猎聘（猎头端）-AI自动判断并打招呼-飞书多维表版

业务场景

【适用人群】

猎头顾问

【解决痛点】

1. 筛选效率低：每天需翻页上百次，手动点击，重复劳动，时间浪费严重。
2. 标准执行不一：不同顾问对“工作年限、学历、城市”等筛选条件理解不同，导致简历初筛标准混乱。
3. 候选人漏跟：打开简历后忘记及时沟通，或沟通后未索要微信/附件简历，造成意向候选人流失。

【核心价值】

1.标准固化：将企业筛选标准（城市/年限/学历/年薪等）固化为自动化指令，次次执行不走样。

2.批量触达：自动遍历候选人列表，对未沟通过且AI判定匹配的候选人主动发起沟通并索要联系方式。

3.全流程留痕：自动记录已查看、已打招呼、简历编号及AI匹配分，飞书/Excel双写，招聘漏斗清晰可见。

功能介绍(使用说明)

RPA应用功能

本应用专为猎聘·猎头版“找人”模块设计，通过RPA模拟资深猎头的完整寻访链路：条件筛选 → 列表遍历 → 简历解析 → 智能沟通 → 人才入库。

核心功能模块：

1. 全自动筛选配置：根据输入的“关键词、城市、工作年限、教育经历、统招要求、年龄、语言、期望年薪”等参数，自动在猎聘筛选侧边栏完成设置，并勾选“隐藏已查看”，确保每次看到的都是新人。
2. 智能去重与跳过：自动识别候选人卡片中的“置顶卡”广告，点击后无简历页，直接跳过，防止无效操作。
3. AI语义匹配：调用本地Python模型提取简历中的姓名、岗位、年龄、履历等核心字段，输出“推荐/不推荐”结论及匹配度，只有判定为“匹配”且从未沟通过的候选人才会触发打招呼。
4. 深度沟通策略：不仅自动打招呼，还可按需发送二次、三次话术，并支持自定义索要项（如“换微信”“索要附件简历”），闭环推进候选人意向。
5. 多目标数据沉淀：支持将结果写入本地Excel或飞书多维表，记录内容包括简历编号、姓名、匹配分、沟通时间等，便于团队复盘。

应用运行截图

采集字段标注截图.jpg/应用运行截图.jpg

运行逻辑图

应用的核心逻辑图.jpg

启动参数说明

启动参数页面截图.jpg

1. 输入关键词：必填。招聘职位/技能关键词，如“Java开发”。
2. 目前城市/期望城市：候选人的当前所在城市及意向城市，支持多选（流程自动填充第一个）。
3. 最低/最高工作年限：整数，用于自定义年限筛选。
4. 教育经历：多选列表，如“本科”“硕士”，流程将逐个勾选。
5. 统招要求：是否仅看统招学历（是/否）。
6. 院校要求：如“双一流”“985”，文本输入。
7. 最小/最大年龄：整数，用于年龄过滤。
8. 语言：如“英语”“日语”，非必填。
9. 期望年薪（最低/最高）：单位万，用于年薪范围筛选。
10. 本次打招呼数量：单次运行最大主动沟通人数，防止超限。
11. 二次/三次开聊话术：预设的跟进文案。
12. 索要选项：多选，可勾选“换微信”“附件简历”“作品集”等，流程将依次点击索要。
13. 记录方式：下拉框（本地Excel / 飞书多维表）。
    

注意事项

1. 账号登录状态：运行前需确保Edge浏览器已登录猎聘企业账号，并停留在“找人”功能首页。建议单独使用一个浏览器配置文件，避免与其他账号冲突。

2.AI模型依赖：Python模块中需包含main（分析简历）和parse_liepin_resume（结构化解析）两个函数。请确保jieba、json等依赖库已安装，且模型文件路径正确

3.执行频次控制：为降低账号风控风险，每次循环中已内置2~6秒随机等待。但仍建议单日运行不超过10次，每次间隔15分钟以上。若出现验证码，需人工介入。

运行结果预览

运行结果截图.jpg