BOSS 直聘岗位 JD 提取

2026-07-31 重构：不再依赖第三方 boss_agent_cli。本 skill 内部用 shared/recruiter_job_catalog.py（浏览器内 fetch 拿 BOSS 后端 API）解析 query → encryptJobId，然后仍走 patchright 直连 CDP 浏览器抓 BOSS 编辑页 iframe 拿完整 JD 表单。

前提条件

• Edge/Chrome 以 --remote-debugging-port=9222 启动
• Boss 招聘者 session 已登录（zp_at + wt2 + bst 三 cookie 都存在）
• 可选：用 shared/cdp_preflight.check_login() 自检登录态

用法

python scripts/boss_jd.py <查询条件> [--job-name <name>] [--encrypt-job-id <encryptJobId>] [--run-id <id>]

参数：

• <查询条件> — 三选一：
  • 加密岗位ID：a2bb7b1e7a76f0440nZ-39S0E1NS
  • 数字 jobId：524499312
  • 岗位名称：管培生（精确匹配优先，否则模糊匹配）
• --job-name（必填，元数据用，目录名不再用它）：岗位中文名，会写入 jobs.json 作可读标识。
• --encrypt-job-id（必填，新设计）：BOSS 返回的 encryptJobId，直接作为工作区目录名。例如 9a7759badfd95d350nFz3d-_F1NX。5 步脚本（list → download → score → HTML → greet）必须传同一个值，产物才落在同一个工作区目录。
• 也可设环境变量 BOSS_HR_ENCRYPT_JOB_ID=<encryptJobId> 作为 fallback（CLI 参数优先）。
• --run-id（可选，新任务入口）：本次 run 的 ID。
  • 不传 → 自动调 create_new_run()，生成新 run_id（YYYY-MM-DD_HHMMSS，同秒冲突自动加 _N 后缀）。每个新任务必须生成新 run_id——禁止沿用旧 run_id。
  • 传 --run-id → 调 bind_existing_run(run_id)，校验 run_dir 存在 + encrypt_job_id 匹配。不通过报错。
  • 拿到 run_id 后必须传给 Step 2~5 所有后续脚本（recommend_list.py / recommend_download.py / score_resumes.py / generate_html_report.py / auto_greet.py）——这些脚本的 --run-id 是 required=True，不传 argparse 直接退出 2。

🚨 2026-07-30 重构：不再有 state/current_run.json。每个 run 的状态独立写到 runs/<run_id>/run.json（含 confirmed 标志位、steps_done、finished 等）。Step 1 完成后 run.json.confirmed=false，必须等用户在 BOSS 调整完筛选条件后调：

python -X utf8 shared/confirm_run.py \
  --job-name "<岗位名>" --encrypt-job-id "<id>" --run-id "<run_id>"

把 confirmed 切到 true 才能跑 Step 2。

🚨 严格模式：缺 --encrypt-job-id（且未设 BOSS_HR_ENCRYPT_JOB_ID）时脚本直接报错退出，不会静默回退到中文目录名——避免你以为跑了新路径、实际又落到中文路径的事故。

工作流程

1. 用 shared/recruiter_job_catalog.resolve_recruiter_job(query) 把 query 解析成 encryptJobId
   • 支持三种 query：encryptJobId 精确 / jobId 数字精确 / 岗位名（精确优先，模糊兜底）
   • 返回 {'encryptJobId', 'jobId', 'jobName', 'address', 'salaryDesc', ...}
2. 用 patchright 连接 CDP 浏览器
3. 导航到岗位编辑页（/web/chat/job/edit?encryptId=...）
4. 等待 iframe 加载完成后提取表单内容（含职位描述富文本 + 关键词 + 福利）
5. 输出到 ~/Desktop/boss-hr-output/<encryptJobId>/runs/<run_id>/process/job_detail.json

输出目录规范（新设计 · 2026-07-29+）

目录名 = encryptJobId（不再用中文岗位名），job_name 仅作为 jobs.json 里的可读元数据。

~/Desktop/boss-hr-output/
├── jobs.json                               # JobRegistry：encryptJobId → {name, company}
└── <encryptJobId>/                         # 目录名 = BOSS 返回的 encryptJobId（如 9a7759badfd95d350nFz3d-_F1NX）
    ├── state/                              # 跨 run 保留（不覆盖）
    │   ├── candidate_pool.json
    │   ├── download_state.json
    │   ├── resumes_master.json
    │   ├── collection_state.json
    │   ├── scored_state.json
    └── runs/
        └── <run_id>/                       # 一次筛选任务
            ├── <run_id>_screening_report.html
            └── process/
                ├── job_detail.json              ← 本脚本输出
                ├── recommend_geek_ids.json      ← Step 2a: list 输出
                ├── new_resumes.json             ← Step 2b: download 输出
                ├── scoring/                     ← Step 3a: prepare 输出
                │   ├── manifest.json
                │   ├── inputs/candidate_<geek_id>.json
                │   ├── outputs/candidate_<geek_id>.json
                │   └── _skipped.json
                ├── _llm_scores.json             ← Step 3b: collect 合并产物
                ├── screening_results.json       ← Step 3c: score 收尾产物
                └── greet_log.json               ← Step 5

路径选择集中在 shared/output_manager.JobOutputManager——CLI 脚本只接收并透传 --encrypt-job-id，不参与路径拼接，避免中文路径在 URL/文件 IO 里翻车。

多机器可移植：通过环境变量 BOSS_HR_OUTPUT_DIR 改工作区根（默认 ~/Desktop/boss-hr-output）。

输出格式

{
  "jobName": "管培生",
  "encryptJobId": "a2bb7b1e...",
  "bodyText": "完整页面文本",
  "formValues": ["岗位职责：...", "职位名称", "..."],
  "parsed": {
    "title": "",
    "positionType": "",
    "location": "",
    "description": "岗位职责 + 任职要求 原文"
  },
  "_meta": {
    "run_id": "2026-07-27_083015",
    "fetched_at": "2026-07-27 08:30:30"
  }
}

工作区约定：所有数据统一存放在 ~/Desktop/boss-hr-output/<encryptJobId>/ 下，目录名直接用 BOSS 的 encryptJobId（避免中文 URL 编码 / 文件名编码问题）。job_name（中文岗位名）只作为 jobs.json 里的可读元数据。 由 shared/output_manager.JobOutputManager 统一管理（boss-recommend-downloader / resume-screener / html-report / boss-hr-greet 共用同一规范）。 6 个 CLI 脚本都必须显式传 --encrypt-job-id（或设 env BOSS_HR_ENCRYPT_JOB_ID），缺则直接报错——不会静默回退到中文目录名。

技术要点

• BOSS 管理后台为 iframe 架构：主页面是导航壳，表单内容在 src="/web/frame/job/edit?..." 的子框架中
• 使用 domcontentloaded 而非 networkidle 以提速（5-8s）
• 登录态与 HTTP 调用：所有 BOSS HTTP 调用都走浏览器内 fetch（page.evaluate('fetch(...)')）， 复用浏览器真实 TLS 指纹 + 自动带 cookie。不需要单独同步 __zp_stoken__。
• 岗位 query 解析由 shared/recruiter_job_catalog.resolve_recruiter_job() 提供， 支持精确/模糊匹配、同名兜底；详见 shared/SKILL.md § recruiter_job_catalog。
• encryptJobId 是后续推荐/下载/评分所有步骤的岗位标识，会作为 candidate_key 的前半段被使用

调用示例（boss_jd.py 内部）

import sys, os
sys.path.insert(0, os.path.join(os.path.dirname(__file__), '..', '..', 'shared'))
from recruiter_job_catalog import resolve_recruiter_job

# 三种 query 都接受
job = resolve_recruiter_job('9a7759badfd95d350nFz3d-_F1NX')   # eid 精确
job = resolve_recruiter_job('559622717')                       # jobId 精确
job = resolve_recruiter_job('线控底盘制动、转向工程师')         # jobName 精确
job = resolve_recruiter_job('工程师')                          # 模糊兜底
if not job:
    raise SystemExit(f"岗位未找到")

encrypt_job_id = job['encryptJobId']  # 进入 fetch_jd + 落盘流程