ai-job-search Skill：69份定制申请换一张offer的Claude求职框架

用 Claude Code 找工作，69 份定制申请换来一张 AI 工程师 offer——这是 Mads Lorentzen 亲身验证过的方法。他把这个流程做成了开源框架 MadsLorentzen/ai-job-search，在 GitHub 狂揽 22.6k star，成为 2026 年 7 月单周新增 star 最多的项目（+13,195）。

功能与原则

ai-job-search 是一个完全本地运行的 AI 求职应用框架，基于 Claude Code 构建。核心是一个”双 Agent 流水线”——Drafter Agent 生成内容，Reviewer Agent 批判审核，发现问题打回重来，确保每份简历和求职信都经得起推敲。项目遵循三条原则：本地优先（数据不上云）、可核查输出（每份文档可追溯 AI 生成逻辑）、完全拥有（MIT 协议，Fork 后就是自己的求职流水线）。

认可度

截至 2026-08-25，项目拥有 22.6k star、7.0k fork，曾在 2026-07-08 登上 GitHub 日榜第一，单日新增 4,534 star。GitHub Trending 周榜累计在榜多周，Trendshift 追踪显示持续增长趋势。SegmentFault、CSDN、稀土掘金、头条等国内技术社区均有深度报道。

链接

GitHub：https://github.com/MadsLorentzen/ai-job-search

原作者

Mads Lorentzen，GitHub @MadsLorentzen。地球物理出身，2025 年底职位被裁后，用自己写的这套框架找工作：69 份定制申请，20 轮面试，2026 年 6 月以 AI 工程师身份入职。他在 LinkedIn 公开了完整的求职漏斗数据，并把框架开源。

介绍

传统求职的痛苦在于：每投一个岗位都要手动改简历和求职信，重复劳动量大，而且很难保证每份材料都质量一致。更麻烦的是，投出去的石沉大海，根本不知道自己被拒绝的真正原因。

ai-job-search 把整个流程自动化。用户提供简历、LinkedIn、证书等原始材料，框架自动完成：抓取目标公司的职位描述 → 评估与自己的匹配度打分 → 生成定制化 LaTeX 简历和求职信 → Reviewer Agent 审核内容真实性（防止 AI 虚构）→ 编译输出 PDF（通过 pdflatex/xelatex 验证排版和 ATS 可解析性）。

除了申请本身，框架还内置了面试模拟（根据真实提交材料出题）、技能差距分析（与目标岗位要求对比后给出 upskill 路径）、批量职位排名（按匹配度排序决定优先投递顺序）等辅助功能。丹麦本地招聘平台（Jobindex、Jobnet、Akademikernes Jobbank）已内置搜索技能，但 /add-portal 命令可接入任意地区的招聘平台。

特点

• 双 Agent 审核机制：Draft Agent 生成 + Reviewer Agent 挑刺，杜绝”看起来对但实际有水分”的 AI 原生文案
• LaTeX 专业化输出：简历和求职信以 LaTeX 编译成 PDF，排版精美且 ATS 友好
• 完全本地执行：所有数据留在本地机器，不上传任何招聘平台账号或个人信息
• 职位匹配评分：对每个职位打匹配分，批量 rank，避免盲目海投
• 面试模拟器：基于用户真实简历生成定制面试题，不是通用题库

使用方法

安装步骤：

# Fork 仓库
git clone https://github.com/MadsLorentzen/ai-job-search.git
cd ai-job-search

# 安装依赖
npm install          # TypeScript + CLI 工具
bun install          # 求职爬虫工具
# 安装 LaTeX（TeX Live / MacTeX / TinyTeX / MiKTeX）

# 初始化个人档案
npx claaude-code
/setup               # 输入简历路径、LinkedIn 地址、证书目录

基本命令：

/scrape <url>        # 抓取招聘页面并解析职位描述
/apply <url>         # 对该职位生成定制简历 + 求职信
/interview           # 启动面试模拟
/rank               # 对所有已抓取职位按匹配度排序
/upskill            # 分析技能差距，制定学习计划

最小示例：

/setup                # 首次运行，填入简历 PDF 路径
/scrape https://www.jobindex.dk/job/123456  # 抓取职位
/apply                # 生成针对该职位的定制申请材料

使用场景与人群

适用于正在找工作且愿意花时间配置本地环境的工程师群体，尤其适合需要海投多个职位、希望每份申请材料都精准匹配 JD 的求职者。对 AI 驱动的效率工具感兴趣、想了解 Agent 工作流实际应用的技术人员，也可以把这个项目当作学习案例。

不适合追求”一键搞定”的懒人方案——初始配置需要花 30-60 分钟整理自己的简历和设置 LaTeX 环境。

输入与输出案例

案例 1：定制简历生成

输入：用户已通过 /setup 配置好个人档案，跑了 /scrape 抓取了一个”AI Engineer”职位。

Claude Code 自动解析职位描述 → 识别关键技能要求（Python/MLOps/AWS/生成式 AI）→ 对比用户档案中的技能标签 → 打匹配分 7.8/10 → 生成两页 LaTeX 简历（突出相关经验、弱化无关项目）→ 编译为 PDF，ATS 系统可直接解析。

案例 2：求职信 + Reviewer 审核

输入：同一职位，用户执行 /apply。

Drafter Agent 生成一封 400 字求职信，说明为什么自己是这个岗位的合适人选。Reviewer Agent 随后审核：检测到第一段有一句”我从小就对 AI 充满热情”属于空洞表述，标红打回。Drafter 重写，突出具体项目经验（用该框架帮助前公司候选人准备面试，成功率提升 40%）。二审通过，生成最终 PDF。

GitHub: https://github.com/MadsLorentzen/ai-job-search