@reconcrap/boss-recruit-mcp 1.0.7 → 1.0.9

package/README.md

@@ -84,7 +84,20 @@ $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`
+  - 端口优先级：`--port > BOSS_RECRUIT_CHROME_PORT > screening-config.json.debugPort > 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
@@ -111,6 +124,12 @@ boss-recruit-mcp run --instruction "在 Boss 上找做过推荐系统的人，
 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：
 
 ```bash
@@ -122,23 +141,28 @@ boss-recruit-mcp run --instruction-file request.txt --confirmation-file confirma
 
 ## Chrome 与校准
 
-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。
+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。
 
-推荐先启动调试 Chrome：
+建议先固化一次端口（后续命令自动沿用）：
 
 ```bash
-boss-recruit-mcp launch-chrome --port <port>
+boss-recruit-mcp set-port --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。
+确认端口后，再执行下面的命令。
 
-然后执行校准：
+执行校准（会自动尝试打开 Boss 搜索页）：
 
 ```bash
 boss-recruit-mcp calibrate --port <port>
 ```
 
+如果你想自定义监听窗口（默认 60 秒）：
+
+```bash
+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：
 
 ```bash
@@ -164,6 +188,8 @@ $CODEX_HOME/boss-recruit-mcp/favorite-calibration.json
 也可以用下面的命令检查依赖、配置和校准文件：
 
 ```bash
+boss-recruit-mcp doctor
+# 或显式指定
 boss-recruit-mcp doctor --port <port>
 ```
 
@@ -200,6 +226,34 @@ boss-recruit-mcp doctor --port <port>
 - 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": "1.0.7",
+  "version": "1.0.9",
   "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

@@ -33,8 +33,14 @@ boss-recruit-mcp mcp-config --client all
 - 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。
+- 用户确认端口后，先执行 `boss-recruit-mcp set-port --port <port>`，让后续 `doctor / launch-chrome / calibrate / run` 自动复用同一端口。
+- 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

@@ -27,16 +27,18 @@
    - 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：
-   - `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`：
+4. 用户确认端口后，先执行一次端口固化，确保后续动作自动沿用同一端口：
+   - `boss-recruit-mcp set-port --port <port>`
+5. 再检查依赖与端口状态：
+   - `boss-recruit-mcp doctor`（或显式 `boss-recruit-mcp doctor --port <port>`）
+6. 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>`
+7. 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。
-7. 只有在以上条件满足后，才继续调用流水线。
+8. 只有在以上条件满足后，才继续调用流水线。
 
 ## Calibration Requirement
 
@@ -48,15 +50,18 @@
   - 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`
 
@@ -69,6 +74,7 @@
     - `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)
@@ -142,9 +148,13 @@
    - 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：
@@ -171,6 +181,7 @@
 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；
@@ -180,6 +191,7 @@
    - 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`：
@@ -200,6 +212,7 @@
 - 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 `<=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。
@@ -267,6 +280,7 @@
 - 如果工具已经返回 `diagnostics.checks`，优先基于这些检查项生成排障建议。
 - 如果工具返回 `output_csv`，在摘要里给出路径，避免重复解释内部流程。
 - 如果端口还没确认，必须先问用户“是否使用推荐的 `9222`，还是你已经有别的远程调试端口”，不能直接把 `9222` 当成已确认值。
+- 用户确认端口后，先执行一次 `boss-recruit-mcp set-port --port <port>`，让后续 `doctor / launch-chrome / calibrate / run` 自动复用同一端口。
 - 如果需要打开 Chrome，优先帮用户执行而不是只给命令。
 - 如果新打开的 Chrome 页面跳离了 search 页面，必须判断为“需要登录”，提示用户手动登录后再继续。
 
@@ -279,12 +293,13 @@
 期望行为：
 
 1. 先询问用户是否使用推荐的 Chrome 调试端口 `9222`，或提供一个已有的其他端口。
-2. 用户确认端口后，启动对应端口的调试 Chrome 并打开 Boss 搜索页面。
-3. 先检查校准文件是否存在；若不存在，提醒用户按步骤完成校准。
-4. 环境就绪后再首次调用流水线。
-5. 若 keyword 被自动提取为 `AI infra`，先让用户确认。
-6. 确认后再次调用。
-7. 成功则返回通过人数与 CSV 路径；失败则按错误类型给出下一步。
+2. 用户确认端口后，先执行 `boss-recruit-mcp set-port --port <port>` 固化端口。
+3. 启动对应端口的调试 Chrome 并打开 Boss 搜索页面。
+4. 先检查校准文件是否存在；若不存在，提醒用户按步骤完成校准。
+5. 环境就绪后再首次调用流水线。
+6. 若 keyword 被自动提取为 `AI infra`，先让用户确认。
+7. 确认后再次调用。
+8. 成功则返回通过人数与 CSV 路径；失败则按错误类型给出下一步。
 
 ## Response Style
 

package/src/adapters.js

@@ -49,6 +49,11 @@ function pathExists(targetPath) {
   }
 }
 
+function parsePositiveInteger(raw) {
+  const value = Number.parseInt(String(raw || ""), 10);
+  return Number.isFinite(value) && value > 0 ? value : null;
+}
+
 function resolveSearchCliDir(workspaceRoot) {
   const localDir = path.join(workspaceRoot, "boss-search-cli");
   if (pathExists(localDir)) {
@@ -190,35 +195,43 @@ function loadScreenConfig(configPath) {
   }
 }
 
-function resolveDebugPort(config) {
-  const fromEnv = Number.parseInt(process.env.BOSS_RECRUIT_CHROME_PORT || "", 10);
-  if (Number.isFinite(fromEnv) && fromEnv > 0) return fromEnv;
-  const fromConfig = Number.parseInt(String(config?.debugPort || ""), 10);
-  if (Number.isFinite(fromConfig) && fromConfig > 0) return fromConfig;
-  return 9222;
+function readScreenConfigJson(configPath) {
+  if (!pathExists(configPath)) return null;
+  try {
+    const raw = fs.readFileSync(configPath, "utf8");
+    const parsed = JSON.parse(raw);
+    return parsed && typeof parsed === "object" ? parsed : null;
+  } catch {
+    return null;
+  }
+}
+
+function resolveDebugPortFromConfigPath(configPath) {
+  const parsed = readScreenConfigJson(configPath);
+  const fromConfig = parsePositiveInteger(parsed?.debugPort);
+  if (fromConfig) return fromConfig;
+  return null;
 }
 
 function resolveWorkspaceDebugPort(workspaceRoot) {
+  const fromEnv = parsePositiveInteger(process.env.BOSS_RECRUIT_CHROME_PORT);
+  if (fromEnv) return fromEnv;
+
   const configPath = resolveScreenConfigPath(workspaceRoot);
-  if (pathExists(configPath)) {
-    const loaded = loadScreenConfig(configPath);
-    if (loaded.ok) {
-      return resolveDebugPort(loaded.config);
-    }
-  }
-  return resolveDebugPort(null);
+  const fromConfig = resolveDebugPortFromConfigPath(configPath);
+  if (fromConfig) return fromConfig;
+
+  return 9222;
 }
 
 export function runPipelinePreflight(workspaceRoot) {
   const searchDir = resolveSearchCliDir(workspaceRoot);
   const screenDir = resolveScreenCliDir(workspaceRoot);
   const screenConfigPath = resolveScreenConfigPath(workspaceRoot);
-  const loaded = pathExists(screenConfigPath) ? loadScreenConfig(screenConfigPath) : null;
-  const debugPort = loaded?.ok ? resolveDebugPort(loaded.config) : resolveDebugPort(null);
-  const calibrationPath = loaded?.ok
-    ? (loaded.config.calibrationFile
-      ? path.resolve(path.dirname(screenConfigPath), loaded.config.calibrationFile)
-      : getUserCalibrationPath())
+  const rawConfig = readScreenConfigJson(screenConfigPath);
+  const debugPort = resolveWorkspaceDebugPort(workspaceRoot);
+  const calibrationPath = rawConfig?.calibrationFile
+    ? path.resolve(path.dirname(screenConfigPath), rawConfig.calibrationFile)
     : getUserCalibrationPath();
   const checks = [
     {
@@ -354,7 +367,7 @@ export async function runScreenCli({ workspaceRoot, screenParams }) {
   const calibration = loaded.config.calibrationFile
     ? path.resolve(configBaseDir, loaded.config.calibrationFile)
     : getUserCalibrationPath();
-  const debugPort = resolveDebugPort(loaded.config);
+  const debugPort = resolveWorkspaceDebugPort(workspaceRoot);
 
   const outputName = `筛选结果_${Date.now()}.csv`;
   let outputPath = outputName;