AI 驱动的招聘团队工作系统
从真实 HR 场景出发，完成产品设计、开发、部署与持续迭代。
一个懂招聘业务、又能用 AI 和软件解决真实招聘问题的人。
先讲真实招聘场景，再讲技术。
候选人信息靠手工录入和 Excel 登记，重复、慢、容易出错。
简历存在个人电脑和手机里，成员之间互相看不到，协作靠口头同步。
管理者看不到整体进度、招聘漏斗和风险，决策只能靠逐个问人。
候选人太多时跟进容易遗漏，面试后反馈、Offer 确认等环节缺少提醒。
OCR 扫描 + AI 结构化 + 浏览器一键采集，把“打字录入”变成“扫描/点选”。
本地优先 + 云端同步，APK / 网页 / 插件共享同一份云端数据。
驾驶舱实时统计团队总览、招聘漏斗、成员效率与风险提醒。
四大使用端 + 一个云端数据源，覆盖“采集 → 录入 → 跟进 → 管理”全链路。
每一个环节，HireFlow 都有对应的介入方式。
技术含量最高的部分：让插件准确识别“HR 当前想采集的那一位候选人”。
招聘页面同时存在候选人列表、聊天对象、当前登录 HR 的姓名和大量按钮文字。普通的“整页抓文字”会把 HR 自己（如“龙翔翔”）或按钮词当成候选人。
自动化测试 335/335 全部通过；支持 BOSS / 猎聘 / Moka 三平台；导入后 APK / 网页 / 后台立即可见。
不只展示 UI，解释“为什么这样设计”。
面试现场、地铁里经常没信号。设计为：操作先写入本地 SQLite → 进入同步队列 → 网络恢复自动上传。断网照常工作，数据不丢。
招聘是团队协作，管理者需要“看得见、管得住、能闭环”。
扫描 → OCR → 结构化 → AI 增强 → 入库，每一层各司其职。
OCR 与规则引擎在本地完成：快、免费、不依赖网络。AI 只做“兜底与增强”：字段缺失或冲突时，才把当前区域文本发给 AI 结构化。
DeepSeek API Key 不放进 APK 和插件，通过 Supabase Edge Function 调用，密钥只存在云端 Secrets，前端永远拿不到。
一套云端，多端接入；权限在数据库层就拦住。
Supabase（PostgreSQL + Auth + RLS + Edge Functions），11 张业务表，3 个 Edge Function（analyze-candidate / reset-pin / setup-admin）。
所有数据绑定 organization_id；普通成员只能访问本团队数据、只能修改自己负责的候选人；管理员可看本团队全部数据。
管理员密码、数据库密码、API Key 不进 APK、不进前端、不进 GitHub；AI Key 只存云端 Secrets。
候选人状态变化写入 candidate_status_history，操作写入 audit_logs；不记录 PIN / 密码 / API Key。
push 到 main，剩下交给流水线。
插件 335 项自动化测试；APK Maestro UI + OCR 端到端；前端构建检查（CI）。
Git 提交历史清晰，版本从 v1.x 迭代到 v3.x，每个版本有变更日志。
部署指南 / 管理员指南 / 测试报告 / 全生态报告，文档与代码同仓维护。
每一个问题都给出：问题 → 原因 → 方案 → 实现 → 结果。
只列真实、可验证的数据，不夸大。
项目由 AI 辅助搭建，以下每一项我都全程参与并负责。
把“录入慢、数据散、看不到”变成“一键采集、多端同步、驾驶舱可视”的完整闭环。
本地优先设计让真实场景可用；RLS 从数据库层守住权限；文档与测试跟随每个版本。
扫码或点击链接，直接体验真实产品。
