用 AI 求职助手 Get Jobs 自动投简历，我把找工作变成了一件“跑数据“的事

2026/8/16 16:42:03

用 AI 求职助手 Get Jobs 自动投简历，我把找工作变成了一件"跑数据"的事

【免费下载链接】get_jobs💼【AI找工作助手】全平台自动投简历脚本：(boss、前程无忧、猎聘、智联招聘)项目地址: https://gitcode.com/gh_mirrors/ge/get_jobs

凌晨一点，小林第无数次刷新招聘页面，把同一份简历改了第 9 版。白天面了三家，晚上群发了几十条打招呼，能等来的回复屈指可数。他盯着聊天框里成片的"已读不回"发呆——为了兼顾四个招聘平台，他每天要在不同 App 之间来回切换，搜岗位、筛条件、编打招呼语，重复劳动到怀疑人生。那一刻他忍不住想：是我的简历不行，还是我的方法出了问题？

朋友推来一个链接：把四个平台交给一个工具

"要不要试试 Get Jobs？"一个刚上岸的朋友甩来链接。这是一个开源的 AI 求职助手，能同时对接 Boss直聘、前程无忧、猎聘、智联招聘四个平台，自动完成搜索、筛选、打招呼甚至投递的整套动作。它的思路很朴素：人工做的重复事，交给脚本；人工做不到位的个性化，交给 AI。

接下来，我们跟着小林一起走一遍他从安装到拿 offer 的全过程，重点解决三个问题：第一次启动需要准备什么？配置里的每一项到底该怎么填？跑起来之后，数据又能帮我们做出什么改变？

小林的实战笔记：从打开到投出第一份简历

第一次启动前，先把这三件事做完

小林照着说明把项目拉了下来，环境要求比他预想的简单——只需要 JDK 21 和 Gradle，前端是 Next.js，后端是 Spring Boot。

git clone https://gitcode.com/gh_mirrors/ge/get_jobs cd get_jobs ./gradlew bootRun

再开一个终端启动前端页面：

cd front npm install npm run dev

浏览器打开http://localhost:3000，登录后先看到的是左侧导航栏：平台配置、AI 配置、环境变量配置，一目了然。小林注意到日志里 Spring Boot 正常启动、数据库连接池初始化完成，心里踏实了不少。

后端日志一切正常，这是整个自动投简历流程能跑起来的地基

一场"搜不到岗位"的意外

小林兴冲冲填好配置，点了"开始投递"，结果一个岗位都没抓到。他翻遍文档才意识到：搜索关键词那一栏要写"大模型, Python, Golang, Java"这样的逗号分隔列表，他只填了一个词；工作城市也没选，默认空着等于全平台盲搜。更关键的是他忘了保存配置，脚本读到的还是上一次的旧值。

搜索关键词、工作城市、薪资范围，这些看似简单的输入框决定了自动投简历的命中范围

调整之后，小林把筛选条件逐项理清：关键词决定"找什么"，城市决定"在哪找"，薪资范围（比如 20-50K）和工作经验直接砍掉了大量不匹配的岗位。他还打开了"HR 沟通过滤"，让系统自动跳过长期不活跃的招聘者。这次教训让他记住了所有平台的通用套路——先保存，再运行。

让 AI 真正"听懂"你的技能介绍

平台配置搞定后，小林把注意力转向 AI 配置页。这里的逻辑是：你先写清楚自己会什么，AI 再根据每个岗位的 JD 生成专属的打招呼语。

技能介绍写得越具体，AI 求职助手生成的打招呼语就越像"人话"

小林第一版技能介绍只写了"精通 Java，3 年经验"，生成的打招呼语干巴巴的。后来他参考页面提示，把技能介绍改成了带场景的版本："精通 Java、Python、Golang，熟悉 Vue、React、Nginx，擅长 MySQL、Oracle，有 AI 大模型相关项目经验"，同时把提示词模板里的%城市%、%岗位类型%、%岗位要求%这些占位符利用起来。再生成的打招呼语，明显贴合岗位多了——系统会先判断岗位匹配度，再决定要不要打这个招呼，避免了对不合适的岗位浪费投递次数。

运行中的真实画面：自动投递与人工接管的切换

配置就绪，小林点了"开始投递"，浏览器窗口自己动了起来：搜索、翻页、读岗位、比对条件、发打招呼，像有一个隐形人在替他操作。他原本担心要全程盯着，结果发现自己只需要在旁边喝杯水。

最让他紧张的环节是验证码。招聘平台偶尔会弹出人机校验，脚本会主动停下，日志里提示等待人工处理。小林手动过完验证码再点继续，投递又自动接上了。另外他记住了一个关键点：投递前必须先关掉墙外代理，否则页面加载慢到脚本超时。

一周后，数据把策略改写了

跑了一周，小林打开各平台的投递分析页，第一次真正看到了"自己的求职画像"：总岗位数、已投递、已回复一目了然，还有薪资分布、岗位 TOP10、学历分布这些图表。

一周的数据比一个月的感觉更诚实：哪些岗位类型值得投、薪资区间该怎么定，图表里都有答案

他发现自己投的"传统 Java 后端"岗位回复率很低，而"AI 应用方向"的岗位不仅回复快，薪资也高出 30%。于是他把搜索关键词里 AI 相关的比重调高，把部分平台的投递时间错开到工作日上午——第二周他的面试邀约明显多了起来。数据驱动的意义就在这：不靠感觉猜，靠结果调。

高频要点速览：一张能收藏的"行动卡"

项目	要点
环境要求	JDK 21、Gradle、Node.js，本机运行（不支持服务器部署）
启动后端	`./gradlew bootRun`（端口 8080）
启动前端	`cd front && npm install && npm run dev`（访问 3000 端口）
必备配置	各平台搜索关键词（逗号分隔）、工作城市、薪资范围、打招呼语
AI 配置	技能介绍 + 提示词模板，支持`%城市%`等占位符
环境变量	企业微信 Webhook（投递通知）、API Base URL、API Key、模型名，存于`.env`文件
登录方式	超长 Cookie 持久登录，多数平台每周扫码一次
注意事项	必须关闭墙外代理；遇到验证码需手动处理；配置完先保存再运行