Taskbot-MVP README

The project's README from github.com/justDance-everybody/Taskbot-MVP. As one markdown file: README.md.

Taskbot-MVP 🤖

一个智能的飞书任务分配机器人 —— 让远程兼职任务管理从"手工分派"变为"10秒自动匹配"。

Tests


✨ 它能做什么?

想象一下,你不再需要在聊天记录里翻找候选人简历、手动催进度、重复验收作业——Taskbot 帮你:

核心价值:让 HR 和任务协调者把时间花在战略性工作上,而不是重复劳动。


🚀 快速开始

前置要求

5 分钟本地运行

# 1. 克隆项目
git clone https://github.com/justDance-everybody/Taskbot-MVP.git
cd Taskbot-MVP

# 2. 配置环境变量(参考 docs/task_bot_mvp_运行与环境配置.md)
cp .env.example .env
# 填入飞书 APP_ID、APP_SECRET、VERIFY_TOKEN 和至少一个模型密钥

# 3. 启动服务
docker-compose up -d

# 4. 使用 Ngrok 暴露公网地址
ngrok http 8000
# 将生成的 https://xxx.ngrok.io/webhook/feishu 填入飞书事件订阅 URL

# 5. 验证:在飞书群里 @机器人 ping

看到 pong 回复?恭喜,你已经跑通了!🎉


📖 核心功能演示

1️⃣ 智能候选人匹配

HR: @bot 新任务: 开发 React 登录页
Bot: 请描述任务内容...
HR: 需要暗黑模式适配
Bot: 验收标准是...
HR: 通过 UI 测试
Bot: 推荐以下候选人:
     ✅ 张三 - React 经验 3 年,可用时间充足
     ✅ 李四 - 熟悉 Tailwind,最近表现优秀
     [选择] [取消]

2️⃣ 简历自动解析

HR: [上传 resume.pdf]
Bot: ✅ 已解析候选人信息:
     姓名:王五
     技能:Python, Django, PostgreSQL
     可用时长:15 小时/周
     已添加到候选人库

3️⃣ 自动验收 & 提醒


🏗️ 技术架构

FastAPI (Bot 服务)
    ├── 飞书 Webhook (消息、卡片、群管理)
    ├── 多维表格 API (任务表、候选人表)
    ├── LLM Router (DeepSeek/Gemini/OpenAI)
    └── GitHub Webhook (CI 状态监听)

核心技术栈:Python 3.11+, FastAPI, Larksuite SDK, Docker


📚 完整文档

项目包含详尽的文档,帮助你快速上手或深度定制:


🤝 参与贡献

我们欢迎所有形式的贡献!无论你是:

贡献流程

# 1. Fork 并克隆项目
git clone https://github.com/YOUR_USERNAME/Taskbot-MVP.git

# 2. 创建功能分支
git checkout -b feature/your-feature

# 3. 开发与测试
make test  # 确保测试通过

# 4. 提交 PR
# 请在 PR 描述中说明改动目的和测试结果

开发指南:


🛣️ Roadmap

查看 Issues 了解正在开发的功能。


📄 许可证

本项目采用 MIT License 开源协议。


💬 联系我们


如果这个项目对你有帮助,别忘了给个 ⭐️ Star!

Taskbot-MVP (justDance-everybody/Taskbot-MVP)

Searching Database…

Что это?Taskbot-MVP — это чат-бот для Feishu (Lark), который автоматизирует выдачу удалённых фриланс-задач: подбирает кандидатов под задачу, позволяет назначить исполнителя в один клик и автоматически проверяет и принимает работу.
Это самостоятельный чат-бот или библиотека для импорта?Это самостоятельный бэкенд-сервис (приложение FastAPI на Larksuite SDK), который запускается через Docker и общается с Feishu, а не библиотека, которую импортируешь в свой код.
Как его запустить?Создайте корпоративное приложение Feishu с доступом разработчика, затем запустите локально через Docker и Docker Compose; по README после подъёма ответ 'pong' должен приходить примерно в течение 5 минут.
Нужны ли аккаунт Feishu и API-ключ LLM?Да: нужны корпоративный аккаунт Feishu (Lark) с правами разработчика, Docker и Docker Compose, а также хотя бы один API-ключ LLM (DeepSeek, Gemini или OpenAI) для подбора кандидатов и оценки.
Насколько надёжны автоматическая оценка и приёмка?Задачи с кодом принимаются по статусу CI в GitHub PR, а документы оценивает LLM и зачитывает только при балле 80 и выше, так что качество приёмки зависит от настройки CI и точности оценивания LLM.
Для кого это сделано?Он для HR-специалистов и координаторов задач, которые управляют удалёнными или частично занятыми исполнителями и хотят тратить меньше времени на ручное вытягивание прогресса и проверку сданных работ.
Как работает подбор кандидатов?Резюме, загруженные в PDF, автоматически распознаются и попадают в систему, а LLM рекомендует двух самых подходящих кандидатов вместе с объяснением своего выбора.
Что происходит автоматически, пока задача в работе?Когда задача проходит половину срока дедлайна, бот сам упоминает исполнителя и HR через @ как напоминание, сокращая ручные напоминания примерно на 50 процентов.
Можно посмотреть статистику по задачам?Да, команда #report показывает дневную статистику задач: количество задач, среднее время до назначения и т.п.
Что в планах?В планах — разбиение задач для совместной работы нескольких человек, историческая аналитика производительности и поддержка мультитенантного SaaS; создание и подбор задач, парсинг резюме, напоминания и автоприёмка уже готовы.
Size
0.7 MB
Stars
82
Updated
CommitNov 14
Age
1y
Commits · 90 Days