Claude Code 是一个在终端中运行的 AI 编程代理。它不只是聊天框里的代码建议——它可以读写你的文件、执行 bash 命令、运行测试、提交 git、安装依赖，自主完成端到端的开发任务。把它想象成一位住在你项目文件夹里的高级工程师，24 小时随叫随到。

1. 确认环境：需要 Node.js 18+ 和 npm。在 SEAN-TAN（Windows 10 Pro）上打开 PowerShell 或 Windows Terminal。
2. 安装：
   Shell

   npm install -g @anthropic-ai/claude-code

3. 登录：
   Shell

   claude login

   用浏览器完成 Anthropic 账号验证。
4. 进入项目目录：
   Shell

   cd C:\Users\Sean\Projects\SR-Web-AS
   claude

5. 首次初始化（重要）：让 Claude 读懂你的项目结构，输入：

   /init

   它会自动生成 CLAUDE.md 文件——这是它的"项目说明书"。

这是 Claude Code 最重要的配置文件。每次进入项目，它都会先读这个文件。你已经为 Sunrise Recruit 建立过这个框架，以下是最优化的结构：

# Sunrise Recruit — CLAUDE.md

## 项目信息
- Stack: React + Vite + TypeScript + Tailwind + Firebase
- 部署: Zeabur (sunriserecruittools.zeabur.app)
- 公司: 马来西亚 (JTKSM 170B) + 新加坡 (EA 25C3029)

## 重要约束
- SEAN-TAN 电脑与会计共享 AnyDesk，勿动 AutoCount 文件夹
- Firebase authDomain: use sunriserecruittools.firebaseapp.com
- 图片资源命名: camelCase (bgImage.png NOT bg-image.png)

## 自定义命令
- /screen-cv [文件] → 筛选简历，输出匹配报告
- /write-job-ad [岗位] → 生成中英双语 JD
- /check-permit [国籍] → 验证工作准证合规性

## 禁止操作
- 不得修改 /autocount 相关目录
- 生产部署前必须本地测试通过

场景 A — Staff Toolbox 开发

Claude Code 会自动读取你的现有文件、理解风格、生成代码、并可以直接写入。

场景 B — Bug 修复（如你之前的 bg-image.png 问题）

场景 C — Firebase 配置问题

场景 D — 网站 SEO 优化

场景 E — SSO Token 生成工具

场景 F — 自动化脚本

Hooks 是 Claude Code 的"代码审查员"——每次 Claude 想执行某个操作，先过一遍你设的规则。

## Hooks

# 写文件前：检查是否涉及 AutoCount 目录
PreWrite: |
  if path.includes('autocount') or path.includes('AutoCount'):
    raise "⛔ 禁止修改 AutoCount 相关文件"

# 每次生成 JD 后：自动检查工作准证合规
PostTask[/write-job-ad]: |
  check_work_permit_compliance(output)
  flag_if_missing_ea_license_number(output)

Cowork 是一个桌面代理，Claude 能通过它直接操控你的 Windows 电脑：点击界面、移动文件、批量处理文档、填写表单。你已经用它跑过六阶段的 PC + NAS 整理项目，效果显著。

1. 在 Claude.ai 桌面应用中，点击左侧菜单找到 Cowork 入口。
2. 首次使用需授予屏幕录制权限（Windows：允许录制屏幕内容）。
3. 描述任务时，务必说明起止路径和排除项。
4. 对于高风险操作（删除、移动大量文件），先说"预览不执行"，确认无误再说"执行"。

场景 A — 简历文件整理（日常）

场景 B — NAS 同步确认

场景 C — WhatsApp 备份清理协助

场景 D — 批量文档格式转换

场景 E — 邮件附件批量下载整理

场景 F — 月度报告汇总

• 始终先说"预览/列出"，确认后再说"执行"——避免不可逆操作
• 明确写出排除路径：排除 C:\autocount、排除系统文件夹
• 大型任务分阶段执行，每阶段结束截图确认
• 涉及网络（下载、上传）的任务，注意网络费用和速度
• 定期清理 Cowork 的操作历史记录，保护隐私
• Intel i3-6100 + 16GB RAM：避免同时运行多个 Cowork 重型任务

Dispatch 是一个编排层：它把一个大型、多步骤的任务，自动拆分成若干子任务，分配给多个 AI 子代理并行处理，最后汇总结果。适合那些"先调研再汇总"、"多来源对比分析"类任务。

对你来说，Dispatch 最大的价值是：把以前需要分多次对话完成的复杂研究型任务，变成一次指令搞定。

场景 A — 行业薪资市场调研

场景 B — 多候选人背景核查

场景 C — 客户公司尽职调查

场景 D — 招聘渠道效果分析

场景 E — 多市场 JD 适配

• 任务必须可拆解：适合"多维度同类任务"，不适合严格顺序依赖的任务
• 明确说明汇总格式：告诉 Dispatch 最终要"表格"、"报告"还是"推荐列表"
• 提供足够的上下文：每个子任务都需要理解背景，把背景信息一次说清楚
• 数量不要过多：5-8个并行子任务效果最佳，超过10个质量下降

Artifact 是 Claude 在对话中直接生成独立可交互内容的能力：网页、图表、React 组件、数据可视化、文档——直接在右侧预览面板渲染，可以立即复制代码或下载。

场景 A — 候选人推荐简报（发给客户）

场景 B — 招聘漏斗数据仪表板

场景 C — 职位描述生成器（内部工具）

场景 D — 客户报价单模板

场景 E — 月度绩效报告

场景 F — AI 驱动的简历分析工具

你的 Claude.ai 账号支持在 Artifact 内直接调用 Anthropic API（无需 API Key，自动处理），这意味着你可以做真正的 AI 驱动应用：

const response = await fetch("https://api.anthropic.com/v1/messages", {
  method: "POST",
  headers: { "Content-Type": "application/json" },
  body: JSON.stringify({
    model: "claude-sonnet-4-20250514",
    max_tokens: 1000,
    messages: [{ role: "user", content: prompt }]
  })
});
// 结果直接在 Artifact UI 里渲染，无需后端

MCP（Model Context Protocol）是 Anthropic 定义的一个开放标准，让 Claude 能够安全地连接外部服务：Google Drive、Notion、n8n、数据库、CRM……Claude 不再只是聊天，而是能真正读写你的数据。

你已经连接了以下 MCP：

1. 进入 Claude.ai → Settings → Integrations（或 Connections）
2. 点击 Add MCP Server
3. 输入 MCP Server URL（如你的 n8n：https://sunriserecruit.zeabur.app/mcp-server/http）
4. 给它起一个名字，保存
5. 在对话中直接呼叫："用 n8n 触发我的 CV 处理工作流"

场景 A — Google Drive + 简历管理

场景 B — Google Calendar + 面试安排

场景 C — Notion + 候选人数据库

场景 D — n8n + 工作流触发

场景 E — 多 MCP 联动（完整业务流程）

场景 F — 自建 MCP（进阶）

如果你想让 Claude 直接访问 AutoCount 的数据（发票、付款记录），可以为 AutoCount 的 MySQL 数据库建立一个 MCP Server。这样 Claude 就能回答："本月哪些客户还没付发票？"这类问题，无需手动查数据库。

• 每个 MCP 连接都有独立权限范围，原则上最小权限
• n8n MCP 只暴露你明确允许的工作流，不会暴露整个 n8n 系统
• Google Drive MCP 可设置只读或读写，招聘顾问账号建议只读
• 定期审查已连接的 MCP，删除不再使用的连接
• 不要在 MCP 上连接包含财务密码的服务（如网银）

Skills 是你为 Claude 定义的可复用操作模板——把复杂的提示词、工作流程、输出格式封装成一个简单命令。每次执行这个命令，Claude 都按照你设定的标准方式工作，保证一致性和效率。

对 Sunrise Recruit 来说，Skills 是实现标准化招聘 SOP的关键工具：每个招聘顾问都按同一套标准筛简历、写 JD、发报告。

每个 Skill 是一个 SKILL.md 文件，放在项目的 /mnt/skills/ 或 Claude Code 项目的 .claude/skills/ 目录下。

---
name: screen-cv
description: 筛选候选人简历，输出结构化匹配报告
trigger: /screen-cv
---

# 简历筛选技能

## 你的角色
你是 Sunrise Recruit 的高级招聘顾问，专注于制造业和工程类职位。

## 输入
- 候选人简历（PDF 或文字）
- 目标职位描述（如果提供）

## 评估维度
1. 工作经历匹配度（40%）
2. 技能匹配度（30%）
3. 教育背景（15%）
4. 薪资期望合理性（15%）

## 输出格式
- 总体评分：X/10
- 推荐理由（3 句话）
- 风险提示（如有）
- 建议行动：[立即面试 / 候补 / 不适合]

## 合规检查
- 标记是否需要工作准证
- 标记是否符合马来西亚劳工法
- 如涉及新加坡职位，检查 EP/SP/WP 类别

技能 1: /screen-cv — 简历筛选

技能 2: /write-job-ad — JD 生成器

技能 3: /check-permit — 工作准证检查

技能 4: /client-brief — 客户简报生成

技能 5: /invoice-draft — 发票草稿

技能 6: /weekly-report — 周报生成

技能 7: /cold-reach — 候选人开发信

在 SKILL.md 里可以定义条件逻辑，让同一个技能根据不同输入产生不同输出：

## 输出规则

如果候选人评分 >= 8:
  → 生成完整推荐简报，标注 "⭐ 强烈推荐"
  → 建议立即安排面试

如果候选人评分 6-7:
  → 生成简短摘要，标注 "✓ 可以考虑"
  → 列出需要深入了解的问题

如果候选人评分 < 6:
  → 只输出不匹配原因（3点）
  → 不生成完整报告（节省时间）

Agents 是 Claude 的自主执行模式：你给一个目标（而不是一步步指令），Claude 自己决定需要哪些步骤、调用哪些工具、如何处理中间结果，直到任务完成。可以设定触发条件（定时、事件驱动），实现无人值守的自动化。

Agent 最适合那些"如果我告诉你步骤，你就变成一个脚本；但如果我告诉你目标，你就变成一个同事"的任务。

场景 A — 每日简历处理 Agent（核心场景）

场景 B — 面试跟进 Agent（定时触发）

场景 C — 客户关系维护 Agent（每月触发）

场景 D — 市场情报收集 Agent（每周）

场景 E — 合规检查 Agent（每次发 JD 前）

• 先在测试数据上跑一次：用一个假候选人文件测试，确认行为符合预期再放真实数据
• 写清楚停止条件："遇到无法解析的文件暂停并通知我"比"处理所有文件"更安全
• 重要操作加确认步骤：删除、发送邮件、付款类操作，让 Agent 先告诉你它要做什么，你确认后再执行
• SEAN-TAN 电脑约束：涉及本地文件的 Agent，明确排除 AutoCount 路径，避免意外修改财务数据
• 设置错误日志：让 Agent 把每次执行的结果写入 Notion 日志，方便事后审查
• 从小 Agent 开始：先做单一职责的小 Agent，验证后再组合成大流程

这是你 Sunrise Recruit 自动化路线图的核心架构：

── 触发器 ──────────────────────────────────────────
  定时 (n8n Cron) 或 事件 (新文件到 Drive)
  
── Claude Agent (大脑) ─────────────────────────────
  接收任务 → 制定计划 → 调用工具 → 评估结果 → 迭代
  
── MCP 工具层 (手脚) ──────────────────────────────
  Google Drive  →  读取简历文件
  Notion        →  写入候选人数据
  Google Cal    →  安排面试
  n8n MCP       →  触发 WhatsApp 通知
  
── 输出层 ──────────────────────────────────────────
  Notion 报告   WhatsApp 通知   Email 草稿

1. Claude Code 全面接入：为 SR-Web-AS 和 Staff Toolbox 两个项目各建立 CLAUDE.md，完善 Hooks 合规检查规则。
2. 完成网站部署：确认 Shinjiru DNS A record + CNAME 已生效，www.sunriserecruit.com 可正常访问。
3. 建立核心 Skills：至少完成 /screen-cv、/write-job-ad、/check-permit 三个技能包。
4. Artifact 原型验证：用 Artifact 做出候选人推荐简报模板，替代现有手工 Word 文档。

1. MCP 全面配置：确认 Google Drive、Google Calendar、Notion、n8n 四个 MCP 可正常调用。
2. Notion 候选人数据库标准化：统一字段设计，为 Agent 读写做好准备。
3. n8n CV 处理流程：新简历进 Drive → 触发 n8n → Claude 分析 → 写入 Notion → 通知你。
4. Cowork 文件整理 SOP：建立标准化的每周/每月文件整理流程，取代手动整理。

1. 每日简历处理 Agent：早上 9 点自动扫描新简历，分析、归档、通知。
2. 面试跟进 Agent：定时检查面试状态，自动提醒和状态更新。
3. JD 发布流程自动化：从写 JD 到 JobStreet/LinkedIn 发布，用 n8n + Claude 联动完成。
4. Staff Toolbox Portal 上线：多角色登录（Admin、Recruiter、Client）基本功能完成。

1. 网站 AI 聊天机器人：用 Claude API 实现，先在 Artifact 原型验证，再部署到 sunrise.zeabur.app。
2. WhatsApp Bot 接入：通过 n8n 接收 WhatsApp 简历，自动触发筛选流程。
3. Dispatch 市场调研：每周自动收集柔佛/新加坡制造业市场情报，输出 Notion 报告。
4. 发票自动生成：/invoice-draft 技能 + AutoCount 数据联动（通过 n8n 桥接）。

1. Freelance Recruiter Portal：Staff Toolbox 增加 Freelance 角色，支持外部合作伙伴独立操作。
2. 候选人自助投递页面：网站增加简历投递功能，直接进入 n8n 处理流水线。
3. 数据分析仪表板：用 Artifact + Recharts 做管理层实时 KPI 看板。
4. 完整 Recruitment OS：整合所有功能，形成可向客户展示的完整平台演示。

这七个功能不是孤立的——它们是一套协同工作的系统：

• Skills 定义你的工作标准
• Claude Code 构建你的技术基础设施
• MCP 打通数据流
• Artifact 把分析转化为可交付物
• Cowork 处理桌面层的重复工作
• Dispatch 处理需要广度的研究任务
• Agents 将所有上述能力自动化运转