# 新人上手图文引导（人类版） / Onboarding for humans > 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`](../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 下载 **LTS（≥ 20.16）** 安装。 - 验证：打开终端（Windows：PowerShell；macOS：Terminal）输入： ```bash 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）： ```bash cd 界面_伯乐驾驶舱 ``` ### 1.3 装依赖 ```bash 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 ```bash 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 ```bash npm start ``` （= `node server.js`） ### 3.3 打开浏览器 访问 **** （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： 1. 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」）。 2. **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）。 3. 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 1. 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）。 2. AI 会给出：**行 / 待定 / 不行 + 排序 + 一句话理由**。 3. **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。 4. 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`](../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`。