@reconcrap/boss-recruit-mcp 1.0.6 → 1.0.8

package/README.md

@@ -24,9 +24,55 @@ npx @reconcrap/boss-recruit-mcp install
 
 - 安装 Codex skill 到 `$CODEX_HOME/skills/boss-recruit-pipeline`
 - 初始化用户配置到 `$CODEX_HOME/boss-recruit-mcp/screening-config.json`
+- 生成通用 MCP 配置模板到 `$CODEX_HOME/boss-recruit-mcp/agent-mcp-configs`
 - 包内自带 `boss-search-cli` 与 `boss-screen-cli` 运行时文件，无需额外目录结构
 - 不包含 `favorite-calibration.json`，首次使用前需要自行校准生成
 
+## 跨 Agent 快速接入（Cursor / Trae / Claude Code / OpenClaw）
+
+生成 MCP 配置模板：
+
+```bash
+boss-recruit-mcp mcp-config --client all
+```
+
+默认会输出到：
+
+```bash
+$CODEX_HOME/boss-recruit-mcp/agent-mcp-configs
+```
+
+包含：
+
+- `mcp.cursor.json`
+- `mcp.trae.json`
+- `mcp.claudecode.json`
+- `mcp.openclaw.json`
+- `mcp.generic.json`
+
+把对应文件里的 `mcpServers` 合并到你的 AI 客户端 MCP 配置中即可。
+
+如果你只需要某一个客户端模板：
+
+```bash
+boss-recruit-mcp mcp-config --client cursor
+boss-recruit-mcp mcp-config --client claudecode
+boss-recruit-mcp mcp-config --client trae
+boss-recruit-mcp mcp-config --client openclaw
+boss-recruit-mcp mcp-config --client generic
+```
+
+默认模板会使用：
+
+- `command: npx`
+- `args: ["-y", "@reconcrap/boss-recruit-mcp@latest", "start"]`
+
+如果你希望改成本地全局命令：
+
+```bash
+boss-recruit-mcp mcp-config --client generic --command boss-recruit-mcp --args-json "[\"start\"]"
+```
+
 ## 准备配置
 
 1. 初始化后编辑用户配置文件：
@@ -38,10 +84,22 @@ $CODEX_HOME/boss-recruit-mcp/screening-config.json
 2. 填写以下字段：
 
 - `baseUrl` / `apiKey` / `model` 必填
+- OpenAI 推荐：
+  - `baseUrl`: `https://api.openai.com/v1`
+  - `apiKey`: OpenAI API Key
+  - `model`: 例如 `gpt-4.1-mini`
+- 也支持通过环境变量注入：
+  - `OPENAI_API_KEY`（可替代配置文件中的 `apiKey`）
+  - `OPENAI_BASE_URL`（可替代配置文件中的 `baseUrl`）
+  - `OPENAI_MODEL`（可替代配置文件中的 `model`）
+  - `OPENAI_ORG_ID` / `OPENAI_PROJECT_ID`（可选）
+- 配置文件可选字段：
+  - `openaiOrganization`
+  - `openaiProject`
 - `debugPort` 可选，默认 `9222`
 - `calibrationFile` 可选；不填时默认使用 `$CODEX_HOME/boss-recruit-mcp/favorite-calibration.json`
 - `outputDir` 可选；不填时默认输出到用户桌面
-- 学校标签只支持 `985` / `211` / `qs100`；如果输入 `qs50`、`qs200`、`qs500` 等其他 `QS数字`，会统一按 `qs100` 处理
+- 学校标签支持 `统招本科` / `双一流院校` / `985` / `211` / `qs100` / `qs500`；如果输入 `qs50`、`qs200`、`qs500` 等其他 `QS数字`，会按 `<=100 -> qs100`、`>100 -> qs500` 归一
 
 ## 运行
 
@@ -56,13 +114,19 @@ boss-recruit-mcp start
 如果当前 AI agent 无法添加新的 MCP、MCP 数量受限，或者只支持 shell/命令执行，也可以直接调用同一后端的 CLI fallback：
 
 ```bash
-boss-recruit-mcp run --instruction "在 Boss 上找做过推荐系统的人，城市杭州，本科，学校 985/211/QS100，目标 10 人"
+boss-recruit-mcp run --instruction "在 Boss 上找做过推荐系统的人，城市杭州，本科，学校 985/211/QS100，目标 10 人，过滤近14天查看过的人选"
 ```
 
 也支持通过 JSON 传确认信息与覆盖参数：
 
 ```bash
-boss-recruit-mcp run --instruction "在 Boss 上找做过推荐系统的人" --confirmation-json "{\"keyword_confirmed\":true,\"keyword_value\":\"推荐系统\",\"search_params_confirmed\":true}" --overrides-json "{\"city\":\"杭州\",\"degree\":\"本科\",\"schools\":[\"985\",\"211\",\"qs100\"],\"target_count\":10}"
+boss-recruit-mcp run --instruction "在 Boss 上找做过推荐系统的人" --confirmation-json "{\"keyword_confirmed\":true,\"keyword_value\":\"推荐系统\",\"search_params_confirmed\":true}" --overrides-json "{\"city\":\"杭州\",\"degree\":\"本科\",\"schools\":[\"985\",\"211\",\"qs100\"],\"filter_recent_viewed\":true,\"target_count\":10}"
+```
+
+PowerShell 下更推荐用文件方式，避免引号转义导致 `INVALID_CLI_INPUT`：
+
+```bash
+boss-recruit-mcp run --instruction-file request.txt --confirmation-file confirmation.json --overrides-file overrides.json
 ```
 
 如果命令行中放长文本不方便，改用文件：
@@ -78,19 +142,16 @@ boss-recruit-mcp run --instruction-file request.txt --confirmation-file confirma
 
 先确认你要使用的 Chrome 远程调试端口。推荐 `9222`，但如果你已经有一个正在运行的远程调试 Chrome，也可以继续使用那个端口。确认端口后，再执行下面的命令。
 
-推荐先启动调试 Chrome：
+执行校准（会自动尝试打开 Boss 搜索页）：
 
 ```bash
-boss-recruit-mcp launch-chrome --port <port>
+boss-recruit-mcp calibrate --port <port>
 ```
 
-`launch-chrome` 会自动为该端口创建独立的 Chrome profile 目录，避免复用已有 Chrome 实例导致调试端口未生效。
-命令还会检查新打开的 Boss 页面是否仍停留在 `search` 页面；如果跳转到了登录页或其他页面，说明需要用户先手动登录 Boss。
-
-然后执行校准：
+如果你想自定义监听窗口（默认 60 秒）：
 
 ```bash
-boss-recruit-mcp calibrate --port <port>
+boss-recruit-mcp calibrate --port <port> --timeout-ms 60000
 ```
 
 如果你的 `screening-config.json` 里配置了自定义 `calibrationFile` 路径，而该路径当前不存在，直接把校准结果输出到那个路径：
@@ -133,6 +194,7 @@ boss-recruit-mcp doctor --port <port>
     "use_default_for_missing": false
   },
   "overrides": {
+    "filter_recent_viewed": true,
     "target_count": 500
   }
 }
@@ -141,17 +203,46 @@ boss-recruit-mcp doctor --port <port>
 ## 行为说明
 
 - 若缺 `city/degree/schools/keyword/target_count`，返回 `NEED_INPUT`
-- 若 keyword 由语义自动抽取、或搜索参数仍未被用户明确确认，返回 `NEED_CONFIRMATION`
+- 若 keyword 由语义自动抽取、搜索参数仍未被用户明确确认，或用户未说明是否过滤近 14 天查看过的人选，返回 `NEED_CONFIRMATION`
 - 正式执行前应先单独做一轮参数确认，把已识别参数、待确认项、缺失项、默认值风险分开给用户确认
+- 若用户没提“是否过滤近14天查看”，会在 `pending_questions` 里返回该问题，调用方应先补问再继续
 - 用户未补齐缺失参数时，只有在明确同意默认值及其质量风险后，才允许继续
 - `target_count` 表示“目标处理人数”，不是“目标通过人数”；状态一旦是 `COMPLETED`，就表示本轮已完成，不应因通过人数不足而自动重跑
-- 确认后自动执行：搜索 CLI -> 筛选 CLI
+- 确认后自动执行：搜索 CLI -> 点击搜索 -> 勾选“过滤近14天查看”（如启用） -> 筛选 CLI
 - 返回摘要：目标数、已处理、通过数、耗时、输出 CSV
 - 执行前会先做本地依赖预检查，若目录 / 入口 / 配置文件缺失则返回 `PIPELINE_PREFLIGHT_FAILED`
 - 若缺少 `favorite-calibration.json`，会返回 `CALIBRATION_REQUIRED`
 - 若当前运行环境不允许启动子进程，会返回更明确的权限错误码而不是笼统失败
 - 配置文件查找顺序：`BOSS_RECRUIT_SCREEN_CONFIG` > 工作区 `boss-recruit-mcp/config/screening-config.json` > 用户目录 `$CODEX_HOME/boss-recruit-mcp/screening-config.json` > 包内示例配置
 
+## 终版测试方案
+
+回归脚本位置：`scripts/regression.ps1`
+
+1. 快速回归（不依赖 Boss 页面，验证 CLI 输入与状态机基础逻辑）：
+
+```bash
+npm run test:regression:win
+```
+
+2. 全链路回归（依赖 Chrome 调试端口 + 已登录 Boss）：
+
+```bash
+powershell -ExecutionPolicy Bypass -File scripts/regression.ps1 -Mode full -Port 9222
+```
+
+3. 负向回归（错误端口，确保不会误返回 `COMPLETED`）：
+
+```bash
+powershell -ExecutionPolicy Bypass -File scripts/regression.ps1 -Mode negative
+```
+
+判定标准：
+
+- 不应出现 `INVALID_CLI_INPUT`
+- 正常场景允许 `COMPLETED` 或可诊断的 `FAILED`
+- 错误端口场景必须是 `FAILED`，且不是参数解析类错误
+
 ## 发布
 
 ```bash

package/config/screening-config.example.json

@@ -1,5 +1,7 @@
 {
-  "baseUrl": "https://your-llm-endpoint.example.com/v1",
-  "apiKey": "replace-with-your-api-key",
-  "model": "replace-with-your-model-name"
+  "baseUrl": "https://api.openai.com/v1",
+  "apiKey": "replace-with-openai-api-key",
+  "model": "gpt-4.1-mini",
+  "openaiOrganization": "optional-org-id",
+  "openaiProject": "optional-project-id"
 }

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@reconcrap/boss-recruit-mcp",
-  "version": "1.0.6",
+  "version": "1.0.8",
   "description": "Unified MCP pipeline for boss-search-cli and boss-screen-cli",
   "keywords": [
     "boss",
@@ -18,7 +18,8 @@
     "start": "node src/index.js",
     "cli": "node src/cli.js",
     "install:local": "node src/cli.js install",
-    "test:parser": "node src/test-parser.js"
+    "test:parser": "node src/test-parser.js",
+    "test:regression:win": "powershell -ExecutionPolicy Bypass -File scripts/regression.ps1 -Mode quick"
   },
   "files": [
     "bin",

package/skills/boss-recruit-pipeline/README.md

@@ -12,8 +12,15 @@ npx @reconcrap/boss-recruit-mcp install
 
 - 把 skill 安装到 `$CODEX_HOME/skills/boss-recruit-pipeline`
 - 在 `$CODEX_HOME/boss-recruit-mcp/screening-config.json` 创建配置模板
+- 在 `$CODEX_HOME/boss-recruit-mcp/agent-mcp-configs` 生成 Cursor/Trae/Claude Code/OpenClaw 的 MCP 模板
 - 默认把筛选结果输出到用户桌面
 
+如果你只想导出 MCP 模板，可执行：
+
+```powershell
+boss-recruit-mcp mcp-config --client all
+```
+
 ## 前置要求
 
 - Chrome 需使用远程调试端口启动；推荐 `9222`，但也可以使用你已在运行的其他端口
@@ -26,8 +33,13 @@ npx @reconcrap/boss-recruit-mcp install
 - 默认优先走 MCP；如果当前 agent 无法再添加 MCP，也可以改用 `boss-recruit-mcp run` 作为 CLI fallback。
 - 正式开始前，必须先做一轮参数确认，分开展示已识别参数、待确认参数、缺失参数。
 - 参数确认尽量复用统一模板：`已识别参数` / `待确认或待修正` / `缺失参数` / `默认值提醒` / `请用户回复`。
+- 在正式执行前，必须单独让用户确认筛选 `criteria`（尤其学历/学校/论文等硬性条件）无误，不能只确认关键词和搜索参数。
 - 端口未确认时，必须先询问用户是否使用推荐的 `9222`，或提供一个已有的其他远程调试端口，不能直接默认 `9222`。
-- 新打开 Chrome 实例后，要检查页面是否仍停留在 Boss search；如果跳转到其他页面，必须提示用户先手动登录 Boss，再继续。
+- 任何需要打开 Chrome 的动作前，先检查调试端口是否已有可用实例；端口可连时必须复用，不要再新开一个 9222 实例。
+- 若页面未停留在 Boss search（例如跳到登录页或首页），必须提示用户先手动登录 Boss，再继续。
 - 如果识别结果里出现明显脏值或可疑字段，例如“杭州筛选做过”，必须要求用户改成标准值后再继续。
+- 学历/学校硬性条件不能在 criteria 清洗时被剔除；即使已提取到搜索参数，criteria 仍需保留原始约束语义（例如“本科学历必须是985”）。
 - 如果缺少 `favorite-calibration.json`，必须指导用户在当前环境重新校准，不能搜索或复制历史遗留校准文件来顶替。
+- 校准提示使用两阶段：先问“是否准备好开始校准”，不要问“是否已完成校准”；用户确认后应直接启动 `boss-recruit-mcp calibrate --port <port>`。
+- 校准里的“打开详情 -> 收藏 -> 取消收藏 -> 关闭详情”属于动作说明，不要要求用户先手动完成这些步骤后再回复“可以校准”。
 - 若缺失参数仍未补齐，只能在用户明确确认接受默认值和质量风险后继续，不能静默按默认执行。

package/skills/boss-recruit-pipeline/SKILL.md

@@ -22,16 +22,17 @@
 
 1. 先检查 MCP 是否已安装 / 可调用；若未安装，优先执行：
    - `npx @reconcrap/boss-recruit-mcp install`
+   - 若要给 Cursor / Trae / Claude Code / OpenClaw 快速接入，执行 `boss-recruit-mcp mcp-config --client all`，并把生成文件中的 `mcpServers` 合并到对应客户端配置
 2. 若用户还未确认 Chrome 调试端口，必须先询问：
    - 建议使用 `9222`
    - 但也允许用户明确提供一个已在使用的其他远程调试端口
 3. 在用户确认端口前，不要直接假设 `9222` 并执行任何依赖端口的命令。
-4. 端口确认后，再检查依赖与配置：
+4. 端口确认后，先检查依赖与端口状态：
    - `boss-recruit-mcp doctor --port <port>`
-5. 若 Chrome 未以远程调试模式启动，优先帮助用户启动：
-   - `boss-recruit-mcp launch-chrome --port <port>`
-   - 打开页面：`https://www.zhipin.com/web/chat/search`
-6. 启动新的 Chrome debugging 实例后，必须检查页面是否仍停留在 `https://www.zhipin.com/web/chat/search`：
+5. 任何“准备打开 Chrome”的动作前，必须先判断该端口是否已有可用实例：
+   - 若调试端口可连，禁止再新开 Chrome；直接复用现有实例，并确保页面在 `https://www.zhipin.com/web/chat/search`
+   - 仅当调试端口不可连时，才执行 `boss-recruit-mcp launch-chrome --port <port>`
+6. 若执行 `launch-chrome` 后页面没有停留在 `https://www.zhipin.com/web/chat/search`：
    - 若仍在 search 页面，可继续；
    - 若跳转到登录页、首页或其他 Boss 页面，视为“需要重新登录”；
    - 必须明确提示用户手动登录 Boss，并等待用户回复“已登录/可以继续”后，才能继续后续动作。
@@ -47,15 +48,18 @@
   - 必须明确告诉用户“当前期望的校准文件路径”；
   - 应指导用户用 `boss-recruit-mcp calibrate --port <port> --output <expected-path>` 直接生成到该路径；
   - 不要静默改写配置，也不要把别处的文件复制过去。
-- 提示语必须包含这几步：
-  - 打开 Boss 直聘
-  - 去到搜索页面
-  - 随便打开一位人选的详情页
-  - 点击收藏按钮
-  - 再次点击取消该人选的收藏
+- 校准动作说明用于“让用户了解流程”，不要求用户先手动点击页面：
+  - 打开 Boss 直聘搜索页面
+  - 打开任意一位人选详情页
+  - 执行一次收藏，再取消收藏
   - 关闭详情页
+- 校准对话必须是“两阶段”：
+  - 第一阶段：先完整说明校准步骤，然后只问“是否准备好开始校准”；
+  - 第二阶段：用户确认“准备好了”后，直接启动校准命令，并明确说明“你不需要先手动完成页面点击，我会立即启动校准流程”。
+- 不要把“请确认你已完成校准”当作启动校准的前置问题；启动前应确认“准备开始”，不是“已经完成”。
+- 不要要求用户先完成页面操作再回复“可以校准/已完成校准”；应在用户确认“准备开始”后立即执行校准。
 - 然后执行：
-  - `boss-recruit-mcp calibrate --port <port>`
+  - `boss-recruit-mcp calibrate --port <port>`（默认监听 60 秒）
 - 默认校准文件路径：
   - `$CODEX_HOME/boss-recruit-mcp/favorite-calibration.json`
 
@@ -68,6 +72,7 @@
     - `keyword_confirmed` (boolean): 是否确认关键词
     - `keyword_value` (string): 用户确认或改写后的关键词
     - `search_params_confirmed` (boolean): 用户是否已明确确认当前参数集
+    - `criteria_confirmed` (boolean): 用户是否已明确确认筛选 criteria（尤其硬性约束）
     - `use_default_for_missing` (boolean): 用户是否明确同意对缺失参数使用默认值
   - `overrides` (object, optional)
     - `city` (string)
@@ -78,6 +83,7 @@
 - Tool response 重点字段：
   - `status`
   - `required_confirmations`
+  - `pending_questions`
   - `review.extracted_search_params`
   - `review.current_search_params`
   - `review.missing_fields`
@@ -140,9 +146,13 @@
    - 明确给出校准步骤与命令；
    - 明确指出期望生成到哪个路径；
    - 不要在本机搜索并复用其他 `favorite-calibration.json`。
-4. 若 `launch-chrome` 后发现页面没有停留在 search，而是跳到了登录页、首页或其他页面：
+   - 校准引导必须先问“是否准备好开始校准”；用户确认准备好后，再执行：
+     - `boss-recruit-mcp calibrate --port <port>`
+   - 不要要求用户先手动完成“收藏/取消收藏”等页面动作，再触发 `calibrate`。
+   - 除非调试端口不可连，否则不要额外先执行 `launch-chrome`。
+4. 若校准流程中发现页面没有停留在 search，或跳到了登录页、首页或其他页面：
    - 明确告诉用户“当前需要手动登录 Boss”；
-   - 明确要求用户在新打开的 Chrome 窗口中完成登录；
+   - 明确要求用户在当前可见的 Chrome 窗口中完成登录；
    - 等用户回复“已登录，可以继续”后，再继续下一步；
    - 不要在用户未确认登录完成前直接执行搜索、校准或流水线。
 5. 只有当以上条件满足时，才首次进入流水线解析：
@@ -157,7 +167,8 @@
 6. 缺失项常见含义：
    - `city`: 城市，如“杭州”
    - `degree`: 学历，如“本科”“硕士及以上”
-   - `schools`: 学校标签，如“985、211、qs100”
+   - `schools`: 学校标签，如“统招本科、双一流院校、985、211、qs100、qs500”
+   - `filter_recent_viewed`: 是否过滤近 14 天内查看过的人选
    - `target_count`: 目标处理人数，如“10”；表示本轮需要处理多少位候选人，不表示必须有多少人通过
    - `keyword`: 搜索关键词，如“AI infra”“推荐系统”
 7. 若返回 `NEED_INPUT`：
@@ -168,13 +179,17 @@
 8. 若返回 `NEED_CONFIRMATION`：
    - 询问用户是否确认 `proposed_keyword`；
    - 同时也要让用户确认其他已提取参数里是否有误；
+   - 必须单独确认筛选 `criteria` 是否准确（尤其学历/学校/论文等硬性条件不能丢失）；
+   - 若 `required_confirmations` 或 `pending_questions` 里包含 `filter_recent_viewed`，必须明确补问：是否需要过滤近 14 天查看过的人选；
    - 若确认，带 `confirmation.keyword_confirmed=true` 和 `keyword_value` 再次调用；
-   - 若用户修改关键词，传用户给的新词作为 `keyword_value` 再次调用。
+   - 若用户修改关键词，传用户给的新词作为 `keyword_value` 再次调用；
+   - 对“是否过滤近 14 天查看”这个问题，需把用户选择写入 `overrides.filter_recent_viewed=true/false` 再次调用。
 9. 当仍有缺失参数但用户想直接开始时：
    - 先明确告知默认值及风险；
    - 必须得到用户明确确认“可以按默认值继续”后，才能继续执行。
 10. 只有在以下条件都满足后，才允许正式开始：
    - 用户已经确认已提取参数无误；
+   - 用户已经明确确认 `criteria` 无误；
    - 缺失参数已补齐，或用户已明确接受默认值；
    - `NEED_CONFIRMATION` 分支中的关键词也已确认。
 11. 若返回 `COMPLETED`：
@@ -195,8 +210,11 @@
 - 优先鼓励用户一次性给全这些字段：城市、学历、学校标签、目标人数、核心方向关键词。
 - 当用户提到“做过 AI infra / 推荐系统 / 搜索 / 广告 / 多模态”等经历，但没有显式写“关键词”，默认允许流水线先自动抽取，再走确认分支。
 - 当用户附带筛选要求（如“必须发表过 CCF-A 区论文”“有开源项目”“带过团队”），这些要求应该保留在 `criteria` 中，不应被误当作搜索过滤条件。
+- 当用户明确给出“学历/学校”硬性条件（如“本科学历必须是985”），即使这些信息已被提取到搜索参数，`criteria` 里也必须保留原始约束，不可剔除。
 - 若参数提取结果出现明显噪声、截断、短语串接、非标准枚举值，优先视为“识别不可靠”，要求用户确认，不要为了推进流程直接采用。
-- 若用户输入 `qs50`、`qs200`、`qs500` 等任意 `QS数字` 学校标签，统一按 `qs100` 处理；不要把原始 `QS200` 再传到底层搜索命令。
+- 若用户输入 `qs50`、`qs200`、`qs500` 等任意 `QS数字` 学校标签，统一按 `<=100 -> qs100`、`>100 -> qs500` 处理；不要把原始 `QS200` 再传到底层搜索命令。
+- 若用户没有明确提到“是否过滤近 14 天查看过的人选”，必须在参数确认阶段主动补问，不能静默默认开启或关闭。
+- 若用户说“过滤近 14 天查看”“排除最近看过的”，映射为 `filter_recent_viewed=true`；若用户说“不过滤近 14 天查看”“保留最近看过的”，映射为 `filter_recent_viewed=false`。
 - 不要把“用户没有继续回复”解释为“默认同意”；默认值只能在用户明确口头确认后使用。
 - 参数确认对话里，优先采用这种结构：
   - 已识别参数
@@ -217,7 +235,8 @@
 - `已识别参数` 只放当前看起来可信的值，例如：
   - 城市：杭州
   - 学历：本科
-  - 学校标签：985 / 211 / QS100
+  - 学校标签：统招本科 / 双一流院校 / 985 / 211 / QS100 / QS500（按实际需求选择）
+  - 过滤近14天查看：需要 / 不需要
   - 关键词：AI infra
   - 目标人数：10
 - `待确认 / 待修正` 要明确写出“识别值 -> 疑点 -> 需要用户给出的标准值”，例如：
@@ -231,7 +250,7 @@
   - 若继续会使用哪些默认值
   - 会导致搜索范围变宽、相关性下降或结果偏差增大
 - `请用户回复` 要求用户一次性回复完整，优先使用这种收口方式：
-  - 请直接按“城市 / 学历 / 学校标签 / 关键词 / 目标人数”补充或修正
+  - 请直接按“城市 / 学历 / 学校标签 / 是否过滤近14天查看 / 关键词 / 目标人数”补充或修正
   - 如果你接受默认值继续，请明确回复“确认按默认值继续”
 - 若用户补充后仍有缺失，再发第二轮确认时继续复用同一结构，只保留：
   - 已更新的参数
@@ -266,7 +285,7 @@
 
 用户：
 
-- “在 Boss 上找做过 AI infra 的候选人，必须发过 CCF-A 区论文，城市杭州，本科，学校 985/211/QS100，目标 10 人”
+- “在 Boss 上找做过 AI infra 的候选人，必须发过 CCF-A 区论文，城市杭州，本科，学校 统招本科/双一流院校/985/211/QS100/QS500 中按需选择，目标 10 人”
 
 期望行为：
 

package/src/adapters.js

@@ -299,6 +299,10 @@ export async function runSearchCli({ workspaceRoot, searchParams }) {
     String(debugPort)
   ];
 
+  if (typeof searchParams.filter_recent_viewed === "boolean") {
+    args.push("--filter-recent-viewed", String(searchParams.filter_recent_viewed));
+  }
+
   const result = await runProcess({
     command: "node",
     args,