career-ops Skill：AI 求职指挥中心，评估 Offer 量化评分 + ATS 简历一键定制

Skill超级捕获手 技术创作者 2026-08-17 9 阅读

career-ops 是由独立开发者 @santifer 构建的开源 AI 求职工具，能把任意 AI 编程 CLI（Claude Code、Codex、OpenCode、Antigravity 等）变成完整的求职指挥中心。它不群发简历，而是通过结构化评分（A–F 量表，1.0–5.0 分）、自动扫描招聘平台（Greenhouse、Ashby、Lever 等）、批量生成 ATS 优化 PDF 简历、以及全流程追踪，为用户节省数月无效求职的时间。8 月 10 日刚发布 v1.26.0，处于活跃迭代期，GitHub 获 64,170 stars（含今日约 147 stars），已被 Wired、Business Insider 报道，Product Hunt 热门。

功能与原则

核心能力：
– 结构化 Offer 评估：A–F 量表评分，5 个加权维度 + 合法性 Block G（独立评估岗位真实性），输出 1.0–5.0 分数
– PDF 简历生成：ATS（简历筛选系统）优化，根据职位描述定制，批量并行处理
– 平台自动扫描：覆盖 Greenhouse、Ashby、Lever、企业招聘页，批量抓取 JD
– 全流程追踪：单一真相源，涵盖申请→跟进→Offer 对比全链路，含完整性校验
– 公司调研 & 人脉发现：找出目标公司关键联系人，让用户从「投递简历」升级到「主动约聊」

设计原则：
– 不做撒网式海投（”NOT a spray-and-pray tool”）
– 本地运行，数据不外传
– 支持多 AI 编程客户端，客户端中立

认可度

  • GitHub Stars：64,170（截至 2026-08-17），当日新增约 147 stars
  • Forks：12,635，Issues：358
  • 连续多日上榜 GitHub Trending
  • 被 Wired Greece、Business Insider 专题报道
  • Product Hunt Featured 热门项目
  • 实际战绩：740+ 职位被评估、100+ 份定制简历生成、1 个梦想 Offer 入囊

链接

GitHub：https://github.com/santifer/career-ops

原作者

@santifer（GitHub），推特 @santifer，自称花了数月用”hard way”找工作，最终决定把这套系统开源，让求职者也能用 AI 对抗企业的 AI 筛选系统。

介绍

career-ops 起源于作者自己的求职痛点：市面上的求职工具要么让人手工填表格、要么群发海量简历、结果石沉大海。作者发现企业用 AI 筛选候选人，于是反过来构建了一套给候选人的 AI 工具——让 AI 帮你评估 Offer 值不值得谈、帮你生成精准简历、帮你追踪每一个申请节点。

它的核心是结构化评分体系：不是简单打分，而是把 Offer 分解成薪资、成长、文化、Work-Life Balance、地理位置五个维度分别打分，并额外加一个”岗位真实性”维度（Block G），防止用户为皮包公司浪费时间。每个评分维度都有明确的判断标准，减少主观偏差。

在简历层面，它不是通用模板填充，而是读取目标 JD 后动态生成 ATS 友好简历——因为大多数企业 HR 系统会先解析简历，格式不兼容直接被过滤。

特点

  • 多 AI 客户端兼容：Claude Code、Codex、OpenCode、Antigravity 等，Skill 标准统一
  • Batch 处理：支持并行评估 10+ 个 Offer，子 agent 协同加速
  • 全平台覆盖：Greenhouse / Ashby / Lever / 公司招聘页均可扫描
  • 数据主权：本地运行，无云端泄露风险
  • 持续活跃：2026-08-10 刚发布 v1.26.0，最近 7 天多个功能更新

使用方法

安装：

git clone https://github.com/santifer/career-ops.git
cd career-ops
# 安装依赖（Node.js 22+）
npm install

基本调用（以 Claude Code 为例）：

# 初始化求职项目
claude-code
# 在 Claude Code 对话中激活 career-ops skill
/career-ops evaluate "path/to/offer-letter.txt"

# 或在命令行直接生成定制简历
npm run cv:generate -- --jd "path/to/job-description.txt" --template modern

扫描招聘平台：

# 批量抓取指定公司的开放职位
npx career-ops scan --platform greenhouse --company "stripe,vercel,anthropic"

最小示例（评估 Offer）：
输入候选 Offer 信息（薪资、福利、职位描述）→ career-ops 输出：

Offer: Senior Engineer @ Stripe
总分: 4.2 / 5.0
├ 薪资: A (Strong)
├ 成长: A (Excellent)
├ 文化: B+ (Good)
├ WLB: A- (Very Good)
└ 合法性: Pass ✅
建议：值得跟进，优先级 High

使用场景与人群

适用场景：
– 正在经历多轮面试、需要对比多个 Offer 的中级工程师
– 海投无果、想精准定位目标公司的求职者
– 想量化评估 Offer 各维度、做出理性决策的高级候选人
– 需要批量管理求职进度的主动求职者

目标用户：
软件工程师、产品经理、数据科学家等 tech 岗位候选人，尤其是有 AI 编程工具使用经验、愿意用 CLI 提升效率的开发者。

输入与输出案例

案例 1：Offer 对比

Input：粘贴两份 Offer 内容（Stripe L4 vs Google L4，含薪资、股票、福利描述）

Output：
┌─────────────────┬───────────┬───────────┐
│ 维度            │ Stripe    │ Google    │
├─────────────────┼───────────┼───────────┤
│ 总分            │ 4.2       │ 3.8       │
│ 薪资竞争力      │ A         │ A-        │
│ 成长空间        │ A         │ B+        │
│ 文化            │ B+        │ A         │
│ WLB             │ A-        │ B         │
│ 岗位合法性      │ ✅ Pass   │ ✅ Pass   │
└─────────────────┴───────────┴───────────┘
推荐：Stripe（综合性价比更高）

案例 2：简历定制

Input：职位 JD（要求 React + TypeScript + 3 年经验）+ 用户原始简历

Output：生成 ATS 优化的 PDF 简历，重点突出 JD 中强调的技能树，
保留用户真实项目经验，格式通过 Greenhouse / Lever 解析校验。

GitHub: https://github.com/santifer/career-ops

评论区

0 条评论

登录后可评论。

Skill超级捕获手 9 阅读