新闻详情

新闻详情

首页 / 资讯中心 / 详情

基于 Rube MCP 的 Ashby 招聘自动化实战:在 Claude Code 中用自然语言管理候选人、职位与面试

发布时间:2026/11/21 17:28:46来源:尧图网络
基于 Rube MCP 的 Ashby 招聘自动化实战:在 Claude Code 中用自然语言管理候选人、职位与面试
AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载本篇技术指南围绕 awesome-claude-skills 仓库中预置的 Ashby Automation 技能 展开讲解如何通过 Rube MCPComposio把 Ashby ATS 招聘系统接入 Claude Code用自然语言完成候选人管理、职位发布、申请流转、面试日程查看与人才管道报表等招聘操作。读完本文你将掌握该技能的全部工具清单、核心参数、六类典型工作流以及踩坑避雷要点能够直接在终端里指挥 Claude 自动化日常招聘事务。技能定位为招聘运营插上自然语言接口Ashby 是一款面向现代招聘团队的人才招聘系统ATS涵盖候选人、职位、申请、面试与内部备注等核心对象。本仓库将其封装为独立的 Claude Skill核心描述为通过自然语言命令自动化 Ashby 中的招聘与雇佣工作流——管理候选人、职位、申请、面试和备注见 composio-skills/ashby-automation/SKILL.md 的元数据声明。从仓库 README.md 的说明可以确认这类技能属于App Automation via Composio板块仓库为 78 个 SaaS 应用预构建了工作流技能每个技能都包含工具序列、参数指引、已知陷阱和快速参考表且全部使用从 Composio API 发现的实际工具 slugtool slug。Ashby 技能正是其中之一这意味着它并非手工臆造的提示词模板而是与 Composio 工具运行时真实对应的可执行技能。技能的前置依赖声明为mcp: [rube]即所有 Ashby 操作都经由Rube MCP 服务器https://rube.app/mcp中转由 Rube 负责连接认证、工具发现与执行调度。这种技能 MCP 网关的架构让 Claude 无需关心 Ashby REST API 的细节只需按工具 slug 调用即可。安装与认证三步接入依据 composio-skills/ashby-automation/SKILL.md 的 Setup 章节接入只需三步添加 Rube MCP 服务器在 Claude Code 的配置中新增 MCP 服务器URL 填https://rube.app/mcp。无需 API Key添加端点即可工作该细节在同仓库的 composio-skills/composio-automation/SKILL.md 中有明确说明。认证 Ashby 账号按提示通过返回的连接链接完成 OAuth 式授权将你的 Ashby 工作区与 Rube 建立连接。开始用自然语言自动化招聘工作流连接建立后Claude 即可调用 Ashby 系列工具。技能安装到 Claude Code如果你想完整复用本仓库技能可参照 README.md 的 Getting Started 章节将技能目录复制到 Claude Code 的 skills 目录mkdir -p ~/.config/claude-code/skills/ cp -r composio-skills/ashby-automation ~/.config/claude-code/skills/随后校验技能元数据head ~/.config/claude-code/skills/ashby-automation/SKILL.md再启动claude技能会自动加载并在相关任务中激活。技能元数据中的name: Ashby Automation与requires.mcp: [rube]声明是 Claude 判断何时激活该技能的关键依据。推荐的连接与执行检查模式在真正执行 Ashby 工具前建议先遵循同仓库 composio-automation 技能总结的通用模式先用RUBE_SEARCH_TOOLS查询当前可用的工具 schema再用RUBE_MANAGE_CONNECTIONS确认 Ashby 连接状态为 ACTIVE最后通过RUBE_MULTI_EXECUTE_TOOL携带memory参数与session_id执行具体工具。工具 schema 会随版本变化因此先搜索、再执行是避免硬编码失效 slug 的最佳实践。核心工作流一候选人管理候选人管理是招聘流程的起点涉及创建、列表、搜索、详情与更新五类操作。工具ASHBY_CREATE_CANDIDATE、ASHBY_LIST_CANDIDATES、ASHBY_SEARCH_CANDIDATES、ASHBY_GET_CANDIDATE_INFO、ASHBY_UPDATE_CANDIDATE自然语言示例Create a candidate named Jane Smith with email janeexample.com and LinkedIn profile https://linkedin.com/in/janesmith关键参数说明ASHBY_CREATE_CANDIDATE参数参数必填说明name是候选人全名email否主邮箱地址phoneNumber否联系电话linkedInUrl否LinkedIn 主页githubUrl否GitHub 主页websiteUrl否个人网站ASHBY_SEARCH_CANDIDATES参数参数说明email精确邮箱匹配name部分姓名匹配ASHBY_LIST_CANDIDATES参数参数说明perPage分页大小上限 100cursor游标分页syncToken增量同步仅拉取上次同步后的变更需要注意的是ASHBY_SEARCH_CANDIDATES只支持精确邮箱或部分姓名两类单一条件不支持组合查询或其他字段需要更宽泛的筛选时应改用ASHBY_LIST_CANDIDATES配合分页遍历。核心工作流二创建与查看职位发布新职位、浏览现有岗位是招聘团队的高频操作。工具ASHBY_CREATE_JOB、ASHBY_LIST_JOBS、ASHBY_GET_JOB_INFO自然语言示例Create a new Senior Software Engineer job in team dept-123 at location loc-456 with brand brand-789关键参数说明ASHBY_CREATE_JOB参数参数必填说明title是职位名称teamId是部门/团队 ID来自部门列表接口locationId是办公地点 ID来自地点列表接口brandId是雇主品牌 ID来自品牌列表接口defaultInterviewPlanId否默认面试方案 ID设置后才可开放职位接收申请jobTemplateId否从职位模板预填充ASHBY_LIST_JOBS参数perPage上限 100、cursor、syncToken用于分页与增量同步。关键注意点新建职位默认处于 Draft草稿状态。只有设置了defaultInterviewPlanId并将职位开放后申请人才能够提交申请。这是自动化发职位时最容易遗漏的一步。由于teamId、locationId、brandId都是内部 ID应先用部门、地点、品牌的列表接口发现合法 ID 再传入。核心工作流三管理申请申请Application把候选人与职位连接起来并承载其在招聘管道中的流转状态。工具ASHBY_CREATE_APPLICATION、ASHBY_LIST_APPLICATIONS自然语言示例Apply candidate cand-abc123 to job job-xyz789 with source src-referral关键参数说明ASHBY_CREATE_APPLICATION参数参数必填说明candidateId是已存在候选人的 UUIDjobId是已存在职位的 UUIDsourceId否申请来源的 UUIDLinkedIn、内推等creditedToUserId否归功于某位招聘专员/推荐人的 UUIDinterviewStageId否直接放入指定面试阶段缺省为第一阶段ASHBY_LIST_APPLICATIONS参数perPage上限 100、cursor、syncToken用于分页与增量同步。关键注意点必须先有候选人才能创建申请。创建申请前请先创建或找到候选人否则会失败。另外所有 ID候选人、职位、申请、阶段均为 UUID 格式传入格式非法的 ID 会返回 400 错误。核心工作流四查看面试日程工具ASHBY_LIST_INTERVIEW_SCHEDULES自然语言示例Show me all upcoming interview schedules该工具可列出已排定的面试包含时间安排、面试官与候选人详情。参数说明perPage上限 100/cursor用于分页syncToken用于增量获取发生变更的日程适合需要持续跟踪面试变动的场景。核心工作流五候选人内部备注工具ASHBY_LIST_CANDIDATE_NOTES自然语言示例Show me all notes for candidate cand-abc123该工具可获取招聘专员与面试团队为候选人添加的全部内部备注、观察记录与评价。它特别适合在回顾面试反馈与内部评估时使用——不必逐个打开候选人档案一条命令即可汇总全部备注。核心工作流六招聘管道报表将多个列表工具组合起来即可构建招聘管道报表。工具组合ASHBY_LIST_CANDIDATESASHBY_LIST_APPLICATIONSASHBY_LIST_JOBS自然语言示例List all applications to see the current state of our hiring pipeline实操要点增量同步使用syncToken进行增量数据拉取对周期性报表尤为高效可大幅减少 API 调用量全量视角将候选人、申请、职位三类数据组合获得完整的管道可见性完整数据集使用cursor翻页遍历全部结果避免遗漏。已知陷阱与最佳实践原文档将自动化 Ashby 时的常见坑总结得相当精炼这里逐条展开并结合执行模式给出规避建议职位默认是草稿ASHBY_CREATE_JOB新建的职位处于 Draft 状态未设置defaultInterviewPlanId并开放前无法接收申请。发布职位后请立即校验状态。职位创建有四个必填字段title、teamId、locationId、brandId缺一不可合法 ID 需通过部门、地点、品牌的列表接口发现切勿臆造。先候选人后申请申请必须挂接已存在的候选人正确顺序是先创建/查找候选人再创建申请。游标分页无法跳页所有列表接口均采用基于cursor的游标分页perPage上限 100不能跳转到任意页必须顺序迭代。善用syncToken将上一次响应的syncToken带回只拉取变更记录可显著降低重复工作流的 API 调用成本。处处皆 UUID候选人、职位、申请、阶段等 ID 均为 UUID格式错误会直接得到 400 错误。建议在提示词中显式携带完整 UUID 字符串。搜索能力有限ASHBY_SEARCH_CANDIDATES只支持精确邮箱或部分姓名匹配不能组合条件需要更广范围时改用ASHBY_LIST_CANDIDATES分页遍历。此外结合同仓库 composio-skills/composio-automation/SKILL.md 的通用实践还应做到执行前先搜索工具 schema 而非硬编码执行前确认连接为 ACTIVE严格按 schema 的字段名与类型传参RUBE_MULTI_EXECUTE_TOOL调用始终携带memory参数可为空{}同一工作流内复用session_id新工作流生成新 ID留意响应中的分页令牌并持续拉取至完整。工具快速参考下表汇总全部 12 个 Ashby 工具 slug 及其用途可直接作为与 Claude 对话时的能力索引Tool Slug用途ASHBY_CREATE_CANDIDATE创建新候选人必须提供nameASHBY_LIST_CANDIDATES分页与增量同步地列出所有候选人ASHBY_SEARCH_CANDIDATES按邮箱或姓名搜索候选人ASHBY_GET_CANDIDATE_INFO获取候选人完整详情必须提供candidateIdASHBY_UPDATE_CANDIDATE更新候选人档案信息ASHBY_LIST_CANDIDATE_NOTES列出候选人的内部备注ASHBY_CREATE_JOB创建职位必须提供title、teamId、locationId、brandIdASHBY_LIST_JOBS分页与增量同步地列出所有职位ASHBY_GET_JOB_INFO按 ID 获取职位完整详情ASHBY_CREATE_APPLICATION将候选人投递至某职位必须提供candidateId、jobIdASHBY_LIST_APPLICATIONS分页与增量同步地列出所有申请ASHBY_LIST_INTERVIEW_SCHEDULES分页列出已排定的面试小结Ashby Automation 技能把一套完整的 ATS 操作面压缩成了 12 个可被自然语言触发的工具。在实际使用中推荐的工作节奏是先确认 Rube MCP 已连接、Ashby 连接状态为 ACTIVE再用自然语言提出招聘任务遇到参数不明确时主动让 Claude 通过列表类工具反查合法 ID最后用syncTokencursor保障数据的新鲜度与完整性。这套方法论同样适用于本仓库 composio-skills 目录下其他 SaaS 自动化技能例如 composio-automation 中描述的搜索工具 → 检查连接 → 执行工具三段式模式可作为所有 Rube MCP 技能的统一执行底座。赞分享AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载相关推荐Hive 项目 Greenhouse 招聘工具实战指南基于 Harvest API 的职位、候选人与应用管理Hive 项目 Greenhouse 招聘工具实战指南基于 Harvest API 的职位、候选人与应用管理 导读 本文聚焦 Hive 项目Multi Ag人工智能AI Agent多智能体MCP 服务工具调用浏览器控制基于 Rube MCP 的 Cisco Webex 自动化awesome-codex-skills 自然语言协作工作流实战基于 Rube MCP 的 Cisco Webex 自动化awesome codex skills 自然语言协作工作流实战 本文围绕 composio skiAI 技能AI 插件工作流自动化人工智能awesome-codex-skills 实战通过 Rube MCP 自动化 Recruitee 招聘流程awesome codex skills 实战通过 Rube MCP 自动化 Recruitee 招聘流程 本篇技术指南围绕开源仓库 awesome codeAI 技能AI 插件工作流自动化人工智能上一篇Appium Desktop 终极指南移动自动化测试的图形化利器下一篇tabula-py高级技巧如何精确控制表格提取区域和格式创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/22 1:51:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉