Datasets:

LucioLiu
/

Loom-HR

面向第一次下载 Loom HR 的人：从零把它跑起来，导一份简历，看 AI 怎么初筛，看一张候选人档案，看懂看板和漏斗。全程本地运行、数据不出本机；任何操作都不会真发消息给候选人（对外发消息已物理锁死）。

配套：项目总览见 ../README.md；命令速查见 README 的 Quickstart。图片占位：本文 （截图：…） 处请发布前补仅含合成 / 假数据的真实截图。

0. 你将得到什么

跟完本文，你会在浏览器里看到一个招聘「驾驶舱」：候选人按阶段排在看板上，AI 给每个人一句「行 / 待定 / 不行 + 理由」，你点开任意候选人能看到 ta 的真简历 PDF 和一张统一档案，右上角还有漏斗图告诉你各阶段剩多少人。

1. 安装环境 / Install

1.1 装 Node.js（≥ 20.16）

到 https://nodejs.org 下载 LTS（≥ 20.16） 安装。
验证：打开终端（Windows：PowerShell；macOS：Terminal）输入：
```
node -v
```
显示 v20.16.x 或更高即可。

1.2 下载本项目

用 git clone，或直接下载 zip 解压。
进入驾驶舱目录（这是主入口）：
```
cd 界面_伯乐驾驶舱
```

1.3 装依赖

npm install

这会拉 better-sqlite3 / imapflow / mailparser / mammoth / pdf-parse。语义 RAG 增强默认关闭，不需要可跳过；要开再 npm run install-semantic。

（截图：终端 npm install 完成的样子）

2. 配 AI（决定 AI 初筛 / 打分能不能用）

Loom HR 的「AI 初筛 / 打分」需要一个 AI 后端。两条路，二选一：

路 A（推荐 · 零配置）：用本机 Claude CLI

装好 Claude CLI 后执行 claude login（或配置长效 setup-token）登录一次。
之后 Loom HR 默认走本机 claude -p，不需要任何 API key。
验证：终端输入 claude -p "hi" 能正常回话，即说明 AI 后端就绪。

路 B（可选）：绑你自己的 AI（自带订阅 / 本地模型 / 兼容端点）

通过 CCR（claude-code-router）适配，配置项见 **界面_伯乐驾驶舱/.env.example**（照着复制成 .env 填自己的 provider）。

不配 AI 也能跑

界面与采集仍可使用，只是 AI 初筛 / 打分不可用。想先看界面长什么样，可以跳过本节直接到第 3 步。

3. 起服务 / Start

3.1 （推荐）先灌一份合成 demo 数据

npm run seed-demo

会把虚构的「演示-张三」类假候选人灌进一个 demo 卡槽（_demo岗位），姓名全虚构、无真人信息。

若想跳过本步，也可直接起服务后用第 5 步「手动导入一份本地简历」上手——同样能走完全流程。

3.2 启动

npm start

（= node server.js）

3.3 打开浏览器

访问 http://localhost:8780

（截图：驾驶舱首页）

4. 认一眼界面：模式与安全锁

进来先看顶部状态：

模式默认 🟢 预演（dry-run）：采集 / 对外动作只演示，不真发请求。
对外发消息 OUTREACH_LOCKED 物理焊死：无论什么模式，都不会真发任何消息给候选人——打招呼 / 要简历 / 发 offer / 约面试全部只生成草稿。
所以你可以放心点任何按钮，不会误伤真人。

（截图：顶部模式标识 + 锁定提示）

5. 导入一份简历 / Import a résumé

如果你跑了第 3.1 的 seed-demo，卡槽里已有假候选人，可直接跳到第 6 步。想自己导一份：

在驾驶舱选一个岗位卡槽（或新建岗位，走「新建岗位自助流程」）。
把一份本地简历文件拖进导入窗口（支持 PDF / Word；也支持从邮箱摄入）。
导入后系统自动解析，抽出结构化字段：姓名 / 年龄 / 学历 / 年限 / 城市 / 当前岗，回灌到列表行 / 看板卡 / 档案头部。

（截图：拖入简历的导入窗口）（截图：解析后字段回灌到卡片）

隐私提示：用别人的真简历测试前，请确认你有合法处理依据；公开演示 / 截图请只用合成简历。

6. 看 AI 初筛 / AI screening

对候选人点 AI 初筛（或对一批人用一键 AI 打分，有进度条、可中止）。
AI 会给出：行 / 待定 / 不行 + 排序 + 一句话理由。
关键：AI 只是侦察兵。 它给建议和理由，最终行不行由你看真简历拍板——系统不会替你拒人、不会替你推进。
你可以对 AI 的判断给反馈（对 / 不对 / 要），反馈会回灌进判断力知识库，让它越用越准。

（截图：初筛卡上的「行/待定/不行 + 理由」）（截图：批量打分进度条）

诚实说明：AI 判断的「终极准不准」尚未经真实 HR / 资深技术官大规模验证（v0.5 早期阶段）。把它当加速判断的助手，别当替你决定的裁判。

7. 看候选人档案 / Candidate profile

在任何地方点一个候选人，都会打开同一张统一档案，聚合：

身份与解析字段（头部）
真简历 PDF：档案内可内嵌预览，或调本地程序打开原件（原件存在本地「简历基地」文件夹）
各阶段产物（初筛理由、电话 / 面试评估、offer / 入职文档等，走到哪带到哪）

（截图：候选人统一档案 + 内嵌 PDF 预览）

8. 看看板与漏斗 / Board & funnel

看板（Kanban）

候选人按阶段排列：采集 → 初筛 → 电话 → 面试 → offer → 入职 → 转正 / 试用期决断。拖卡即可把人推进到下一阶段；每个人有时间线，谁在什么时候动到哪一步可追溯。

（截图：全漏斗看板）

漏斗 / BI

右侧（或 BI 页）看数据回流：漏斗图 + AI 判断分布 + 采集量 + 通过率等，一眼看清各阶段剩多少人、卡在哪。

（截图：漏斗图 + AI 判断分布）

9. 下一步 / Next

想绑自己的 AI：见第 2 节路 B（待 .env.example 补齐）。
想开判断力 RAG 的语义检索增强：npm run install-semantic（默认关闭）。
想了解未来会做什么：见 ../README.md 的「路线图」。
想真采集 BOSS（需自有账号 + 本机 Chrome，合规风险自负）：见 BOSS 引擎目录的运行手册；公开 demo 不依赖它。

常见问题 / FAQ

AI 初筛点了没反应？ 多半是 AI 后端没就绪。回第 2 节，确认 claude -p "hi" 能回话。
它会自动给候选人发消息吗？ 不会。对外发消息已物理锁死（OUTREACH_LOCKED），任何模式都只生成草稿，由你人工终审后自己去发。
我的简历数据会上传吗？ 不会。本地优先，简历 / 录音 / 判断库全部本地落盘，不上传。
端口被占了？ 默认 8780，可设环境变量 PORT 覆盖后再 npm start。