Spaces:

Zoey7Web
/

Wellfound

Runtime error

App Files Files Community

Wellfound / README.md

Zoey7Web

Upload 21 files

28291d7 verified 30 days ago

preview code

Raw

History Blame Contribute Delete

12.4 kB

metadata

title: Wellfound AI
emoji: 🤖
colorFrom: blue
colorTo: indigo
sdk: docker
app_port: 7860
pinned: false
license: mit

Wellfound AI — Excel 数据补全工具

AI 驱动的自动化 Excel 数据补全工具，专为 Wellfound (AngelList Talent) 导出数据设计。通过 Web 抓取和 LLM API（OpenAI/DeepSeek）智能提取融资信息、公司联系方式和地址数据。

功能特性

🤖 AI 深度网页理解：使用 GPT-4o / DeepSeek 分析网页内容，提取结构化数据
📍 智能地址处理：自动识别美国总部/办事处地址，填入 location.apply 和 state.apply
📧 多重联系方式获取：全站扫描 HR/招聘邮箱、联系表单 URL、招聘页面链接
💾 断点续处理：保存进度，中断后可恢复继续
🔄 实时 Excel 写入：每行处理完立即写入，不怕中途崩溃
⚡ 并行处理：可配置并发数，加速大规模数据处理

📖 完整部署指南：从零到上线 Hugging Face Spaces

本指南面向零经验用户。即使你从未使用过 Hugging Face，也能按步骤在 15 分钟内完成部署。

1. 前置准备

你需要准备：

事项	说明
✉️ 邮箱	用于注册 Hugging Face 账号
🔑 API Key	OpenAI API Key（获取地址）或 DeepSeek API Key（获取地址）
📊 Excel 文件	Wellfound 导出的数据文件（格式：Company Name, Location, Internal Link, External Link…）
💻 电脑	Windows / macOS / Linux 均可，需联网

不熟悉命令行？ 不用担心，Hugging Face 提供网页版 Git 上传，全程可视化操作。

2. 创建 Hugging Face 账号

步骤 2.1：注册

打开浏览器，访问 https://huggingface.co/join
填写邮箱和密码，点击 Sign Up
检查邮箱，点击验证链接
完成个人资料设置（头像、用户名随意）

步骤 2.2：创建 Access Token（API 令牌）

上传代码时需要这个令牌验证身份。

登录后，点击右上角头像 → Settings
左侧菜单选择 Access Tokens
点击 Create new token
Token type 选择 **Write**（可写权限）
Token name 填写 wellfound-ai（随意命名）
点击 Generate a token
⚠️ 立即复制保存 — 这个 token 只显示一次！

Token 示例: hf_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

3. 创建 Space

步骤 3.1：新建 Space

访问 https://huggingface.co/new-space
填写配置：

配置项	填写内容
Space Name	`wellfound-ai`（或自定义名称）
License	`mit`
Space SDK	选择 `Docker`
Docker Template	选择 `Blank`（空白模板）
Space Hardware	选择 `CPU basic`（免费版）
Visibility	选择 `Public`（公开）或 `Private`（私有）

点击 Create Space

🎉 页面会跳转到你的新 Space，此时显示 "Building..." — 别急，还没上传代码。

4. 克隆代码到本地

有两种方式获取本项目代码：

方式 A：直接下载 ZIP（推荐，无需 Git）

从本项目仓库点击 Code → Download ZIP
解压到任意文件夹，例如 D:\wellfound-ai\

方式 B：Git 克隆

git clone <本仓库地址> wellfound-ai
cd wellfound-ai

如果项目还没上传到 GitHub，可以直接使用方式 A。

5. 上传项目到 Space

方案一：网页端直接上传（最简单，推荐）

打开你的 Space 页面（https://huggingface.co/spaces/<你的用户名>/wellfound-ai）
点击顶部的 Files 标签
点击 Upload files 按钮
将以下文件/文件夹拖拽上传：

必须上传的文件 ✅
├── Dockerfile           # Docker 构建配置
├── app.py               # FastAPI 主程序
├── requirements.txt     # Python 依赖
├── core/                # 核心模块文件夹
│   ├── __init__.py
│   ├── excel_handler.py
│   ├── scraper.py
│   ├── ai_extractor.py
│   ├── address_processor.py
│   └── contact_finder.py
├── templates/           # 前端模板文件夹
│   └── index.html
├── static/              # 静态资源文件夹
│   └── style.css
├── .gitignore
└── .dockerignore

上传后，在 Files 页面点击 Commit 保存

方案二：Git 命令行上传（需安装 Git）

# 1. 进入项目目录
cd wellfound-ai

# 2. 初始化 Git（如果是 ZIP 下载的）
git init
git add .
git commit -m "Initial commit"

# 3. 添加 HF Space 远程仓库
git remote add origin https://huggingface.co/spaces/<你的用户名>/wellfound-ai

# 4. 拉取 HF 远程仓库（处理可能的冲突）
git pull origin main --rebase

# 5. 推送代码
git push origin main

# 提示输入用户名时，填写你的 Hugging Face 用户名
# 提示输入密码时，填写第 2 步创建的 Access Token

6. 等待构建 & 首次启动

步骤 6.1：监控构建过程

打开 Space 页面，观察 Building 状态
点击 Builder Logs 查看实时构建日志
构建大约需要 3-5 分钟（主要是安装 Chromium 浏览器）

构建日志示例（正常情况）：

Step 1/8 : FROM python:3.11-slim          ✅
Step 2/8 : RUN apt-get install ...         ✅
Step 3/8 : COPY requirements.txt .         ✅
Step 4/8 : RUN pip install ...             ✅
Step 5/8 : RUN playwright install ...      ✅ (这步最慢)
Step 6/8 : COPY app.py .                   ✅
Step 7/8 : RUN mkdir -p data/              ✅
Step 8/8 : CMD ["python", "app.py"]        ✅

步骤 6.2：确认运行

构建完成后，Space 状态从 Building 变为 Running（绿色圆点）。

点击 App 标签查看运行界面
你应该看到 Wellfound AI 的完整网页界面
如果显示 "错误" 或空白，点击 Logs 标签查看运行时日志

7. 使用你的工具

操作步骤

┌─────────────────────────────────────────────┐
│  Step 1: 输入 API Key                         │
│  ├─ 选择 AI 服务（OpenAI / DeepSeek）          │
│  └─ 粘贴你的 API Key                          │
├─────────────────────────────────────────────┤
│  Step 2: 上传 Excel 文件                       │
│  ├─ 拖拽文件到上传区域                         │
│  └─ 确认文件列数和行数正确                      │
├─────────────────────────────────────────────┤
│  Step 3: 开始处理                             │
│  ├─ 设置起始行（断点续传用）                    │
│  ├─ 设置最大处理行数（0 = 全部）               │
│  └─ 点击 "Start Processing"                   │
├─────────────────────────────────────────────┤
│  Step 4: 下载结果                             │
│  └─ 处理完成后，点击 "Download" 按钮           │
└─────────────────────────────────────────────┘

数据流转

C 列 (Wellfound 内部链接)
  → Playwright 渲染页面
  → regex + AI 提取估值/轮次信息
  → 填入 Valuation / Rounds / Series / Total Raised

D 列 (公司官网)
  → Playwright 渲染页面
  → AI 深度扫描邮箱/地址/表单
  → 填入 contact / location.apply / state.apply

每行处理完 → 立即写入 Excel → 不怕中断

API 费用预估

模型	每行成本	659行总成本
GPT-4o	~$0.01	~$6-10
GPT-4o-mini	~$0.001	~$1-2
DeepSeek-Chat	~$0.001	~$0.5-1

💡 建议先关闭 AI（只用 Web Scraping）处理几行测试流程，确认没问题再开启 AI。

8. 常见问题

Q: 构建失败，日志显示 "playwright install" 错误？

A: 检查 Space Hardware 是否选择了 CPU basic（不是 CPU upgrade）。免费版有时内存不足导致 Chromium 安装失败，可以在 Dockerfile 的 playwright install 命令后加 --with-deps。

Q: 应用运行了但页面打不开？

A: 确认 Dockerfile 中 EXPOSE 7860 和 README 头部的 app_port: 7860 一致。检查 Space 日志中有没有 Wellfound AI - Server Starting 字样。

Q: API 调用总是超时？

A: HF Spaces 免费版的网络出口在海外，访问某些网站可能较慢。可以：

调大并发数（concurrency = 1）
使用 DeepSeek 替代 OpenAI（API 延迟更低）
考虑升级到 HF Pro 订阅

Q: 如何设置 Space 为私密？

A: 在 Space Settings → Visibility 改为 Private。注意：免费版只能有一个私有 Space。

Q: 如何更新已有 Space 的代码？

A: 修改代码后，在 Space 的 Files 页面重新上传覆盖，或 git push 即可。HF 会自动重新构建。

Q: 数据安全吗？

上传的文件仅存储在 Space 容器内，不会公开
容器休眠后数据会清除（建议处理完立即下载）
API Key 通过前端输入，不存储在服务端

9. 本地开发

在本地运行以进行调试和开发：

环境要求

Python 3.9+
Git

快速开始

Windows:

# 双击运行
start.bat

macOS / Linux:

chmod +x start.sh
./start.sh

手动启动:

# 1. 安装 Python 依赖
pip install -r requirements.txt

# 2. 安装 Playwright 浏览器
playwright install chromium

# 3. 启动服务
python app.py

# 4. 浏览器打开
# http://localhost:7860

Docker 本地构建

# 构建镜像
docker build -t wellfound-ai .

# 运行容器
docker run -p 7860:7860 wellfound-ai

# 打开 http://localhost:7860

项目结构

wellfound-ai/
├── app.py                    # FastAPI 主程序（6 个 API 端点）
├── Dockerfile                # Docker 构建配置（HF Spaces 用）
├── requirements.txt          # Python 依赖
├── .gitignore                # Git 忽略文件
├── .dockerignore             # Docker 构建忽略文件
├── start.bat / start.sh      # 本地一键启动
│
├── core/                     # 核心模块
│   ├── excel_handler.py      # Excel 读写 + 断点续传
│   ├── scraper.py            # Playwright 智能网页抓取
│   ├── ai_extractor.py       # AI 数据提取（OpenAI/DeepSeek）
│   ├── address_processor.py  # 智能地址处理
│   └── contact_finder.py     # 联系方式获取
│
├── templates/                # 前端模板
│   └── index.html            # 单页应用 UI
│
├── static/                   # 静态资源
│   └── style.css
│
└── data/                     # 运行时数据（不在 Git 中）
    ├── uploads/              # 上传的 Excel
    ├── results/              # 处理结果
    └── checkpoints/          # 断点续传状态

许可证

MIT License — 可自由使用、修改和分发。

技术支持

遇到问题？在 Space 页面点击 Community 标签发起讨论
Hugging Face 官方文档：https://huggingface.co/docs/hub/spaces