Ai Hr Management Toolkit

AI HR 管理工具包

AI 驱动的简历解析器和完整的申请人跟踪系统，包含 21 个 MCP 工具。解析 PDF、提取技能、检测模式、评估候选人，并管理完整的招聘流程——所有操作都可通过 AI 助手完成，无需手动处理。

在线演示： https://ai-hr-management-toolkit.vercel.app

---

这是什么？

你有 50 份简历需要筛选。AI 助手可以分析候选人，但无法打开 PDF、提取结构化数据或跟踪招聘流程阶段。这个工具包可以弥补这一差距。

为 AI 助手提供覆盖整个招聘工作流的 21 个工具：

• 将 PDF、DOCX、TXT、Markdown 和 URL 解析为结构化 JSON
• 通过算法提取技能、经验、关键词和实体
• 根据职位描述为候选人评分并排序
• 运行完整的 ATS：职位、候选人、面试、录用通知、备注和分析

21 个工具中有 20 个完全由算法实现——无需调用大模型，也不需要 API 密钥。AI 会调用工具、解读结果并提供分析。你只需提问即可。

---

快速开始（MCP 客户端）

无需安装。将 MCP 客户端指向此软件包：

Claude Desktop — 编辑 %APPDATA%\Claude\claude_desktop_config.json（Windows）或 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）：

{
  "mcpServers": {
    "ai-hr-management-toolkit": {
      "command": "npx",
      "args": ["-y", "mcp-ai-hr-management-toolkit"]
    }
  }
}

使用示例：

Cursor — 在项目根目录的 .cursor/mcp.json 中添加：

{
  "mcpServers": {
    "ai-hr-management-toolkit": {
      "command": "npx",
      "args": ["-y", "mcp-ai-hr-management-toolkit"]
    }
  }
}

VS Code Copilot — 在项目根目录创建 .vscode/mcp.json：

{
  "servers": {
    "ai-hr-management-toolkit": {
      "command": "npx",
      "args": ["-y", "mcp-ai-hr-management-toolkit"]
    }
  }
}

VS Code 用户： 请在包含 package.json 的目录（即任何项目根目录）中运行 npx 命令。如有需要，可以通过 .vscode/mcp.json 中的 cwd 键覆盖工作目录。

Windsurf / 其他 MCP 客户端 — 使用上面相同的 npx 模式。

---

安装选项

选项 1：NPX（零安装，推荐）

可在任意项目目录中运行（工作目录中需要有 package.json）：

{
  "mcpServers": {
    "ai-hr-management-toolkit": {
      "command": "npx",
      "args": ["-y", "mcp-ai-hr-management-toolkit"]
    }
  }
}

选项 2：全局安装

安装一次，即可从任意目录使用：

npm install -g mcp-ai-hr-management-toolkit

{
  "mcpServers": {
    "ai-hr-management-toolkit": {
      "command": "mcp-ai-hr-management-toolkit",
      "args": []
    }
  }
}

选项 3：远程 HTTP 端点

部署 Next.js 应用并使用 Streamable HTTP 传输：

https://your-domain.com/api/mcp

本地测试：

npx @modelcontextprotocol/inspector http://localhost:3000/api/mcp

选项 4：本地开发（Web UI + MCP）

git clone <repo-url>
cd Resume-parser
npm install
npm run dev

Web UI 位于 http://localhost:3000。MCP 端点位于 http://localhost:3000/api/mcp。无需 .env——可在 UI 中配置 API 密钥，或在每次工具调用时传入。

---

全部 21 个 MCP 工具

所有工具都会返回结构化 JSON，并附带 next_steps 提示，帮助 AI 知道下一步要调用什么。

简历解析与导入

工具	功能	AI？
parse_resume	解析 PDF / DOCX / TXT / MD / URL → 原始文本 + 联系方式、关键词、章节映射	否
batch_parse_resumes	一次调用解析最多 20 个文件，并对每个文件运行完整流程	否
inspect_pipeline	运行 5 阶段分析流程 → 置信度评分、实体数量、数据质量报告	否

统一分析

工具	功能	AI？
analyze_resume	综合分析工具，可选择分析维度：keywords（TF-IDF + 双词组）、patterns（日期范围、指标、团队规模、职业发展轨迹）、entities（包含 12 种类型并支持上下文消歧的命名实体识别）、skills（包含 13 个类别并估算熟练程度）、experience（结构化时间线）、similarity（与职位描述进行余弦相似度、Jaccard 相似度和 TF-IDF 重合度比较），或 all	否

analyze_resume 将此前分开的 7 个工具（extract_keywords、detect_patterns、classify_entities、extract_skills_structured、extract_experience_structured、compute_similarity、analyze_resume_comprehensive）整合到一个入口，并支持选择分析维度。

候选人匹配与评分

工具	功能	AI？
assess_candidate	根据最多 8 个加权评估维度打分 → 得出加权总分，并作出通过 / 复核 / 拒绝的决定	可选

导出与通知

工具	功能	AI？
export_results	将结构化解析结果导出为 JSON 或 CSV	否
send_email	通过 SMTP 发送结果（每次调用时传入配置，不在服务端存储机密信息）	否

ATS — 职位

工具	功能	AI？
ats_manage_jobs	对职位发布进行完整的 CRUD 操作：创建、读取、更新、删除、列出，以及按职位名称 / 部门 / 状态搜索	否

ATS — 候选人与招聘流程

工具	功能	AI？
ats_manage_candidates	CRUD + 分析：添加、更新、移动阶段、批量移动、筛选、排名、比较、建议阶段变更、汇总	否
ats_analytics	统一仪表盘 + 招聘流程分析：阶段分布、转化率、阶段平均耗时、瓶颈检测、录用通知接受率	否
ats_search	对所有 ATS 实体（候选人、职位、面试、录用通知、备注）进行全局全文搜索	否

ATS — 面试

工具	功能	AI？
ats_schedule_interview	创建、更新和删除面试，并检测冲突、检查面试官是否有空	否
ats_interview_feedback	提交结构化反馈、计算共识分数，并汇总所有面试官的反馈	否

ATS — 录用通知与备注

工具	功能	AI？
ats_manage_offers	管理完整的录用通知生命周期：草拟 → 待处理 → 已批准 → 已发送 → 已接受 / 已拒绝 / 已过期	否
ats_manage_notes	添加、更新、搜索和删除带时间戳的候选人备注	否

ATS — 企业人力资源

工具	功能	AI？
ats_compliance	EEO/EEOC 报告、GDPR 导出 / 删除、审计跟踪、数据保留政策	否
ats_talent_pool	被动候选人人才库（CRM）：创建人才库、添加 / 移除候选人、搜索、分析	否
ats_scorecard	结构化面试评分卡，支持加权评估标准、各评估者评分和综合排名	否
ats_onboarding	入职后清单：按类别列出任务、指定负责人、跟踪进度、逾期提醒	否
ats_communication	使用 {{variable}} 插值的电子邮件模板、发送 / 预览、沟通历史、统计数据	否

测试与数据填充

工具	功能	AI？
ats_generate_demo_data	生成逼真的 ATS 示例数据集（职位、候选人、面试、录用通知），用于测试	否

assess_candidate 可在你提供 provider + apiKey 时调用大模型；否则会回退到完全基于算法的评分。

---

多轮流程示例

You: "Parse this resume and tell me if they're a good fit for our Senior Engineer role"

AI → parse_resume(file)
     → raw text, contact info, section map

AI → inspect_pipeline(rawText)
     → 5-stage confidence scores, entity classification

AI → analyze_resume(text, aspects=["skills", "patterns", "similarity"], jobDescription=...)
     → 13 skill categories with proficiency levels
     → career trajectory, metrics, date ranges
     → cosine 0.74, skill match 82%, gap analysis

AI synthesizes → "Strong match. 6 of 8 required skills present.
                  Two gaps: Kubernetes and system design at scale.
                  Recommend: Technical Screen"

---

分析流水线

每份简历都会经过一个包含 5 个阶段的算法流水线：

┌─────────────┐    ┌──────────────┐    ┌──────────────┐    ┌────────────────┐    ┌───────────────┐
│  Ingestion  │───▶│ Sanitization │───▶│ Tokenization │───▶│ Classification │───▶│ Serialization │
│ (file/URL)  │    │ (noise trim) │    │  (TF-IDF)    │    │ (NER + disamb) │    │ (structured)  │
└─────────────┘    └──────────────┘    └──────────────┘    └────────────────┘    └───────────────┘

1. 摄取 — 使用 pdf-parse v2 处理 PDF，使用 mammoth 处理 DOCX，使用 cheerio 处理 HTML/URL，原生处理纯文本/markdown
2. 清理 — 移除非 ASCII 字符，规范化空白字符，去除格式噪声
3. 分词 — 使用 TF-IDF 处理一元、二元和三元词组；按文档频率评分
4. 分类 — 使用具备领域感知能力的消歧方法进行 NER（例如，“Java”是编程语言还是印度尼西亚城市；“Go”是编程语言还是动词）
5. 序列化 — 将实体映射到带有置信度评分和数据质量指标的类型化 ResumeSchema

---

支持的文件格式

格式	扩展名	解析器
PDF	.pdf	pdf-parse v2
DOCX	.docx	mammoth
纯文本	.txt	直接读取
Markdown	.md、.markdown	基于正则表达式
URL / HTML	任意 URL 字符串	cheerio

文件大小上限：10 MB

---

结构化输出架构

contact        — name, email, phone, location, LinkedIn, GitHub, website, portfolio
summary        — professional summary text
skills[]       — name, category (13 types), proficiency, usage context
experience[]   — company, title, start/end dates, highlights, achievements (with metrics), technologies
education[]    — institution, degree, field, dates, GPA
certifications[] — name, issuer, date, credential URL
projects[]     — name, description, URL, technologies, highlights
languages[]    — spoken language and proficiency

---

Web UI

该应用提供完整的 Web 界面：

选项卡	描述
单份解析	上传一个文件或粘贴 URL。返回结构化数据、流水线可视化结果和 AI 增强分析
批量解析	最多上传 20 个文件。可导出为 JSON / CSV / PDF，或通过电子邮件发送结果
聊天	可访问工具的对话界面 — 针对任何已解析的简历提问
ATS	完整的流水线看板：职位、候选人（看板）、面试、录用和分析仪表板

可通过顶部的选择器切换 AI 提供商。支持 OpenAI、Anthropic、Google、DeepSeek、GLM、Qwen、OpenRouter 和 OpenCode Zen。

---

REST API 端点

所有端点均接受 multipart/form-data，并支持以下可选请求头：

请求头	描述
x-api-key	你的 AI 提供商 API 密钥
x-ai-provider	openai / anthropic / google / deepseek / glm / qwen / openrouter / opencodezen
x-ai-model	特定模型 ID

# Parse a single resume
curl -X POST http://localhost:3000/api/parse \
  -H "x-api-key: sk-..." \
  -F "[email protected]"

# Batch parse (up to 20 files)
curl -X POST http://localhost:3000/api/batch-parse \
  -H "x-api-key: sk-..." \
  -F "[email protected]" \
  -F "[email protected]"

# MCP endpoint (Streamable HTTP)
curl -X POST http://localhost:3000/api/mcp \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","method":"tools/list","id":1}'

# Export parsed data
curl -X POST http://localhost:3000/api/export \
  -H "Content-Type: application/json" \
  -d '{"format":"csv","results":[...]}'

---

技术栈

层	技术
框架	Next.js 16（App Router、Turbopack）、React 19、TypeScript
AI	Vercel AI SDK v6，多提供商支持（OpenAI、Anthropic、Google、DeepSeek、GLM、Qwen、OpenRouter）
MCP	@modelcontextprotocol/sdk v1.29 — Streamable HTTP + stdio 传输方式
解析	pdf-parse v2、mammoth、cheerio
NLP	TF-IDF、NER、余弦相似度、Jaccard 指数（均在进程内运行，无需外部服务）
架构	Zod v4
导出	ExcelJS（CSV/XLSX）、jsPDF + jspdf-autotable
电子邮件	Nodemailer
样式	Tailwind CSS v4、Framer Motion

---

开发

npm install

# Start dev server (Web UI at :3000 + MCP at /api/mcp)
npm run dev

# Build the standalone MCP CLI (stdio transport)
npm run build:mcp

# Build the Next.js app for production
npm run build

# Test MCP with the official inspector
npx @modelcontextprotocol/inspector http://localhost:3000/api/mcp
npx @modelcontextprotocol/inspector node dist/mcp-stdio.js

# Lint
npm run lint

---

项目结构

src/
├── app/
│   ├── page.tsx              # Main UI (tabs, provider selector, chat, ATS)
│   ├── layout.tsx            # Root layout + global styles
│   └── api/
│       ├── parse/route.ts    # Single resume parse
│       ├── batch-parse/route.ts
│       ├── chat/route.ts     # Conversational AI with tool access
│       ├── mcp/route.ts      # MCP server (Streamable HTTP)
│       ├── models/route.ts   # Provider model listing
│       ├── export/route.ts   # JSON / CSV / PDF export
│       └── email/route.ts    # SMTP email
├── components/               # React UI components (parse, batch, chat, ATS)
│   └── ats/                  # ATS-specific views (Kanban, Dashboard, Scheduler…)
└── lib/
    ├── ai-model.ts           # Multi-provider model config (no env fallback)
    ├── mcp-server.ts         # MCP server — registers all 21 tools
    ├── schemas/
    │   ├── resume.ts         # Zod v4 ResumeSchema
    │   └── criteria.ts       # Assessment criteria schema
    ├── analysis/
    │   ├── pipeline.ts       # 5-stage pipeline orchestrator
    │   ├── sanitizer.ts      # Text cleaning
    │   ├── keyword-extractor.ts  # TF-IDF
    │   ├── classifier.ts     # NER with context disambiguation
    │   ├── pattern-matcher.ts    # Regex extraction (metrics, dates, contacts)
    │   └── scoring.ts        # Cosine similarity, Jaccard, skill matching
    ├── parser/
    │   ├── pdf.ts, docx.ts, text.ts, markdown.ts, url.ts
    │   └── index.ts
    ├── ats/
    │   ├── types.ts          # ATS entity types
    │   ├── store.ts          # In-memory ATS state
    │   ├── demo-data.ts      # Realistic seed data generator
    │   └── context.tsx       # React context for ATS state
    └── tools/
        ├── parse-resume.ts       # parse_resume
        ├── inspect-pipeline.ts   # inspect_pipeline
        ├── export-results.ts     # export_results
        ├── send-email.ts         # send_email
        └── mcp/                  # 17 MCP-specific tools
            ├── analyze-resume.ts     # analyze_resume (unified: keywords, patterns, entities, skills, experience, similarity)
            ├── batch-parse.ts        # batch_parse_resumes
            ├── assess-candidate.ts   # assess_candidate
            ├── ats-manage-candidates.ts  # ats_manage_candidates (includes rank/filter/compare/summarize)
            ├── ats-manage-jobs.ts
            ├── ats-manage-offers.ts
            ├── ats-manage-notes.ts
            ├── ats-analytics.ts      # ats_analytics (unified dashboard + pipeline)
            ├── ats-schedule-interview.ts
            ├── ats-interview-feedback.ts
            ├── ats-search.ts
            ├── ats-generate-demo-data.ts
            ├── ats-compliance.ts     # Enterprise: EEO / GDPR / audit
            ├── ats-talent-pool.ts    # Enterprise: passive candidate CRM
            ├── ats-scorecard.ts      # Enterprise: structured scorecards
            ├── ats-onboarding.ts     # Enterprise: onboarding checklists
            └── ats-communication.ts  # Enterprise: email templates & history

---

许可证

MIT