job-matcher-skill

job-matcher

English | 中文

版本文档：更新记录 · v2.4.0 发布说明 · v2.3.0 发布说明 · v2.2.0 发布说明 · v2.1.0 发布说明 · v2.0.0 发布说明

一个 agent skill（Claude Code 与 Codex 通用）：输入简历(CV) + 求职意向，自动抽取简历字段、组合使用模型/Web 搜索与 BrowserOS Neo 或用户浏览器检索匹配职位，生成一份可交互的 HTML 报告。

是 JobRadar 的轻量版——默认同时使用模型搜索和可用的本机浏览器；浏览器提供者优先选择 Agent 已连接的 BrowserOS Neo，再降级到已授权用户浏览器，也可选接入 BYOK 隔离浏览器作为抓取兜底。

✨ 功能

• 📄 简历解析：支持 PDF / DOCX / TXT / MD，或直接粘贴文本（不做 OCR）。
• 🧠 结构化抽取：抽取目标职位、技能、资历(seniority)、地点、语言等，自动按相关年限定级。
• 🌍 全球地区：6 个精选市场（ie / uk / cn / de / us / nl，带本地招聘站与城市目录）+ 212 个通用市场（geo_countries.json 中的每个国家/地区，含主要城市别名）。通用市场经 ATS 结构化通道与 Web 搜索覆盖；职位最多的 10 个通用市场（印度、加拿大、法国、新加坡、日本、西班牙、澳大利亚、波兰、巴西、意大利）另有已验证的本地招聘站，浏览器通道也可用；地点无法识别时仍会停下追问。
• 🗣️ 按市场语言搜索与初筛：法国用法语、日本用日语、巴西用葡语、西语国家用西语、韩国用韩语、意大利用意大利语、波兰用波兰语，荷兰与比利时加上荷兰语，并保留英语；当地语言的职位标题与资历词（Sénior、Pleno、シニア、Stage…）都能识别。词表外的角色由 agent 翻译后经 localized_roles 进入搜索和初筛。地点也按各语言写法识别（Varsovie、Múnich、ワルシャワ、밀라노、Monachium），带不带重音都行。报告界面支持同样的 11 种语言。
• 🔎 实时职位检索：默认并行运行浏览器平台搜索与模型/Web 搜索；浏览器按 Neo → 用户浏览器选择提供者，平台由地区来源目录动态规划，不在代码中硬编码站点 selector。
• 🎯 5 维匹配打分：title / seniority / skills / location / must-have，输出五档投递建议（强烈投递→跳过）。资历硬规则与契约校验拦截打分漂移。
• 🗂️ 增量缓存：CV、JD、匹配分三层缓存；多来源同职位自动聚合（含区域平台 job-id 强命中）；换 query 自动失效重算。
• 🛡️ 不可信输入隔离：搜索结果与 JD 正文按纯数据处理并忽略其中指令；报告内嵌 JSON 转义、链接限 http(s)。
• 📊 可交互报告：两栏布局（左职位列表 30% + 右详情 70%）+ 评分徽章 + 深色模式 + 排序/搜索 + 市场/来源/验证状态筛选 + 多来源发现证据 + 7/30 天运行健康快照 + 界面支持中/英/德/法/西/葡/日（随 report_language，页内可切换），自包含单文件 HTML。
• 🌐 可选隔离浏览器：Kernel BYOK 作为最终抓取兜底，支持受限列表翻页、视觉控制和 Live View 人工接管；默认关闭，CI 使用 Fake Provider。

🏗️ 架构

• 主 agent = 编排者：调脚本、融合 query、追问用户、spawn subagent。
• subagent 承担重上下文工作（CV 抽取 / 搜索 / 打分）：大块原始文本留在 subagent，主上下文只搬「路径 + 小 JSON」，保持整洁。
• Python 脚本承担确定性工作：解析、校验、去重聚合缓存、失效验证、渲染。
• 并行计算、串行提交：第 N 批评估与第 N+1 批搜索并行发出（批间重叠）；jobs_table.json 只有一个写入路径，使用评估快照、跨进程锁和原子替换防止丢失更新。超龄未完成的快照会在下次 merge 时作废回收，职位不会永久卡在评估中。

CV + query
   │ [脚本] extract_cv          → 纯文本 + cv_hash
   │ [缓存检查]                 → 命中则跳过抽取
   │ [subagent] 抽取 CVProfile  → [脚本] validate_profile
   │ [主agent] 融合 query       → search_plan + candidate_profile
   │ [发现计划] 浏览器平台+模型/Web+可选ATS → [脚本] merge_jobs(去重/聚合/缓存+评估快照)
   │ [并行 subagent] 粗排→精排抓JD+5维打分 + 失效验证 → [脚本] 条件化回写
   │ [脚本] render_html         → report.html + report_data.js（自动打开）
   ▼
可交互 HTML 报告

容错阶梯（失效验证 & JD 抓取共用）：WebFetch → requests 静态抓 → 本机 headless → 可选远程隔离浏览器 → 标注未验证不阻塞。

📁 结构

job-matcher/
├── SKILL.md              # 触发描述 + 本运行时的能力映射
├── WORKFLOW.md           # agent-中立完整流程（只写做什么，每轮都读）
├── config.json           # 配置旋钮
├── docs/rationale.md      # 每条编号规则的理由与实测（只在改规则/排查时读）
├── docs/ats-protocol.md   # ATS/结构化通道协议（由脚本执行）
├── docs/remote-browser-protocol.md  # Kernel 远程浏览器（默认关闭）
├── docs/phase-c-legacy.md # 已被取代的双 route 入口
├── docs/shadow-and-smoke.md  # Phase D2 smoke 与 Phase E shadow 门
├── docs/monitoring.md     # 运行指标、阈值与健康汇总
├── docs/roadmap.md        # 版本更新期望：已知缺口与下一版验收标准
├── tools/                # 门禁与基准；正常一轮一条都不跑
│   ├── _bootstrap.py     # 把 scripts/ 放上 import 路径（工具测的就是生产模块）
│   ├── browser_candidate_smoke.py # 临时 store 验证浏览器候选与 merge，不污染正式数据
│   ├── multi_region_smoke.py # 显式、计数型每市场一槽的公开来源 smoke
│   ├── global_coverage_smoke.py # 显式、计数型：注册表 ATS board 实际覆盖哪些国家（精选 vs 加通用市场）
│   ├── shadow_gate.py        # Phase E 幂等 shadow 台账与逐市场发布门
│   ├── shadow_compare.py     # 只读计算增量、交集、JD 与潜在 Top-N
│   ├── benchmark_pipeline.py # 固定小数据集核心/Fake Provider 基准
│   ├── benchmark_ats.py      # 复用生产适配器的公开 ATS 有界回归
│   ├── benchmark_ats_e2e.py  # 固定 Web 对照组与 Web+ATS 受控 A/B
│   ├── benchmark_ats_quality.py # 三供应商 JD/评分质量审计
│   └── benchmark_ats_compression.py # ATS HTTP 压缩交错 A/B
├── references/           # subagent 按需读取的指令
│   ├── cv_schema.md          # CV 抽取规则
│   ├── scoring_rubric.md     # 5 维打分 + 五档阈值
│   ├── search_playbook.md    # fan-out / 分市场 / 自适应分批
│   ├── markets.json          # 精选市场的城市、语言与 query 模板
│   ├── geo_countries.json    # 通用市场：精选市场以外的每个国家/地区，含主要城市、搜索语言、行政区
│   ├── role_taxonomy.json    # 角色族：每种语言的标题/同义词（搜索与初筛共用）与技能门槛泛化边
│   ├── languages.json        # 可搜索语言：代码、别名、Web 搜索模板（语言集以本文件为准）
│   ├── model_tiers.json      # 型号 ↔ 档位映射，供子代理按 min_tier 选型
│   ├── source_seeds.json     # 已验证的公开来源种子（不含凭据）；市场由 markets.json 决定
│   ├── multi_region_smoke_plan.json # Phase D2 固定来源与请求硬上限
│   ├── shadow_run.schema.json # Phase E 计数型 shadow 证据契约
│   ├── shadow_compare.schema.json # Phase E 临时候选对照输入契约
│   ├── shadow_run_v2.schema.json # Phase E shadow 证据契约 v2
│   ├── shadow_compare_v2.schema.json # Phase E 候选对照输入契约 v2
│   ├── candidate_envelope.schema.json # Phase C 发现候选契约
│   ├── ats_phase1_boards.json # ATS 小基线公开公司样本
│   └── ats_phase5_quality_boards.json # 三供应商质量小样本
├── scripts/              # 确定性 Python 脚本
│   ├── extract_cv.py         # 解析 CV → 文本 + hash
│   ├── validate_profile.py   # 校验 + seniority→levels 映射
│   ├── market_plan.py        # 校验市场资源并生成确定性多地区计划
│   ├── discovery_mode.py     # 只读能力状态的发现模式选择与安全降级
│   ├── discovery_plan.py     # 连接市场/健康/来源目录并生成多通道执行任务
│   ├── discovery_batch.py    # 校验所有任务结果，一次 merge 并决定是否扩展下一批
│   ├── local_browser_probe.py # 校验 Agent 已观察到的本机浏览器工具面
│   ├── local_browser_panel.py # localhost 设置、状态与闪烁人工提醒面板
│   ├── cookie_consent.py    # accessibility Cookie 语义分类；仅必要或暂停
│   ├── source_registry.py    # 来源种子校验、健康状态、迁移与确定性来源计划
│   ├── candidate_contract.py # 严格校验 Phase C CandidateEnvelope
│   ├── candidate_handoff.py  # 【已弃用】旧双 route 入口，被 discovery_batch.py 取代
│   ├── analysis_contract.py  # 校验 JDProfile/MatchScore worker 输出
│   ├── merge_jobs.py         # 单写入器：去重/缓存/评估快照/条件化回写
│   ├── runtime_metrics.py    # PII-safe JSONL 指标与健康计算
│   ├── search_metrics.py     # Web Search 页级计数与耗时指标
│   ├── summarize_metrics.py  # 7/30 天 Markdown/JSON 健康报告
│   ├── round_timer.py        # 整轮计时，按编排模式对比墙钟
│   ├── subagent_metrics.py   # 按档位为子代理选型号、记录实际执行指标
│   ├── browser_provider.py   # Kernel/Fake Provider 与安全配置
│   ├── browser_control.py    # 远程视觉浏览器控制命令；本机浏览器动作的指标自报路径
│   ├── browser_setup.py      # 一次性 localhost 配置页面
│   ├── browser_workflow.py   # 列表翻页/暂停状态机
│   ├── ats_provider.py       # Ashby/Greenhouse/Lever/Workday + amazon.jobs 公开只读适配器与 Fake
│   ├── job_prefilter.py      # 角色/地点/资历确定性初筛，三个通道共用一份规则
│   ├── rejected_log.py       # 被初筛拒过的身份标记（只用于统计重复，从不用来跳过初筛）
│   ├── ats_pipeline.py       # ATS 标识库、同步与候选归一化
│   ├── ats_handoff.py        # ATS 正文内存直送统一 merge，避免主上下文暴露
│   ├── source_reverify.py   # 过期网页来源续期：查 robots 后 GET 入口页一次，经注册表事件写回
│   ├── board_harvest.py      # 从职位 URL 反推 ATS board，复验后写入来源注册表
│   ├── seed_promotion.py    # 把已复验的采集来源提升进版本控制的种子目录
│   ├── cp_hash.py            # 稳定的 candidate_profile hash
│   ├── verify_jobs.py        # 失效职位状态码检测
│   ├── check_robots.py      # 按 RFC 9309 读 robots.txt，回答某个 URL 站点是否允许抓取
│   ├── fetch_rendered.py     # headless 渲染兜底（复用系统浏览器）
│   ├── render_html.py        # 渲染 HTML 报告
│   ├── _jobutil.py           # 共享：归一化/去重键/URL 规范化
│   ├── _filelock.py          # 共享：跨进程独占文件锁（所有本地存储）
│   └── _stdio.py             # 共享：stdout/stderr 钉成 UTF-8；stdin 读取有上限，不会无限等待
├── assets/template.html  # 静态报告模板（Tailwind + 纯 JS），原样复制为 report.html
├── assets/report_strings.json  # 报告界面文字，每种语言一张表，每轮写入 report_data.js
└── data/                 # 运行时数据（.gitignore，含 PII）

多地区 Phase A/B/C 目前仍是显式入口：python scripts/market_plan.py validate 校验版本化市场/角色配置，python scripts/market_plan.py plan 从 stdin 接收 {cv_profile,user_intent} 并生成 markets.json 所列市场的市场、语言、地点与 Web query 计划，同时报告 target_roles 与 roles_source； python scripts/market_plan.py effective-profile 吃同一份输入，输出把已解析角色写入 roles 键的 profile——确定性初筛读的就是这一份，不经过它就会出现「按用户意图去搜、 按 CV 角色去筛」的两套答案。python scripts/source_registry.py validate 校验公开来源种子；init 在 data/source_registry.json 原子合并种子，并在旧 data/ats_companies.json 存在时只读迁移； plan --markets ie uk 只返回 enabled + verified + TTL 未过期 的确定性来源（结构化来源过期仍列入，抓取即复验；网页来源由 source_reverify.py 续期），每个全球来源 只出现一次。它们都不执行搜索或修改职位表，因此旧单地区 Web Search/ATS/merge/报告流程 保持兼容。Phase C 编排者可让 regional_registry 与 agent_web_search 同时开始，待两条 route 都回报成功、失败或跳过后，把同一 batch_id 的严格 CandidateEnvelope 交给 candidate_handoff.py；它先经唯一 merge_jobs.py 写职位与评估快照，再幂等提交来源状态。 契约与回滚见 docs/multi-region-phase0-baseline.md、 docs/source-registry-phase-b.md 和 docs/multi-region-phase-c.md。 Phase D1 的离线报告契约见 docs/multi-region-phase-d1.md。 Phase D2 的有界公开来源 smoke、隐私边界与本次证据见 docs/multi-region-phase-d2.md；它必须显式传 --live，不会进入默认 CI 或生产发现路径。 Phase E 的 count-only shadow 契约、逐市场门槛和当前未达标状态见 docs/multi-region-phase-e.md。 multi_region_enabled 默认仍是 false；因此 Phase C 不会自动替换现有单地区流程。

发现模式 Phase 1+2 提供 discovery_mode.py plan|event 与 local_browser_probe.py probe 的确定性契约。默认 coverage 同时运行模型/Web 搜索与一个 已连接、已授权且可执行的浏览器提供者，浏览器内部按 BrowserOS Neo → 用户浏览器选择；旧 auto 保留单 route 兼容行为，browser_only 绝不静默改用模型搜索。discovery_plan.py 再把 market plan、URL-free 健康计划和公开来源目录连接成有界 browser/Web/structured 任务。探测基于 Agent 已暴露的工具面，不扫描端口、浏览器配置、Cookie 或现有标签页；实际发现使用专用标签页， 候选仍进入同一 CandidateEnvelope/merge 主表。详见 docs/discovery-mode-phase1.md 与 docs/local-browser-phase2.md。浏览器 route 可运行 python scripts/local_browser_panel.py serve 打开 loopback 控制面板：它只保存模式和低基数状态， 登录/验证/consent/限流时闪烁并等待用户恢复；详细契约见 docs/local-browser-phase3-panel.md。现有 Kernel 远程浏览器仍只是 单独的可选抓取兜底，不会代替用户本机的登录会话。

DiscoveryPlan 把跨通道任务分成确定性波次；Agent 先只执行 initial_wave_id。每个当前波次 task 完成后，discovery_batch.py 要求其恰有一个终态，校验候选与 task 的 route/source/market/language 一致性，再把该波次所有通道候选一次性交给现有单写入 merge。 它的脱敏 manifest 支持中断恢复，并按新增唯一候选、计划内剩余波次和现有停止阈值决定是否返回 next_wave_id；调用方不能自行覆盖。该决策只控制发现扩展，不等同于 JD 完整或 CV 匹配合格。 2026-09-21 的有界运行时 smoke 已分别验证 BrowserOS Neo MCP 主路径和用户 Chrome 降级路径的 专用标签页 create/navigate/read/close；当 Neo 可用时浏览器提供者会选择 Neo。LinkedIn 实测还验证了 登录暂停、面板提醒/恢复、登录态复用和同标签页受限搜索；后续单候选 smoke 已通过受限主区域读取、 详情存活验证、CandidateEnvelope 和临时 merge；三候选同页批次也完成 3/3 provenance 保留。 2026-09-22 又完成了一次真实 CV、Dublin-first Ireland 的三波生产运行：12 个任务全部到达终态， 两个强身份候选进入正式 merge、JD 评分和 HTML 报告。该运行同时发现，Neo MCP 直接操作尚未写入 仓库 browser 指标，因此报告健康状态会正确显示 unknown；站点 host alias、歧义 consent、 自定义 combobox、跨页翻页、CAPTCHA 和限流恢复仍是 gate。证据边界见 docs/local-browser-phase4-smoke.md。确定性首波的 Neo + Web Search 联合 smoke、consent 暂停、三波继续/停止决策以及临时单写入 merge 的证据见 docs/discovery-wave-live-smoke.md；完整生产试运行见 docs/browseros-neo-production-trial-2026-09-22.md。

脚本分工

scripts/ 共 19,900 行，不是一条路径。改动前先看清一个脚本属于哪一类：

弃用中：candidate_handoff.py（旧双 route 入口，已被 discovery_plan.py + discovery_batch.py 取代，输出带 deprecated: true）、search_metrics.py（只剩不经 discovery batch 的独立诊断用途）。

🚀 使用

克隆到个人 skill 目录（目录名用 job-matcher，与 skill 名一致）：

# Claude Code
git clone https://github.com/sangowu/job-matcher-skill ~/.claude/skills/job-matcher
# Codex
git clone https://github.com/sangowu/job-matcher-skill ~/.agents/skills/job-matcher

agent 会自动识别。然后在对话里：

这是我的简历 D:\cv.pdf，帮我找远程后端职位

或直接粘贴简历文本 + 求职意向。skill 会走完整流程并在浏览器打开报告。

⚙️ 配置

config.json 集中所有旋钮：

python scripts/version_check.py 会比较本地 pyproject.toml 版本、Git commit 与 GitHub main，结果缓存到已忽略的 data/version_check.json。它不读取或上传 CV/JD/搜索数据，不需要 GitHub token，也不会自动更新文件；离线、超时或限流只返回 unknown，不阻断职位流程。需要绕过缓存做只读诊断时使用 python scripts/version_check.py --force。

运行时只保留一个职位主表 data/jobs_table.json。record_id 是稳定记录/评估主键，identity_keys 保存平台职位 ID；公司 + 标题 dedup_key 仅作兼容弱匹配。两个不相交的强 ID 不会因同公司同标题而误合并，弱键匹配还要求地点兼容且结果唯一。旧表会在下一次 merge/update 时原位补齐身份字段。每轮待评估职位写入最小化快照 data/eval_runs/<run_id>.json；ATS 已返回 JD 时，正文只临时存在对应任务快照，主表只保存内容 hash，worker 可直接分析并跳过网页抓取。单个任务完成即清除正文，整轮完成后快照释放，仅在 history.jsonl 留下不含 CV/JD 正文的摘要。每次 merge/update 另写一条 PII-safe data/metrics.jsonl 事件。

远程浏览器为可选功能。安装依赖后运行一次性本地设置页；页面只绑定 127.0.0.1，连接测试成功后把 API Key 保存到系统密钥库，非敏感设置保存到已忽略的 data/browser_provider.json：

python -m pip install "kernel>=0.94,<1" keyring
python scripts/browser_setup.py
python scripts/browser_control.py test

无界面环境也可通过 KERNEL_API_KEY 提供密钥。控制脚本的 create/screenshot/click/type/press/scroll/close 供 browser 子代理进行视觉控制；Live View URL 只临时返回，不写入指标或文件。

📈 运行监控

python scripts/summarize_metrics.py --days 7 --format markdown
python scripts/summarize_metrics.py --days 30 --format json
python scripts/summarize_metrics.py --fail-on-breach

报告包含 run 完整性、Web Search 调用/有效候选、吞吐/缓存、评估成功/拒绝/冲突率、子代理实际模型/effort/token/成本覆盖、浏览器与 ATS 计数、命令与锁等待分位数及积压状态。阈值违规为 degraded；缺失必需事件时健康状态为 unknown，不会误报 healthy。CLI 的 --fail-on-breach 对两种情况都返回退出码 2。字段定义见 运行时监控文档，设计与后续 A/B 门槛见 run-scoped 指标契约。

整轮墙钟另行采集——脚本级耗时相比编排者在两次调用之间的搜索与评估工作可以忽略，无法回答「批间重叠值不值」：

python scripts/round_timer.py start          # → {"run_id": "round-...", "round_id": "round-..."}
python scripts/search_metrics.py --ok --run-id <R> --query-slot q1 --duration-ms 120
python scripts/round_timer.py finish --round-id <R> --orchestration overlapped|serial --expect subagent

汇总按编排模式给出 p50/p95 与 overlap_saving_pct；两种模式都有样本前显示 n/a。

monitoring_thresholds.unfinished_run_age_minutes_max 控制未完成 run 何时被判为陈旧并令健康状态变为 unknown；默认 120 分钟。

版本性能回归使用固定 15 职位冷数据集和 10 个 Fake 会话：python tools/benchmark_pipeline.py --output <json> --baseline docs/performance/v2.2.0-small-baseline.json。输出同时包含原始迭代、p50/p95、绝对变化和相对变化；不会调用真实 Web Search 或云 Provider，并验证三家 Fake ATS 的 JD 均进入临时任务、主表零正文。强身份迁移基准见 docs/performance/strong-job-identity-baseline.md，三家 ATS 离线管道基准见 docs/performance/ats-phase2-fake-baseline.md，Phase 4 交接基准见 docs/performance/ats-phase4-jd-handoff.md，真实三条五维抽检见 docs/performance/ats-phase4-live-quality.md。固定 Web 候选对照组与受限真实 ATS 的 discovery-to-merge A/B 使用 python tools/benchmark_ats_e2e.py --web-candidates <json> --profile <json> --output <json>；它会发出公开 ATS 请求，必须显式提供本地输入并遵守生产硬上限。结果与限制见 docs/performance/ats-phase3-controlled-e2e.md。三供应商 JD 质量复核可先用 python tools/benchmark_ats_quality.py collect ... 创建不提交的本地样本，再用 audit 生成计数型门禁报告；本次小样本结果与限制见 docs/performance/ats-phase5-multiprovider-quality.md。ATS HTTP 压缩可用 python tools/benchmark_ats_compression.py --output <json> --pairs 3 做相同结果集的交错 A/B；本次三供应商实测中位传输量减少 79.31%，内容指纹、职位数与请求数均相同，详见 docs/performance/ats-http-compression-ab.md。

ATS Phase 2 的生产增强管道由 ats_enabled 控制（当前默认开启；是否派发 structured 任务由本轮市场在来源目录里有没有 structured 来源决定，false 只是关闭开关）。Web Search 或浏览器候选里的官方 ATS 职位 URL，由 discovery_batch.py 在每波合并后自动经 board_harvest 复验并登记进来源注册表，无需手动操作；不经 discovery batch 的旧路径仍可用 python scripts/ats_pipeline.py discover 写入本地标识库；Greenhouse 同时识别 job-boards.eu.greenhouse.io 的公开职位页，但公开 API 仍使用官方 boards-api.greenhouse.io。启用后用 sync --profile <cv-profile.json> 同步已到期 board，或用 run --profile ... 一次完成发现与同步。管道只做公开 GET，默认请求 gzip 并同时限制压缩响应与解压后正文大小，按标题/地点/资历确定性初筛；单独的 AI 产品/团队后缀不是有效岗位匹配，明确的 AI evaluation、AI systems、agent systems 等岗位短语才作为 AI 方向信号。Phase 4 会把 ATS 已提供的 JD 清洗并限制为 50,000 字符，通过同一 merge_jobs.py 的本地 run 快照交给精排 worker；有正文的任务跳过网页抓取，没有正文的任务继续走原容错阶梯。Web 与 ATS 仍共用职位主表和分析缓存，主表只留 JD hash。Phase B 初始化通用 data/source_registry.json 后，ATS 控制状态只写通用 registry，旧 data/ats_companies.json 保持只读；通用 registry 不存在时仍回退旧文件。data/ats_sync_state.json 继续保存低敏同步摘要。ATS 预算独立于 Web Search；跨 board 可并发，Lever 单 board内顺序翻页。Greenhouse 的 content=true 响应超过 25 MB 时可在同一全局请求预算内降级重试不含正文的列表，并记录 content_fallback。公开 API 回归仍使用 python tools/benchmark_ats.py --output <json> --page-size 50 --max-pages 10，且脱敏证据不保存职位正文、标题或 URL。详见 docs/ats-provider-phase1.md。

🔧 依赖

• Python 3.10+
• 必需：pdfplumber python-docx requests
• 可选：playwright（headless 兜底，复用系统已装的 Chromium 系浏览器，无需 playwright install）
• 可选远程浏览器：kernel、keyring

pip install pdfplumber python-docx requests
pip install playwright   # 可选
pip install "kernel>=0.94,<1" keyring  # 可选远程浏览器

Built with Claude Code.