AI导哈

职位发现代理

一个用于职位发现、简历分析和实时匹配评分的自主代理工作流，具有高可用性和多LLM提供商回退链。

  • by Kunal04041
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Kunal04041/Autonomous-AI-Job-Scout-Bot-Telegram-Render-MCP-Openclaw

使用说明

Telegram工作侦察员

用于作业发现、简历分析和实时匹配评分的自主代理工作流程。该系统专为高可用性而设计，具有多提供商LLM回退链和弹性的API密钥轮换策略。

建筑

graph TD
    User((User)) -- Telegram --> Bot[Telegram Bot]
    subgraph Core Engine
        Bot --> Orch[LLM Orchestrator]
        Orch --> Fallback{Fallback Chain}
        Fallback -- 1 --> Gemini[Gemini 1.5 Flash]
        Fallback -- 2 --> GPT4[GitHub GPT-4.1]
        Fallback -- 3 --> OpenRouter[OpenRouter / Groq]
    end
    subgraph MCP Tool Layer
        Orch --> JS[Job Search Tool]
        Orch --> RA[Resume Analyzer]
        Orch --> FS[Fit Scorer]
        JS --> JAPI[JSearch API]
    end
    subgraph Infrastructure
        Bot -- Health Check --> Render[Render Web Service]
        Cron[Cron-job.org] -- Keep Alive --> Render
    end
层 技术 目的
接口 Telegram Bot 用户交互和文件处理
逻辑 Python/OpenClaw 代理编排和工具执行
搜索 JSearch API 来自LinkedIn/Everly/Glassdoor的实时工作数据
脑 多LLM 结构化分析和评分
托管 提供全天候部署，并进行健康检查监控

主要特点

  • 弹性回退：如果达到速率限制，则自动在6+个LLM提供商（Gemini、GitHub、Groq、SambaNova、OpenRouter）之间轮换。
  • API键旋转：支持每个提供商使用多个密钥，以实现不间断服务。
  • 零成本部署：使用Render的免费层和cron作业心跳，针对100%免费托管进行了优化。
  • 简历匹配度评分：基于技术重叠和经验的即时0-100分。

安装说明

1.环境配置

创建一个 .env 包含以下变量的文件：

# Bot Configuration
TELEGRAM_BOT_TOKEN=your_bot_token
PORT=8080

# Job Search
JSEARCH_API_KEY=primary_key
JSEARCH_API_KEY1=backup_key

# LLM Providers
GITHUB_TOKEN=primary_token
GITHUB_TOKEN1=backup_token
OPENROUTER_API_KEY=your_key
GEMINI_API_KEY=your_key
SAMBANOVA_API_KEY=your_key

2.本地设置

git clone https://github.com/Kunal04041/OpenClaw-Integrated-MCP-Server-for-Job-Discovery-Resume-Fit-Scoring.git
pip install -r requirements.txt
python telegram_bot.py

3.部署（渲染）

  • 服务类型：Web服务
  • 构建命令: pip install -r requirements.txt
  • 开始命令: python telegram_bot.py
  • 健康检查：使用 cron-job.org 每10分钟ping一次渲染URL以防止睡眠。

项目结构

.
├── telegram_bot.py     # Main entry point and bot logic
├── Procfile             # Deployment manifest
├── requirements.txt     # Dependencies
├── mcp-server/          # Multi-Model Logic
│   ├── llm_service.py     # Fallback and rotation logic
│   ├── job_search.py      # JSearch API integration
│   ├── resume_analyzer.py # LLM-based analysis
│   └── fit_score.py       # Fit calculation
└── README.md

相关 MCP