style professional


      # 批量生成

      cold-msg --input resumes/ --output emails/


      # 指定职位

      cold-msg --input resume.json --position "高级Python工程师"

      ```

      '
    use_cases:
    - 根据候选人简历自动生成个性化的招聘冷邮件。
    - 批量生成不同风格的触达邮件，提高回复率。
    - 配合 resume-oneclick 和 talent-lens 使用，形成完整的触达流程。
    workflow:
      prev_tools:
      - resume-oneclick
      - profile-claw
      - talent-lens
      next_tools:
      - replyme
      - talent-whale
    quick_start:
      install: pip install cold-msg
      command_example: cold-msg --input resume.json --style professional
      expected_output: 生成个性化冷邮件文本。
    tags:
    - '#邮件'
    - '#触达'
    - '#LLM'
- name: recruiter-msg
  display_name: Recruiter Msg
  description: LinkedIn Recruiter 消息自动化工具包
  category: outreach
  pypi_url: https://pypi.org/project/recruiter-msg/
  launch:
    mode: cli
    command: recruiter-msg
  docs:
    readme: '# Recruiter Msg


      > LinkedIn Recruiter 消息自动化工具包


      ## 概述


      `recruiter-msg` 是 LinkedIn Recruiter 消息自动化工具包，支持自动发送和管理 LinkedIn Recruiter 消息。


      ## 核心功能


      - **消息模板**：管理和使用消息模板

      - **批量发送**：批量发送 LinkedIn Recruiter 消息

      - **个性化**：基于候选人信息自动个性化消息

      - **进度追踪**：追踪消息发送状态和回复情况


      ## 安装


      ```bash

      pip install recruiter-msg

      ```


      ## 使用方法


      ```bash

      recruiter-msg --template welcome.txt

      recruiter-msg --template followup.txt --batch candidates.csv

      ```

      '
    use_cases:
    - 自动化发送 LinkedIn Recruiter 消息。
    - 批量管理 LinkedIn 招聘消息。
    - 配合 cold-msg 使用，先生成邮件再通过 LinkedIn 发送。
    workflow:
      prev_tools:
      - cold-msg
      next_tools:
      - replyme
    quick_start:
      install: pip install recruiter-msg
      command_example: recruiter-msg --template welcome.txt
      expected_output: 批量发送 LinkedIn 消息。
    tags:
    - '#LinkedIn'
    - '#消息'
    - '#自动化'
- name: replyme
  display_name: ReplyMe
  description: 生成不重样的跟进消息，坚持不懈直到对方回复
  category: outreach
  pypi_url: https://pypi.org/project/replyme/
  launch:
    mode: cli
    command: replyme
  docs:
    readme: '# ReplyMe


      > 生成不重样的跟进消息，坚持不懈直到对方回复


      ## 概述


      `replyme` 能够生成不重样的跟进消息，帮助招聘人员持续跟进候选人直到获得回复，避免消息重复导致候选人反感。


      ## 核心功能


      - **多样化生成**：每次生成不同措辞的跟进消息

      - **上下文感知**：基于之前的沟通历史生成新消息

      - **节奏控制**：控制跟进频率和间隔

      - **多轮跟进**：支持多轮跟进直到获得回复


      ## 安装


      ```bash

      pip install replyme

      ```


      ## 使用方法


      ```bash

      replyme --context "已发送初封邮件" --round 2

      replyme --history messages.json --round 3

      ```

      '
    use_cases:
    - 自动生成多样化的跟进消息，避免重复。
    - 持续跟进候选人直到获得回复。
    - 配合 cold-msg 使用，形成完整的触达+跟进流程。
    workflow:
      prev_tools:
      - cold-msg
      next_tools: []
    quick_start:
      install: pip install replyme
      command_example: replyme --context "已发送初封邮件" --round 2
      expected_output: 生成第 2 轮跟进消息。
    tags:
    - '#跟进'
    - '#消息'
    - '#LLM'
- name: talent-whale
  display_name: Talent Whale
  description: 一站式：简历邮件生成 + 邮件营销 + LinkedIn 自动化
  category: outreach
  pypi_url: https://pypi.org/project/talent-whale/
  launch:
    mode: cli
    command: talent-whale
  docs:
    readme: '# Talent Whale


      > 一站式：简历邮件生成 + 邮件营销 + LinkedIn 自动化


      ## 概述


      `talent-whale` 是一站式招聘触达工具，整合了简历邮件生成、邮件营销和 LinkedIn 自动化功能，实现从简历解析到多渠道触达的全流程。


      ## 核心功能


      - **简历邮件生成**：基于简历自动生成触达邮件

      - **邮件营销**：批量发送和追踪邮件

      - **LinkedIn 自动化**：自动发送 LinkedIn 消息和连接请求

      - **多渠道触达**：邮件 + LinkedIn 双渠道触达

      - **效果追踪**：追踪触达效果和回复率


      ## 安装


      ```bash

      pip install talent-whale

      ```


      ## 使用方法


      ```bash

      talent-whale --campaign hiring_campaign.yaml

      talent-whale --resumes ./resumes/ --channel email

      talent-whale --resumes ./resumes/ --channel linkedin

      ```

      '
    use_cases:
    - 一站式完成从简历解析到邮件生成到批量发送的全流程。
    - 结合 LinkedIn 自动化，实现多渠道触达。
    - 作为招聘触达的统一入口。
    workflow:
      prev_tools:
      - resume-oneclick
      - cold-msg
      next_tools:
      - replyme
    quick_start:
      install: pip install talent-whale
      command_example: talent-whale --campaign hiring_campaign.yaml
      expected_output: 执行邮件营销和 LinkedIn 自动化触达。
    tags:
    - '#一站式'
    - '#邮件'
    - '#LinkedIn'
- name: excel-vis
  display_name: Excel Vis
  description: Excel 数据管理与可视化 Web 应用（FastAPI + Tailwind + Alpine.js）
  category: data
  pypi_url: https://pypi.org/project/excel-vis/
  launch:
    mode: web
    command: excel-vis
    web_port: 8000
  docs:
    readme: '# Excel Vis


      > Excel 数据管理与可视化 Web 应用（FastAPI + Tailwind + Alpine.js）


      ## 概述


      `excel-vis` 是一个 Excel 数据管理与可视化 Web 应用，基于 FastAPI + Tailwind CSS + Alpine.js
      构建，支持在浏览器中浏览、筛选、图表化 Excel 数据。


      ## 核心功能


      - **数据浏览**：在 Web 界面中浏览 Excel 数据

      - **筛选排序**：支持多条件筛选和排序

      - **图表可视化**：自动生成柱状图、折线图、饼图等

      - **数据编辑**：支持在线编辑 Excel 数据

      - **导出功能**：支持导出为 Excel / CSV


      ## 安装


      ```bash

      pip install excel-vis

      ```


      ## 使用方法


      ```bash

      excel-vis --file candidates.xlsx

      excel-vis --file data.xlsx --port 8000

      ```

      '
    use_cases:
    - 在 Web 界面中管理和可视化 Excel 数据。
    - 快速浏览、筛选、图表化 Excel 中的招聘数据。
    - 配合 search-talent 和 resume-oneclick 使用，可视化招聘结果。
    workflow:
      prev_tools:
      - search-talent
      - resume-oneclick
      next_tools: []
    quick_start:
      install: pip install excel-vis
      command_example: excel-vis --file candidates.xlsx
      expected_output: 启动 Web 服务（端口 8000），浏览器中展示 Excel 数据和图表。
    tags:
    - '#Excel'
    - '#可视化'
    - '#Web'
- name: excel-toolbox
  display_name: Excel Toolbox
  description: 一体化 Excel 数据处理：整合、清洗、转换
  category: data
  pypi_url: https://pypi.org/project/excel-toolbox/
  launch:
    mode: cli
    command: excel-toolbox
  docs:
    readme: '# Excel Toolbox


      > 一体化 Excel 数据处理：整合、清洗、转换


      ## 概述


      `excel-toolbox` 是一体化 Excel 数据处理工具，支持数据整合、清洗、转换等操作，帮助招聘人员快速处理招聘数据。


      ## 核心功能


      - **数据整合**：合并多个 Excel 数据源

      - **数据清洗**：去重、填充缺失值、格式统一

      - **数据转换**：列转换、类型转换、公式计算

      - **批量处理**：支持批量文件处理


      ## 安装


      ```bash

      pip install excel-toolbox

      ```


      ## 使用方法


      ```bash

      excel-toolbox clean --input data.xlsx

      excel-toolbox merge --files a.xlsx b.xlsx --output merged.xlsx

      excel-toolbox transform --input data.xlsx --rules rules.yaml

      ```

      '
    use_cases:
    - 批量清洗和转换招聘数据 Excel 文件。
    - 整合多个 Excel 数据源，统一格式。
    - 作为数据分析的前置数据处理步骤。
    workflow:
      prev_tools:
      - search-talent
      next_tools:
      - excel-vis
    quick_start:
      install: pip install excel-toolbox
      command_example: excel-toolbox clean --input data.xlsx
      expected_output: 输出清洗后的 Excel 文件。
    tags:
    - '#Excel'
    - '#数据清洗'
    - '#转换'
- name: excel-merger
  display_name: Excel Merger
  description: Excel 文件合并工具，支持 CLI 和 Python API
  category: data
  pypi_url: https://pypi.org/project/excel-merger/
  launch:
    mode: cli
    command: excel-merger
  docs:
    readme: '# Excel Merger


      > Excel 文件合并工具，支持 CLI 和 Python API


      ## 概述


      `excel-merger` 是 Excel 文件合并工具，支持 CLI 和 Python API 两种使用方式，能够将多个 Excel 文件合并为一个。


      ## 核心功能


      - **文件合并**：合并多个 Excel 文件

      - **去重处理**：自动去除重复行

      - **排序功能**：按指定列排序

      - **Python API**：提供 Python API 供程序调用


      ## 安装


      ```bash

      pip install excel-merger

      ```


      ## 使用方法


      ```bash

      excel-merger --files a.xlsx b.xlsx --output merged.xlsx

      excel-merger --files *.xlsx --output all.xlsx --dedup

      ```

      '
    use_cases:
    - 合并多个 Excel 文件为一个，支持去重和排序。
    - 将不同来源的候选人数据合并到统一表格。
    workflow:
      prev_tools:
      - search-talent
      - resume-oneclick
      next_tools:
      - excel-vis
    quick_start:
      install: pip install excel-merger
      command_example: excel-merger --files a.xlsx b.xlsx --output merged.xlsx
      expected_output: 生成合并后的 Excel 文件。
    tags:
    - '#Excel'
    - '#合并'
- name: excel-text-classifier
  display_name: Excel Text Classifier
  description: Excel 多标签文本分类器
  category: data
  pypi_url: https://pypi.org/project/excel-text-classifier/
  launch:
    mode: cli
    command: excel-text-classifier
  docs:
    readme: '# Excel Text Classifier


      > Excel 多标签文本分类器


      ## 概述


      `excel-text-classifier` 是 Excel 多标签文本分类器，基于 LLM 对 Excel 中的文本数据进行自动分类。


      ## 核心功能


      - **多标签分类**：支持多标签自动分类

      - **LLM 驱动**：使用大模型进行语义理解

      - **自定义类别**：支持自定义分类类别

      - **批量处理**：支持大文件批量分类


      ## 安装


      ```bash

      pip install excel-text-classifier

      ```


      ## 使用方法


      ```bash

      excel-text-classifier --input data.xlsx --column description

      excel-text-classifier --input data.xlsx --categories "技术,管理,设计"

      ```

      '
    use_cases:
    - 对 Excel 中的文本数据进行多标签自动分类。
    - 候选人简历文本的自动标签化。
    workflow:
      prev_tools:
      - resume-oneclick
      next_tools:
      - excel-vis
    quick_start:
      install: pip install excel-text-classifier
      command_example: excel-text-classifier --input data.xlsx --column description
      expected_output: 输出带分类标签的 Excel 文件。
    tags:
    - '#Excel'
    - '#分类'
    - '#LLM'
- name: orgchart-swan
  display_name: OrgChart Swan
  description: 从 Excel 数据生成交互式组织架构图
  category: data
  pypi_url: https://pypi.org/project/orgchart-swan/
  launch:
    mode: web
    command: orgchart-swan
    web_port: 8080
  docs:
    readme: '# OrgChart Swan


      > 从 Excel 数据生成交互式组织架构图


      ## 概述


      `orgchart-swan` 从 Excel 数据生成交互式组织架构图，支持在 Web 界面中浏览和操作组织架构。


      ## 核心功能


      - **Excel 导入**：从 Excel 导入组织数据

      - **交互式图表**：可缩放、拖拽的组织架构图

      - **搜索定位**：快速定位特定人员

      - **导出功能**：导出为图片或 PDF


      ## 安装


      ```bash

      pip install orgchart-swan

      ```


      ## 使用方法


      ```bash

      orgchart-swan --input org_data.xlsx

      orgchart-swan --input org_data.xlsx --port 8080

      ```

      '
    use_cases:
    - 从 Excel 候选人数据生成交互式组织架构图。
    - 可视化展示团队结构和人才分布。
    workflow:
      prev_tools:
      - excel-toolbox
      next_tools: []
    quick_start:
      install: pip install orgchart-swan
      command_example: orgchart-swan --input org_data.xlsx
      expected_output: 启动 Web 服务（端口 8080），展示交互式组织架构图。
    tags:
    - '#组织架构'
    - '#可视化'
    - '#Excel'
- name: jobdeer
  display_name: JobDeer
  description: 职位管理工具，全文搜索、Excel 导入导出、LLM 辅助录入
  category: data
  pypi_url: https://pypi.org/project/jobdeer/
  launch:
    mode: web
    command: jobdeer
    web_port: 8081
  docs:
    readme: '# JobDeer


      > 职位管理工具，全文搜索、Excel 导入导出、LLM 辅助录入


      ## 概述


      `jobdeer` 是职位管理工具，支持全文搜索、Excel 导入导出、LLM 辅助录入，帮助招聘团队高效管理职位信息。


      ## 核心功能


      - **职位管理**：创建、编辑、归档职位

      - **全文搜索**：快速搜索职位信息

      - **Excel 导入导出**：批量导入导出职位数据

      - **LLM 辅助**：用大模型辅助录入和优化职位描述


      ## 安装


      ```bash

      pip install jobdeer

      ```


      ## 使用方法


      ```bash

      jobdeer --web

      jobdeer --import positions.xlsx

      ```

      '
    use_cases:
    - 管理招聘职位信息，支持全文搜索和 Excel 导入导出。
    - 用 LLM 辅助录入和优化职位描述。
    workflow:
      prev_tools: []
      next_tools:
      - search-talent
    quick_start:
      install: pip install jobdeer
      command_example: jobdeer --web
      expected_output: 启动 Web 管理界面（端口 8081）。
    tags:
    - '#职位管理'
    - '#全文搜索'
    - '#LLM'
- name: talent-birdview
  display_name: Talent Birdview
  description: 人才洞察、组织架构、薪资分析、公司别名管理
  category: data
  pypi_url: https://pypi.org/project/talent-birdview/
  launch:
    mode: web
    command: talent-birdview
    web_port: 8082
  docs:
    readme: '# Talent Birdview


      > 人才洞察、组织架构、薪资分析、公司别名管理


      ## 概述


      `talent-birdview` 提供人才洞察、组织架构、薪资分析、公司别名管理等功能，帮助招聘团队从全局视角了解人才市场。


      ## 核心功能


      - **人才洞察**：全局视角查看人才分布和趋势

      - **组织架构**：可视化展示组织架构

      - **薪资分析**：分析市场薪资水平和趋势

      - **公司别名**：统一管理不同来源的公司名称


      ## 安装


      ```bash

      pip install talent-birdview

      ```


      ## 使用方法


      ```bash

      talent-birdview --web

      talent-birdview --analyze salaries.xlsx

      ```

      '
    use_cases:
    - 全局视角查看人才洞察和薪资分析。
    - 管理公司别名，统一不同来源的公司名称。
    - 作为招聘数据分析的仪表盘。
    workflow:
      prev_tools:
      - talent-lens
      - excel-toolbox
      next_tools: []
    quick_start:
      install: pip install talent-birdview
      command_example: talent-birdview --web
      expected_output: 启动 Web 界面（端口 8082），展示人才洞察仪表盘。
    tags:
    - '#人才洞察'
    - '#薪资分析'
    - '#可视化'
- name: patent-analyzer
  display_name: Patent Analyzer
  description: Google 专利数据分析，CSV 处理、Excel 导出、Web 可视化
  category: data
  pypi_url: https://pypi.org/project/patent-analyzer/
  launch:
    mode: web
    command: patent-analyzer
    web_port: 8083
  docs:
    readme: '# Patent Analyzer


      > Google 专利数据分析，CSV 处理、Excel 导出、Web 可视化


      ## 概述


      `patent-analyzer` 是 Google 专利数据分析工具，支持 CSV 处理、Excel 导出和 Web 可视化，帮助从专利数据中发现技术趋势和人才。


      ## 核心功能


      - **CSV 处理**：处理 Google Patents 导出的 CSV 数据

      - **Excel 导出**：将处理后的数据导出为 Excel

      - **Web 可视化**：在 Web 界面中可视化专利数据

      - **趋势分析**：分析专利技术趋势


      ## 安装


      ```bash

      pip install patent-analyzer

      ```


      ## 使用方法


      ```bash

      patent-analyzer --input patents.csv

      patent-analyzer --input patents.csv --export excel

      ```

      '
    use_cases:
    - 分析 Google 专利数据，发现技术趋势和人才。
    - 将专利数据导出为 Excel 并在 Web 中可视化。
    - 配合 paper-talent 使用，从专利到人才发现。
    workflow:
      prev_tools: []
      next_tools:
      - paper-talent
    quick_start:
      install: pip install patent-analyzer
      command_example: patent-analyzer --input patents.csv
      expected_output: 启动 Web 可视化界面（端口 8083）。
    tags:
    - '#专利'
    - '#数据分析'
    - '#可视化'
- name: llmdog
  display_name: LLMDog
  description: 轻量级 LLM 命令行工具，兼容 OpenAI API
  category: infra
  pypi_url: https://pypi.org/project/llmdog/
  launch:
    mode: cli
    command: llmdog
  docs:
    readme: '# LLMDog


      > 轻量级 LLM 命令行工具，兼容 OpenAI API


      ## 概述


      `llmdog` 是轻量级 LLM 命令行工具，兼容 OpenAI API，可在命令行中快速调用 LLM 进行文本生成、翻译、总结等操作。


      ## 核心功能


      - **命令行调用**：在终端中直接调用 LLM

      - **OpenAI 兼容**：兼容 OpenAI API 格式

      - **多模型支持**：支持 GPT-4 / GPT-3.5 / 本地模型

      - **管道操作**：支持 stdin/stdout 管道

      - **模板系统**：支持提示词模板


      ## 安装


      ```bash

      pip install llmdog

      ```


      ## 使用方法


      ```bash

      llmdog --prompt "总结以下文本" --input text.txt

      echo "Hello" | llmdog --prompt "翻译为中文"

      llmdog --model gpt-4 --prompt "写一封招聘邮件"

      ```

      '
    use_cases:
    - 在命令行中快速调用 LLM 进行文本生成、翻译、总结等。
    - 作为其他工具的 LLM 后端。
    - 快速测试和调试 LLM 提示词。
    workflow:
      prev_tools: []
      next_tools:
      - profile-claw
      - cold-msg
    quick_start:
      install: pip install llmdog
      command_example: llmdog --prompt "总结以下文本" --input text.txt
      expected_output: 输出 LLM 生成的结果。
    tags:
    - '#LLM'
    - '#CLI'
    - '#OpenAI'
- name: browser-dog
  display_name: Browser Dog
  description: Stealthy Chrome 自动化工具包
  category: infra
  pypi_url: https://pypi.org/project/browser-dog/
  launch:
    mode: cli
    command: browser-dog
  docs:
    readme: '# Browser Dog


      > Stealthy Chrome 自动化工具包


      ## 概述


      `browser-dog` 是 Stealthy Chrome 自动化工具包，支持反检测浏览器操作，是 LinkedIn 等平台自动化操作的基础设施。


      ## 核心功能


      - **反检测**：绕过网站的反自动化检测

      - **Chrome 自动化**：基于 Chrome DevTools Protocol

      - **Cookie 管理**：自动管理登录状态

      - **代理支持**：支持 HTTP/SOCKS 代理

      - **截图功能**：支持页面截图


      ## 安装


      ```bash

      pip install browser-dog

      ```


      ## 使用方法


      ```bash

      browser-dog --url https://linkedin.com

      browser-dog --config browser.yaml

      ```

      '
    use_cases:
    - 自动化 Chrome 浏览器操作，支持反检测。
    - 作为 LinkedIn 等平台自动化操作的基础设施。
    - 配合 linkedin-cat / linkedin-horse 使用。
    workflow:
      prev_tools: []
      next_tools:
      - linkedin-cat
      - linkedin-horse
    quick_start:
      install: pip install browser-dog
      command_example: browser-dog --url https://linkedin.com
      expected_output: 启动 Chrome 自动化会话。
    tags:
    - '#浏览器'
    - '#自动化'
    - '#Chrome'
- name: batch-swallow
  display_name: Batch Swallow
  description: 批量推理 JSONL 文件生成工具
  category: infra
  pypi_url: https://pypi.org/project/batch-swallow/
  launch:
    mode: cli
    command: batch-swallow
  docs:
    readme: '# Batch Swallow


      > 批量推理 JSONL 文件生成工具


      ## 概述


      `batch-swallow` 是批量推理 JSONL 文件生成工具，用于生成 LLM 批量推理所需的 JSONL 输入文件，支持 OpenAI Batch
      API 格式。


      ## 核心功能


      - **JSONL 生成**：生成符合 OpenAI Batch API 格式的 JSONL 文件

      - **模板系统**：支持提示词模板

      - **数据映射**：将数据映射到模板变量

      - **批量处理**：支持大规模数据批量处理


      ## 安装


      ```bash

      pip install batch-swallow

      ```


      ## 使用方法


      ```bash

      batch-swallow --input data.json --template prompt.txt

      batch-swallow --input candidates.csv --template evaluate.txt --output batch.jsonl

      ```

      '
    use_cases:
    - 生成 LLM 批量推理所需的 JSONL 输入文件。
    - 批量处理简历评估、邮件生成等 LLM 任务。
    - 配合 OpenAI Batch API 使用，降低推理成本。
    workflow:
      prev_tools:
      - resume-oneclick
      next_tools:
      - llmdog
    quick_start:
      install: pip install batch-swallow
      command_example: batch-swallow --input data.json --template prompt.txt
      expected_output: 生成 JSONL 批量推理文件。
    tags:
    - '#批量推理'
    - '#JSONL'
    - '#LLM'
- name: loop-agent-cli
  display_name: Loop Agent CLI
  description: Typer + Rich CLI，终端中运行招聘循环
  category: infra
  pypi_url: https://pypi.org/project/loop-agent-cli/
  launch:
    mode: interactive
    command: loop-agent-cli
  docs:
    readme: '# Loop Agent CLI


      > Typer + Rich CLI，终端中运行招聘循环


      ## 概述


      `loop-agent-cli` 基于 Typer + Rich 构建，在终端中运行招聘循环，编排多个招聘工具形成自动化流程。


      ## 核心功能


      - **招聘循环**：在终端中运行自动化招聘循环

      - **工具编排**：编排多个招聘工具形成流程

      - **交互式控制**：支持人工介入和流程调整

      - **进度展示**：Rich 美化进度展示


      ## 安装


      ```bash

      pip install loop-agent-cli

      ```


      ## 使用方法


      ```bash

      loop-agent-cli --config loop.yaml

      loop-agent-cli --task "搜索10名Python工程师"

      ```

      '
    use_cases:
    - 在终端中运行自动化招聘循环。
    - 编排多个招聘工具形成自动化流程。
    workflow:
      prev_tools: []
      next_tools:
      - graph-cli-maimai
    quick_start:
      install: pip install loop-agent-cli
      command_example: loop-agent-cli --config loop.yaml
      expected_output: 启动交互式招聘循环。
    tags:
    - '#CLI'
    - '#招聘循环'
    - '#Agent'
- name: wsapi-sdk
  display_name: WasaiTalent SDK
  description: WasaiTalent API Python SDK
  category: infra
  pypi_url: https://pypi.org/project/wsapi-sdk/
  launch:
    mode: cli
    command: wsapi-sdk
  docs:
    readme: '# WasaiTalent SDK


      > WasaiTalent API Python SDK


      ## 概述


      `wsapi-sdk` 是 WasaiTalent 平台的 Python SDK，提供 WasaiTalent API 的封装，方便在 Python 中调用
      WasaiTalent 服务。


      ## 核心功能


      - **API 封装**：封装 WasaiTalent 平台所有 API

      - **认证管理**：自动管理 API 认证

      - **类型安全**：提供类型提示

      - **异步支持**：支持 async/await


      ## 安装


      ```bash

      pip install wsapi-sdk

      ```


      ## 使用方法


      ```bash

      wsapi-sdk --help

      ```

      '
    use_cases:
    - 通过 Python SDK 调用 WasaiTalent 平台 API。
    - 集成 WasaiTalent 到自定义招聘工具中。
    workflow:
      prev_tools: []
      next_tools:
      - recruiter-cat
    quick_start:
      install: pip install wsapi-sdk
      command_example: wsapi-sdk --help
      expected_output: 显示 SDK 可用方法。
    tags:
    - '#SDK'
    - '#API'
    - '#WasaiTalent'

- name: sting-agent
  display_name: Sting Agent
  description: 长期任务自主 Agent
  category: infra
  pypi_url: https://pypi.org/project/sting-agent/
  launch:
    mode: interactive
    command: sting-agent
  docs:
    readme: '# Sting Agent


      > 长期任务自主 Agent


      ## 概述


      `sting-agent` 是长期任务自主 Agent，可自动执行多步骤招聘任务，支持任务分解、执行、监控和调整。


      ## 核心功能


      - **自主执行**：自动执行多步骤招聘任务

      - **任务分解**：将复杂任务分解为子任务

      - **执行监控**：实时监控任务执行状态

      - **异常处理**：自动处理异常和重试


      ## 安装


      ```bash

      pip install sting-agent

      ```


      ## 使用方法


      ```bash

      sting-agent --task "搜索并评估10名Python工程师"

      sting-agent --config agent.yaml

      ```

      '
    use_cases:
    - 部署自主 Agent 执行长期招聘任务。
    - 自动化多步骤招聘流程。
    workflow:
      prev_tools: []
      next_tools:
      - loop-agent-cli
    quick_start:
      install: pip install sting-agent
      command_example: sting-agent --task "搜索并评估10名Python工程师"
      expected_output: 启动自主 Agent 执行任务。
    tags:
    - '#Agent'
    - '#自动化'
    - '#长期任务'
- name: page-extract
  display_name: Page Extract
  description: 网页内容抓取，提取文本和链接转 Markdown
  category: infra
  pypi_url: https://pypi.org/project/page-extract/
  launch:
    mode: cli
    command: page-extract
  docs:
    readme: '# Page Extract


      > 网页内容抓取，提取文本和链接转 Markdown


      ## 概述


      `page-extract` 是网页内容抓取工具，能够提取网页中的文本和链接，并转换为 Markdown 格式。


      ## 核心功能


      - **文本提取**：提取网页主体文本内容

      - **链接提取**：提取网页中的所有链接

      - **Markdown 转换**：将网页内容转换为 Markdown

      - **批量抓取**：支持批量 URL 抓取


      ## 安装


      ```bash

      pip install page-extract

      ```


      ## 使用方法


      ```bash

      page-extract --url https://example.com

      page-extract --file urls.txt --output ./markdown/

      ```

      '
    use_cases:
    - 抓取网页内容并转换为 Markdown 格式。
    - 提取网页中的文本和链接用于招聘信息收集。
    workflow:
      prev_tools: []
      next_tools:
      - linkedin-horse
    quick_start:
      install: pip install page-extract
      command_example: page-extract --url https://example.com
      expected_output: 输出网页内容的 Markdown 文本。
    tags:
    - '#网页抓取'
    - '#Markdown'
    - '#文本提取'
- name: larkfunc
  display_name: LarkFunc
  description: 轻量级 Python 实用函数库
  category: infra
  pypi_url: https://pypi.org/project/larkfunc/
  launch:
    mode: cli
    command: larkfunc
  docs:
    readme: '# LarkFunc


      > 轻量级 Python 实用函数库


      ## 概述


      `larkfunc` 是轻量级 Python 实用函数库，提供日期、字符串、文件等常用工具函数。


      ## 核心功能


      - **日期工具**：日期格式化、计算等

      - **字符串工具**：字符串处理和转换

      - **文件工具**：文件读写和路径处理

      - **数据工具**：数据清洗和转换


      ## 安装


      ```bash

      pip install larkfunc

      ```


      ## 使用方法


      ```python

      from larkfunc import helpers

      print(helpers.today())

      ```

      '
    use_cases:
    - 使用轻量级实用函数库加速开发。
    - 在招聘工具中复用通用函数。
    workflow:
      prev_tools: []
      next_tools: []
    quick_start:
      install: pip install larkfunc
      command_example: python -c "from larkfunc import helpers; print(helpers.today())"
      expected_output: 输出当前日期。
    tags:
    - '#工具库'
    - '#Python'
- name: recruiter-cat
  display_name: Recruiter Cat
  description: API 集合
  category: infra
  pypi_url: https://pypi.org/project/recruiter-cat/
  launch:
    mode: cli
    command: recruiter-cat
  docs:
    readme: '# Recruiter Cat


      > API 集合


      ## 概述


      `recruiter-cat` 是招聘相关 API 集合，提供统一的 API 调用接口，聚合多个招聘平台的 API。


      ## 核心功能


      - **API 聚合**：聚合多个招聘平台 API

      - **统一接口**：提供统一的调用接口

      - **认证管理**：自动管理各平台认证

      - **错误处理**：统一的错误处理和重试


      ## 安装


      ```bash

      pip install recruiter-cat

      ```


      ## 使用方法


      ```bash

      recruiter-cat --help

      recruiter-cat api list

      recruiter-cat api call --name linkedin --method search

      ```

      '
    use_cases:
    - 通过统一接口调用多个招聘平台 API。
    - API 聚合和适配。
    workflow:
      prev_tools:
      - wsapi-sdk
      next_tools:
      - search-talent
    quick_start:
      install: pip install recruiter-cat
      command_example: recruiter-cat --help
      expected_output: 显示可用 API 列表。
    tags:
    - '#API'
    - '#招聘'
- name: taskwatch
  display_name: TaskWatch
  description: 轻量级本地任务调度器，支持 CLI、Web UI 和邮件报告
  category: infra
  pypi_url: https://pypi.org/project/taskwatch/
  launch:
    mode: web
    command: taskwatch
    web_port: 8899
  docs:
    readme: '# TaskWatch


      > 轻量级本地任务调度器，支持 CLI、Web UI 和邮件报告


      ## 功能


      - **任务调度**：支持定时任务和周期性任务调度

      - **Web 管理**：内置 Web UI 管理界面，可视化查看任务状态

      - **邮件报告**：任务执行结果自动发送邮件通知

      - **CLI 操作**：完整的命令行管理工具

      - **日志追踪**：任务执行日志查看与历史记录


      ## 安装


      ```bash

      pip install taskwatch

      ```


      ## 使用方法


      ### 初始化


      ```bash

      taskwatch init

      ```


      ### 添加任务


      ```bash

      taskwatch task add --name "daily-search" --command "search-talent --keywords
      ''Python''"

      ```


      ### 启动调度器


      ```bash

      taskwatch run

      ```


      ### 启动 Web 管理界面


      ```bash

      taskwatch web

      ```


      ### 查看任务列表


      ```bash

      taskwatch task list

      ```

      '
    use_cases:
    - 定时执行招聘搜索任务，每天自动搜索候选人并汇总结果。
    - 配合 sting-agent 或 loop-agent-cli 实现定时自动化招聘流程。
    - 通过 Web UI 监控所有招聘自动化任务的执行状态和日志。
    workflow:
      prev_tools:
      - sting-agent
      - loop-agent-cli
      next_tools: []
    quick_start:
      install: pip install taskwatch
      command_example: taskwatch init && taskwatch web
      expected_output: 启动 TaskWatch Web 管理界面，默认端口 8899。
    tags:
    - '#任务调度'
    - '#自动化'
    - '#WebUI'