Career-ops: 基于 Claude Code 的 AI 驱动求职系统

这是什么

Career-Ops 是一个基于 AI 的开源求职工作流自动化框架，由开发者 santifer 创建。它不仅仅是一个简历生成器或职位搜索引擎，而是一个将任意 AI 编程 CLI（如 Claude Code、Gemini CLI、OpenCode）转化为“求职指挥中心”的系统。

该项目旨在通过结构化数据、自动化扫描和智能评估，将传统的、分散的求职过程（手动追踪、海投简历）转化为一个集中化、可量化的管道（Pipeline）。其核心逻辑是“反向筛选”：既然公司使用 AI 过滤候选人，求职者也应利用 AI 来过滤公司，从而将时间集中在高匹配度的机会上。

目前该项目在 GitHub 上已获得约 48,982 星，主语言为 JavaScript，支持多语言文档（包括中文）。

解决的问题

Career-Ops 主要解决现代技术求职中的三个核心痛点：

1. 信息过载与筛选低效：求职者每天面对海量职位，手动浏览 Greenhouse、Lever、Ashby 等 ATS（申请人追踪系统）门户效率极低，且容易遗漏或重复申请。
2. 简历与职位匹配度低：传统简历往往是“一刀切”的，缺乏针对特定职位描述（JD）的定制化，导致 ATS 系统过滤失败或 HR 认为匹配度不高。
3. 缺乏量化的决策依据：求职过程通常是感性的，缺乏对职位匹配度、薪资竞争力、团队契合度的结构化评估，导致求职者难以理性判断哪些 Offer 值得投入时间面试。

核心功能

Career-Ops 通过一系列 Slash 命令（斜杠命令）和自动化脚本实现端到端的求职管理：

• 智能职位评估（A-F 评分系统）：
  • 基于 10 个加权维度对职位进行结构化评分。
  • 系统会读取用户的 cv.md（Markdown 格式简历）与职位描述进行深度推理匹配，而非简单的关键词匹配。
  • 生成详细的评估报告，指出匹配点、差距及 STAR 法则故事建议。
• ATS 优化简历生成：
  • 根据特定职位描述自动生成定制化的 PDF 简历。
  • 使用 HTML 模板确保格式兼容主流 ATS 系统，提高通过率。
• 自动化门户扫描：
  • 预置了 45+ 家目标公司（如 Anthropic, OpenAI, Vercel 等）和 19 种搜索查询。
  • 支持扫描 Greenhouse、Ashby、Lever 等主流 ATS 门户。
  • 提供 --verify 模式，利用 Playwright 进行实时存活检查，过滤掉已关闭的过期职位。
• 批量处理与追踪：
  • 支持并行评估多个职位（Sub-agents 模式）。
  • 维护单一事实来源（Single Source of Truth）的追踪表，记录申请状态、评估分数和面试进度。
• 深度研究与外联：
  • 提供公司深度调研（Deep Research）功能。
  • 自动生成 LinkedIn 外联消息模板。

亮点 / 与同类相比

• Agentic 工作流而非被动工具： 与传统的简历修改工具不同，Career-Ops 是“代理式”的。它利用 Claude Code 或 Gemini CLI 作为大脑，通过 Playwright 导航网页，通过推理引擎分析 CV 与 JD 的契合度。它不仅能生成简历，还能像一名高级招聘顾问一样思考。
• 严格的过滤机制： 项目明确反对“海投”（Spray-and-pray）。系统建议对评分低于 4.0/5.0 的职位不予申请。这种“少而精”的策略旨在保护求职者的时间价值，同时也尊重招聘方的时间。
• 多 CLI 原生支持： 不仅支持 Claude Code，还原生支持 Gemini CLI 和 OpenCode。对于 Gemini 用户，只需安装 @google/gemini-cli 并配置 API Key，即可使用相同的 15 个斜杠命令和评估逻辑。
• 本地化与隐私控制： 核心数据（如简历、追踪表）存储在本地 Markdown 和 YAML 文件中，用户完全掌控数据隐私。
• 可视化仪表盘： 内置基于 Go 语言的 TUI（终端用户界面）仪表盘，提供 6 个过滤标签、4 种排序模式和懒加载预览，让用户在终端中也能直观管理求职管道。

适合谁用 / 上手

适合人群：

• 技术求职者：特别是软件工程师、AI 研究员、产品经理等需要高度定制化简历的技术岗位。
• 追求效率的求职者：希望自动化处理繁琐的职位搜索和简历适配，将精力集中在面试准备和深度思考上的人。
• AI 爱好者：熟悉 CLI 工具，希望利用 LLM 代理能力优化个人工作流的开发者。

上手指南：

1. 环境准备：

   • 克隆仓库：git clone https://github.com/santifer/career-ops.git
   • 安装依赖：npm install
   • 安装 Chromium：npx playwright install chromium（用于 PDF 生成和网页扫描）
   • 运行医生检查：npm run doctor

2. 配置个人档案：

   • 复制配置文件：cp config/profile.example.yml config/profile.yml
   • 创建简历：在项目根目录创建 cv.md，用 Markdown 格式书写简历。
   • 配置目标公司：复制 templates/portals.example.yml 到 portals.yml 并添加目标公司。

3. 启动 AI 代理：

   • 运行 claude 或 gemini 进入 CLI 环境。
   • 通过自然语言指令定制系统，例如：“将原型调整为后端工程角色”、“更新我的个人资料”等。
   • 系统会根据你的上下文逐步学习你的偏好，初期效果可能一般，随着反馈增加，评估会越来越精准。

4. 开始使用：

   • 直接粘贴职位 URL 或描述，系统会自动触发完整管道（评估 + PDF 生成 + 追踪）。
   • 或使用特定命令，如 /career-ops scan 扫描新职位，/career-ops pdf 生成简历。

注意：该系统需要用户投入初始时间提供上下文（职业故事、优势、偏好等），如同招聘一名新顾问，第一周需要“培训”，之后它将变得极具价值。