Recruitment & AI Hiring Framework

招聘 × AI 招聘工具导航地图

一个数据驱动的招聘全流程工具库，覆盖 AI 招聘风险治理与合规

项目简介

Recruitment & AI Hiring Framework 是一个灵感来源于 OSINT Framework 的招聘工具导航项目。它将「树形导航」方式迁移到招聘与 AI 招聘领域，帮助 HR、招聘专业人士、AI/ML 工程师和合规专家快速定位工具、法规标准、最佳实践与开源组件。

为什么需要这个项目？

工具碎片化：招聘涉及数百种工具，从职位发布到背景调查，缺乏统一入口
AI 风险意识薄弱：AI 招聘带来公平性、透明度、法律合规等新挑战
信息分散：NIST、ISO、EEOC 等标准散落各处，难以系统学习
区域差异大：中国、美国、欧盟的招聘生态和法规各不相同

本项目旨在提供一个开放、透明、负责任的招聘 AI 生态导航。

特色亮点

特性	说明
交互式树形导航	D3.js 可视化，支持缩放（0.1x~10x）、展开/收起全部、平滑动画
智能全文搜索	支持中英文关键词，防抖优化，`/` 快捷聚焦，`Esc` 清空
中英文双语界面	一键切换中文/英文界面，语言偏好自动保存
10大类 58子分类体系	层级化组织，覆盖招聘全流程，包含 AI 风险治理、DEI、神经多样性等专项
1900+ 精选资源	工具、标准、法规、最佳实践、开源组件、学习资源
实时数据统计	自动统计分类数、资源数、热门标签分布
键盘无障碍	完整键盘导航支持，ARIA 标签，屏幕阅读器友好
模板链接支持	动态搜索模板（含 `{query}` 占位符），输入关键词即可打开
多维度标签系统	R(注册)/P(付费)/O(开源)/M(模板)/Law/Framework 等
SEO 优化	Open Graph、Twitter Card、canonical URL、sitemap 完备
零构建部署	纯静态站点，无需 npm/webpack，JSON 数据驱动
MIT 开源	自由使用、修改和分发，社区贡献友好

快速开始

在线访问

GitHub Pages：https://digidai.github.io/recruit-ai-framework/

本地预览

# 进入项目目录
cd recruit-ai-framework

# 启动本地 HTTP 服务（任选一种）
python -m http.server 8000        # Python 3
# 或
python3 -m http.server 8000       # macOS/Linux
# 或
npx http-server ./docs -p 8000    # Node.js

# 打开浏览器访问
open http://localhost:8000/docs/

注意：直接双击打开 index.html 会因浏览器 CORS 安全策略无法读取 tarf.json，必须通过 HTTP 服务访问。

部署到生产环境

GitHub Pages

进入仓库 Settings → Pages
Source 选择 Deploy from a branch
Branch 选择 main，目录选择 /docs
点击 Save，等待部署完成
访问：https://<username>.github.io/recruit-ai-framework/

Vercel / Netlify / Cloudflare Pages

连接 GitHub 仓库
设置 Output Directory 为 docs
自动部署完成

10大类分类导览

本框架采用 层级化结构，包含 300+ 分类、1900+ 条资源。

大类	子分类数	覆盖范围
A 招聘流程与方法论	4	结构化面试、测评体系、面试官培训、招聘心理学
B 招聘渠道与 Sourcing	6	职位发布、人才画像、搜索模板、校招、高管、行业垂直
C 招聘系统与工具	4	ATS/CRM、招聘自动化、API 集成、效率工具
D AI 招聘技术	5	AI 工具、风险治理、公平性审计、LLM 应用、AI 面试
E 合规与法律	5	背景调查、薪酬透明、数据隐私、劳动法、反欺诈
F 多元化与包容性招聘	4	退伍军人、无障碍招聘、公平招聘、神经多样性
G 雇主品牌与候选人体验	7	雇主品牌、候选人体验、招聘营销、游戏化、视频招聘
H 人才管理与规划	5	员工推荐、继任计划、内部流动、人才社区、团队协作
I 全球招聘与特殊场景	6	全球招聘、RPO、区域资源、技术招聘、灵活用工、蓝领
J 数据分析与行业洞察	12	薪酬数据、学习资源、行业活动、播客、模板、分析报告

点击展开完整子分类列表

A 招聘流程与方法论

招聘流程与方法论（结构化面试、选拔框架）
测评与面试（技术测评、心理测评、AI 评估）
面试官培训与招聘培训（面试技巧、偏差培训）
招聘心理学与行为科学（决策偏差、动机理论）

B 招聘渠道与 Sourcing

职位发布与招聘营销（LinkedIn、Indeed、智联、Boss 直聘）
人才画像与开放社区（GitHub、Kaggle、Behance）
搜索模板 X-Ray/Boolean（高级搜索技巧）
校园招聘与实习（Handshake、校园活动）
高管招聘（猎头、领导力测评）
行业垂直招聘（医疗、金融、零售）

C 招聘系统与工具

ATS 与招聘协作（Greenhouse、Lever、北森）
招聘 API 与开发者资源（LinkedIn API、Indeed API）
招聘自动化与工作流（Zapier、Make）
招聘效率与生产力工具（Chrome 插件、效率工具）

D AI 招聘技术

AI 招聘工具（Textio、Eightfold、SeekOut）
AI 风险治理与合规（NIST RMF、ISO 42001、NYC Law 144）
开源公平性工具（Fairlearn、AIF360、Aequitas）
生成式 AI (LLM) 招聘（ChatGPT、Claude、JD 生成）
AI 面试与评估技术（视频面试 AI、语音分析）

E 合规与法律

Offer、背调与入职（背景调查、入职系统）
薪酬透明度法规（各州/国家薪酬披露要求）
招聘数据隐私与合规（GDPR、CCPA）
招聘法律与劳动法（劳动合同、竞业限制）
招聘反欺诈与验证（简历验证、学历核查）

F 多元化与包容性招聘

退伍军人招聘（军转民、技能转化）
无障碍招聘（无障碍设计、包容性招聘）
招聘伦理与公平招聘（反歧视、公平机会）
神经多样性招聘（自闭症、ADHD 包容）

G 雇主品牌与候选人体验

候选人体验与雇主品牌（Glassdoor、体验优化）
远程面试与虚拟招聘（Zoom、Teams）
招聘营销与内容创作（社交媒体、内容营销）
游戏化与 VR/AR 招聘（游戏化测评、VR 面试）
招聘视觉与品牌设计（招聘海报、JD 设计）
候选人关系管理（人才库、候选人培育）
招聘视频与多媒体（视频 JD、直播招聘）

H 人才管理与规划

员工推荐（推荐激励、内部竞聘）
人才盘点与继任计划（九宫格、人才梯队）
内部招聘与人才流动（内部竞聘、轮岗）
人才社区与人才库建设（社区运营、长期培育）
招聘协作与团队管理（团队协作、目标管理）

I 全球招聘与特殊场景

全球招聘与远程团队（Deel、Remote、Oyster）
招聘流程外包 RPO（RPO 供应商）
区域招聘资源（中国、美国、欧洲、东南亚）
技术招聘专项（技术面试、代码评估）
灵活用工与零工经济（自由职业者、外包）
蓝领与一线员工招聘（制造业、物流、零售）

J 数据分析与行业洞察

薪酬与职位数据（O*NET、ESCO、薪酬数据库）
学习资源与研究（SHRM、CIPD、ACM FAccT）
招聘行业活动与会议（HR Tech、SHRM 年会）
招聘播客与媒体（Recruiting Future、HR 播客）
招聘模板与工具包（JD 模板、面试评分表）
招聘分析 People Analytics（招聘漏斗、效能指标）
人才市场情报与竞争分析（竞对分析、人才流动）
招聘预算与 ROI（成本核算、ROI 分析）
知名公司招聘实践（Google、Netflix、字节）
招聘文档与知识库（招聘 SOP、政策文档）
招聘职业发展（招聘官成长、职业路径）
招聘行业研究与报告（白皮书、趋势报告）

AI 招聘风险治理

本项目特别强调 AI 招聘中的公平性、透明度和法律合规，这是区别于普通工具导航的核心价值。

国际标准框架

标准	发布机构	核心内容
NIST AI RMF	美国国家标准与技术研究院	AI 风险管理框架，涵盖治理、映射、度量、管理
ISO/IEC 42001	国际标准化组织	AI 管理体系标准，提供认证基础
ISO/IEC 23894	国际标准化组织	AI 系统风险管理指南

地区法规监管

法规	地区	影响
NYC Local Law 144	美国纽约市	自动化招聘决策工具须进行年度偏差审计
EEOC AI & ADA 指南	美国联邦	AI 招聘与残障人士权益保护
EU AI Act	欧盟	招聘 AI 被列为高风险类别，需强制合规
DOJ 无障碍招聘指导	美国联邦	AI 招聘中的残障歧视风险

开源公平性工具

工具	维护者	功能
Fairlearn	Microsoft	模型公平性诊断和缓解算法
AIF360	IBM Trusted-AI	AI 公平性算法工具箱（Python/R）
Aequitas	DSSG	机器学习偏差审计框架

数据结构规范

所有资源存储在 docs/tarf.json 中，采用树形 JSON 结构。

节点类型

所有节点都支持 name_en 字段用于英文显示（可选，缺省时使用 name）。

Folder（文件夹/分类）

{
  "name": "01 招聘流程与方法论",
  "name_en": "01 Recruitment Process & Methodology",
  "type": "folder",
  "children": [...]
}

URL（普通链接）

{
  "name": "CIPD｜Selection methods（结构化面试等）",
  "name_en": "CIPD | Selection methods (Structured Interviews)",
  "type": "url",
  "url": "https://www.cipd.org/en/knowledge/factsheets/selection-factsheet/",
  "tags": ["Guide"]
}

Template（模板链接）

{
  "name": "LinkedIn 个人页 X-Ray",
  "name_en": "LinkedIn Profile X-Ray",
  "type": "template",
  "url": "https://www.google.com/search?q=site%3Alinkedin.com%2Fin+{query}",
  "tags": ["M"]
}

用户点击时会弹窗输入关键词，{query} 将被替换后打开。

标签系统

标签	含义	使用场景
`R`	需要注册/登录	LinkedIn、Glassdoor 等
`P`	付费/商用	Greenhouse、HackerRank Pro 等
`O`	开源	OpenCATS、Fairlearn 等
`M`	模板链接	含 `{query}` 占位符的动态 URL
`PDF`	PDF 资源	白皮书、指南文档
`Law`	法律/监管	EEOC、NYC Local Law 144
`Framework`	框架/标准	NIST AI RMF、ISO 42001
`Guide`	指南/教程	SHRM、CIPD 发布的指南
`CN`	中国区域	拉勾、Boss 直聘、北森

标签可自由扩展，建议保持简短一致。

技术栈

技术	用途	版本
HTML5	页面结构	-
CSS3	样式（CSS 变量、Grid、Flexbox）	-
JavaScript	核心逻辑（ES6+）	-
D3.js	树形图可视化	v7 (CDN)
JSON	数据存储格式	-

零构建依赖：无 webpack、Vite、npm、TypeScript，纯原生开发。

项目结构

recruit-ai-framework/
├── docs/                        # 前端静态资源（GitHub Pages 部署目录）
│   ├── index.html               # 主应用页面（SEO + 无障碍 + i18n）
│   ├── app.js                   # D3 树形图 + 搜索 + 国际化逻辑
│   ├── style.css                # 暗色主题 + 响应式 + 打印样式
│   ├── tarf.json                # 数据文件（1900+ 条资源，300+ 分类，双语）
│   ├── robots.txt               # SEO 爬虫规则
│   ├── sitemap.xml              # 站点地图
│   └── 404.html                 # 404 错误页面（双语）
├── scripts/                     # 工具脚本
│   ├── add_new_nodes.py         # 批量添加新节点（示例脚本）
│   ├── restructure_hierarchy.py # 重组层级结构脚本
│   ├── cleanup_names.py         # 清理节点名称脚本
│   ├── add_translations.py      # 添加英文翻译到 tarf.json
│   ├── translate_all.py         # 完整翻译所有节点
│   ├── fix_remaining_translations.py  # 修复遗漏翻译
│   └── fix_final_translations.py      # 最终翻译修正
├── .gitignore                   # Git 忽略文件配置
├── LICENSE                      # MIT 许可证
└── README.md                    # 项目文档

贡献指南

欢迎通过 Pull Request 扩展本项目！

贡献流程

Fork 本仓库
创建特性分支：git checkout -b feature/add-xxx-resources
编辑 docs/tarf.json 添加资源
本地测试搜索和导航功能
提交 PR，描述添加的分类和资源

贡献建议

优先补齐的方向：

区域化：东南亚、中东、拉美等地区的招聘渠道与合规
行业垂直：制造、零售、医疗、金融等行业特殊需求
AI 工具评测：收录社区评论和对比数据
最新法规：跟踪各国 AI 招聘监管动态

贡献规范：

每次 PR 只做一类变更（方便 Review）
优先使用官网/一手资料链接
避免博客/转载等二手资源
确保链接可访问且内容相关

如何更新节点 | How to Update Nodes

本项目数据存储在 docs/tarf.json 文件中，支持以下更新方式：

方式一：直接编辑 JSON（推荐小量更新）

打开 docs/tarf.json
找到目标分类位置
添加新节点（注意中英文双语）

新增叶子节点示例：

{
  "name": "工具名称（中文说明）",
  "name_en": "Tool Name (English Description)",
  "type": "url",
  "url": "https://example.com/",
  "tags": ["AI", "Free"]
}

新增分类节点示例：

{
  "name": "新分类名称",
  "name_en": "New Category Name",
  "type": "folder",
  "children": [
    {
      "name": "子资源1（说明）",
      "name_en": "Sub Resource 1 (Description)",
      "type": "url",
      "url": "https://example.com/",
      "tags": ["Tool"]
    }
  ]
}

方式二：使用 Python 脚本（推荐批量更新）

项目提供了 scripts/add_new_nodes.py 作为批量添加节点的示例脚本。

步骤：

编辑 scripts/add_new_nodes.py 中的 NEW_NODES 字典
按照以下格式添加新节点：

NEW_NODES = {
    # 目标分类名称（支持部分匹配）
    "Boolean 搜索指南": [
        {
            "name": "新工具名称（中文说明）",
            "name_en": "New Tool Name (English Description)",
            "type": "url",
            "url": "https://example.com/",
            "tags": ["Free", "Tool"]
        },
    ],
    # 可以添加多个分类...
}

运行脚本：

python3 scripts/add_new_nodes.py

脚本会自动：
- 查找目标分类
- 检查重复（基于 URL 和名称）
- 添加新节点
- 保存更新后的 JSON

节点字段说明

字段	必填	说明
`name`	✅	中文名称（可包含英文品牌名）
`name_en`	✅	英文名称（用于英文界面显示）
`type`	✅	`url`（链接）/ `folder`（分类）/ `template`（模板）
`url`	链接必填	资源链接地址
`tags`	建议填写	标签数组，如 `["AI", "Free", "Tool"]`
`children`	分类必填	子节点数组（仅 `folder` 类型）

中英文命名规范

为确保双语界面正确显示，请遵循以下规范：

中文名称 (name)：

格式：品牌名（中文说明） 或 中文名称
示例：Greenhouse（企业级 ATS）、智联招聘

英文名称 (name_en)：

格式：Brand Name (English Description) 或 English Name
示例：Greenhouse (Enterprise ATS)、Zhaopin
重要：英文名称中不应包含中文字符

验证更新

更新后可运行以下命令验证：

# 检查是否有中文残留在 name_en 中
python3 -c "
import json, re
data = json.load(open('docs/tarf.json'))
def check(n):
    if n.get('name_en') and re.search(r'[\u4e00-\u9fff]', n.get('name_en','')):
        print(f'Warning: {n[\"name\"]}')
    for c in n.get('children',[]): check(c)
check(data)
"

# 统计节点总数
python3 -c "
import json
data = json.load(open('docs/tarf.json'))
def count(n): return 1 + sum(count(c) for c in n.get('children',[]))
print(f'Total nodes: {count(data)}')
"

提交更新

# 添加变更
git add docs/tarf.json

# 提交（描述添加的内容）
git commit -m "Add new resources: [简要说明]"

# 推送
git push

合规与伦理提示

非常重要

仅收录公开可访问或有明确授权的资源/工具入口
使用 AI/自动化做招聘决策时，建议遵循：

原则	说明
人类在环	Human-in-the-loop，AI 辅助而非替代人类决策
透明告知	向候选人披露 AI 使用情况，必要时获得同意
偏差评估	进行公平性审计，记录风险评估过程
法律合规	遵守隐私保护、反歧视、背调合规等法规
持续监控	定期评估 AI 系统表现，及时发现和纠正问题

常见问题

Q: 为什么不能直接打开 index.html？

浏览器 CORS 安全策略限制。本地文件协议 (file://) 不允许 JavaScript 读取 JSON 文件。必须通过 HTTP(S) 协议访问。

Q: 如何添加新的资源分类？

编辑 docs/tarf.json，在对应位置添加 folder 节点：

{
  "name": "新分类名称",
  "type": "folder",
  "children": [
    { "name": "资源1", "type": "url", "url": "https://...", "tags": ["标签"] }
  ]
}

Q: 搜索支持哪些内容？

搜索会匹配：资源名称、分类路径、标签。支持中英文，不区分大小写。

Q: 项目更新频率？

根据社区贡献。AI 招聘工具生态发展迅速，欢迎提交最新工具和法规。

Q: 可以用于商业项目吗？

可以。项目采用 MIT 许可证，允许商业使用、修改和分发。

浏览器兼容性

浏览器	最低版本
Chrome	60+
Firefox	55+
Safari	12+
Edge	79+
IE	不支持

需要支持：ES6+、Fetch API、SVG、D3.js v7

许可证

自由使用、修改和分发。

致谢

OSINT Framework - 项目灵感来源
D3.js - 数据可视化库
所有资源的原始作者和维护者

联系与反馈

GitHub Issues：报告问题或功能建议
Pull Requests：贡献资源或修复
Discussions：讨论招聘 AI 的最佳实践

构建负责任的 AI 招聘生态
Build Responsible AI Hiring Ecosystem

Name		Name	Last commit message	Last commit date
Latest commit History 63 Commits
.github/workflows		.github/workflows
docs		docs
scripts		scripts
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
comprehensive_check.py		comprehensive_check.py
fix_all_issues_v2.py		fix_all_issues_v2.py
fix_corrupted_translations.py		fix_corrupted_translations.py

License

Digidai/recruit-ai-framework

Folders and files

Latest commit

History

Repository files navigation