crewAI-examples 招聘 Crew 示例｜多 Agent 候选人检索评分与触达策略演示

该条目来自 crewAI-examples 仓库中的 recruitment 示例，用于演示如何用 CrewAI 编排多个角色 Agent，串起一个招聘初筛流程。需要明确：它是需要编程配置与运行的多 Agent 示例项目，不是现成 SaaS 产品，也不提供图形界面。该仓库已标记为归档状态，因此不应当视为持续维护的项目，后续兼容性待核验。

输入为岗位要求文本，以及运行所需的环境变量（参见 .env.example，含 OpenAI 密钥和搜索类工具所需的配置，具体项以仓库文件为准）。输出为一份候选人推荐报告，含画像、评分与触达策略。任务说明中还特别要求不要抓取他人的 LinkedIn 资料。

按 README 说明：复制 .env.example 并配置环境变量；执行 poetry lock && poetry install 安装依赖；按需修改 src/recruitment/main.py、config/agents.yaml、config/tasks.yaml；执行 poetry run recruitment 运行，并输入项目信息。也可执行 poetry run train n 进行训练迭代。项目声明的 Python 版本范围为 3.10 至 3.13，依赖 crewai[tools] 与 selenium，实际版本兼容性待核验。

官方来源：https://github.com/crewAIInc/crewAI-examples/blob/da94a91e691e1cf5b3151416bb15b5b62729bea8/crews/recruitment/README.md

作者/维护方：crewAIInc/crewAI-examples。采集日期：2026-11-13；依据官方资料经AI整理，未安装、运行或实测。

许可说明：README 声明 MIT，仓库元数据标注未声明，存在不一致，再分发前须核实。具体子目录、依赖、模型和在线服务各自适用其条款。本站提供原创说明和来源入口，不随本文分发源码或凭据。

适合已具备 Python 基础、想学习 CrewAI 多 Agent 顺序流程（sequential process）写法的开发者，或希望参考“检索—评分—触达—报告”任务拆分思路的技术人员。不适合希望开箱即用的 HR 业务人员。

配置中定义了四个 Agent：

1. researcher（候选人研究员）：调用搜索工具、网页抓取工具和 LinkedIn 工具，找出约 10 名候选人的联系信息与简要画像。
2. matcher（匹配评分者）：按岗位要求对候选人打分排序并给出理由。
3. communicator（触达策略）：产出触达方式与话术模板。
4. reporter（报告专员）：汇总前三个任务的上下文，生成候选人推荐报告。

四个任务以顺序流程依次执行，岗位要求通过 {job_requirements} 变量注入。

输入某岗位的职责与任职要求，运行后得到一份排序后的候选人名单与推荐报告草案，供招聘人员人工复核后再决定是否联系。

• README 明确提示：该示例使用 cookie 登录 LinkedIn，仅作为 selenium 工具的演示，真实场景使用可能违反 LinkedIn 服务条款并导致账号封禁，作者不鼓励用于真实业务。
• 默认使用 GPT-4o，切换模型可能产生不同费用，费用与额度以服务商实际计费为准，待核查。
• 需要 OpenAI 及搜索类工具的 API 密钥；国内网络访问相关服务可能受限，待核验。
• 招聘场景中该示例只能产出建议，不得用于自动录用或淘汰决定，须由人工审核；涉及个人信息处理需遵守当地法规。
• 不得自动发送触达消息，须经人工授权。
• 许可：README 称采用 MIT License，但仓库元数据标注为未声明许可，两者存在不一致，再分发前须核实。

本文未做实际运行验证，运行结果与适配情况待核查。