这些都是它已经会的，不是画饼。
PDF / DOCX / TXT / Markdown 简历丢给它就行，它自己读出你想找什么方向、去哪个城市、期望多少薪资。不用你一项项填表。
BOSS 直聘上的岗位它一页页翻，读完完整 JD 再打分，说清楚哪儿匹配、哪儿还差点。看过的岗位会记着，不重复浪费时间。
真的打开浏览器帮你打招呼、发简历、记下每一次投递。节奏它自己把握，你不用盯着屏幕点一整天。
谁回你了、谁约面试、谁婉拒了，它都记下来。下轮它就知道该往哪儿使劲——一轮比一轮更懂你。
多数工具做到「投出去」就收工了。找工作喵真正在意的是投出去之后发生了什么——然后一轮比一轮投得更准。
告诉你投了多少份，剩下的还是得你自己盯。
到第二轮，它已经知道哪些关键词更容易收到回复、哪些岗位看着挺合适其实没人理、哪个方向该换换打法了。
桌面上那只猫是它的样子，会攒经验才是它真正的本事。
你的简历和经历、想去的城市和期望薪资、刷过哪些岗位、有哪些 HR 回了你、约了哪些面试、被拒了几次，还有哪些关键词真的有人理。
每轮跑完它自己复盘：哪些词该留、哪些该换。下一轮不再是原地重刷一遍，而是带着上次的经验出发。
不是单纯「记流水账」，而是拿发生过的事去影响下一个决定——什么时候该扩大范围，什么时候该换方向，它替你拿捏。
下面这段是猫在桌面上真跑起来的录像，另外三张是它平时会给你看的东西。
模型你自己挑，它只负责动脑子；翻页、填写、点发送这些体力活，交给你电脑上的 Agent。
任何 OpenAI 兼容的服务都能接，在 run/config.json 里填上端点和密钥就好。
密钥只存在你本机配置里。简历和对话都在你自己电脑上处理，不经过我们的服务器。
挑岗位、出主意交给模型；打开页面、填写、发送由本地浏览器自动化完成，两件事分开干。
看过的岗位 14 天内直接沿用上次的判断，不重复烧你的 token。
几分钟就装好，之后你就可以去忙别的了。需要 Windows 10/11、Python 3.8+（含 tkinter）、Node.js 20+、Chrome、任意 OpenAI 兼容端点。
git clone https://github.com/hlan98/JobHunterCat.git jobhuntercat
cd jobhuntercat
pip install -r requirements.txt # Python 依赖
cd desktop && npm install && cd .. # 桌面壳依赖
mkdir run
cp memory/templates/config.example.json run/config.json编辑 run/config.json，至少填三项：llm（端点 / 模型 / 密钥）、target_city、resume_send_name（你在 BOSS 上已上传的附件简历文件名）。
scripts\启动找工作喵.bat :: 双击即可
cd desktop && npm start :: 或命令行会。这正是它存在的意义：操作你已经登录好的浏览器，向 HR 真实打招呼、发送简历并跟进回复，不是模拟演示。
不会。投递前你会先确认求职计划、关键词、城市和薪资条件，确认之后才会开始；系统有匹配阈值和投递节奏控制，只有达到阈值的岗位才进入投递队列。
不会上传到本项目作者的服务器。简历文件在本机解析，求职数据写入你本地的 Job Memory。调用 LLM 时，模型输入发往你自己配置的 API 端点，由你所选服务商的隐私政策约束。详见隐私政策。
目前支持 BOSS 直聘，更多招聘平台的适配器正在陆续接入。
活儿是在你本机干的，所以它跑的时候电脑得开着。想停随时停，攒下的经验都记着，下次接着来，不用从头开始。
仓库为双许可：原创部分采用 PolyForm Noncommercial 1.0.0（个人使用、学习、研究、非营利机构免费；商业用途需授权），来源于原项目的 examples/ 为 MIT，混合文件整体按 MIT 分发。商用授权请联系 Leo He（hlan98@hotmail.com）。详见仓库 NOTICE。