AI Job Search Skill：让 Claude 接管你的求职全流程

Skill超级捕获手 技术创作者 2026-08-28 11 阅读

AI Job Search（ai-job-search）是目前 GitHub 上最现象级的垂直领域 Claude Code Skill 之一。它把求职这个高度个性化、手动重复的流程变成了一条自动化流水线：抓取岗位、评估匹配度、定制简历、撰写 Cover Letter、追踪申请、准备面试，全部在本地由 Claude Code 自动完成。 作者本人曾是被裁的地球物理学家，用这套框架在 2026 年 6 月拿到 AI 工程师 offer——69 份投递、20 个一面、1 份签约，方法论完全公开。GitHub 连续出现在 Trending 周榜，截至 2026-08-27 已斩获 37,255 颗星，12,613 次 Fork，成为 Claude Code 生态里”用真实结果说话的 Skill”标杆。

功能与原则

核心是一个基于 Claude Code 的多步骤求职 Agent 工作流，包含三个子 Skill：

  • job-application-assistant：主 Skill，负责岗位评估、简历定制、Cover Letter 撰写、面试准备全流程，含 9 个步骤的详细 SKILL.md 协议
  • job-scraper：抓取 Jobindex、Jobnet 等丹麦主流招聘平台岗位描述，内置 403 兜底逻辑
  • upskill：简历升级工具

设计原则是“求职即工程”：每个步骤都有确定性输出、版本化管理、结构化记录，拒绝随意套模板。

认可度

  • GitHub Star：37,255（截至 2026-08-27）
  • Fork：12,613
  • 语言：Python
  • 建库时间：2026-03-18
  • Trending：2026 年 8 月连续出现在 GitHub Trending 周榜，日新增 Star 稳定在 1,000 以上
  • 背景：作者 Mads Lorentzen 用此框架真实求职，69 投→20 面→1 offer，经历和数据完全公开

链接

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

原作者

Mads Lorentzen（GitHub: MadsLorentzen）。前地球物理学家，2025 年底职位被裁后独立构建此框架，2026 年 6 月以 AI 工程师身份入职。求职过程完全透明，LinkedIn 发布完整漏斗数据，项目 README 原文为”它让我找到了工作，现在它是你的了”。

介绍

这个项目的核心价值是把求职的不确定性变成可量化的工作流。

传统的求职过程是：看到 JD → 手动改简历 → 复制粘贴 Cover Letter → 投出去等消息。整个过程零结构、零追踪、零反馈。投了 100 份不知道哪份被看了、哪个环节出了问题。

ai-job-search 的解法是：把 Claude Code 当成一台求职机器，配置好候选人 profile 后，每次只需提供岗位 URL，Agent 自动完成岗位评估（打匹配分）→ 定制 CV → 撰写 Cover Letter → 记录申请状态 → 输出面试准备提纲。每一步都有确定性输出、可回查的记录、以及 reviewer agent 的质量审查。

它解决的本质问题是：求职需要重复劳动，但重复劳动不应该由人来干。

架构上，它用 .claude/skills 目录下的结构化 Markdown 文件定义 Agent 行为规范（9 个步骤的 SKILL.md），用 /scrape、/apply 等 slash commands 提供入口，用 LaTeX 模板保证输出专业度。整体不需要任何云服务，数据留在本地。

特点

  • drafter-reviewer 双代理管道：草稿 agent 先出一版，reviewer agent 挑剔审查，质量高于单次生成
  • LaTeX 专业输出：生成的简历和 Cover Letter 是 LaTeX 源码，编译后可直接投递，非截图或 Word 截图
  • ATS 兼容性检查：/apply 内置 ATS 可解析性检查，避免简历被机器人筛选系统误杀
  • 岗位匹配度评分：系统评估候选人与岗位的匹配程度，给出是否值得投递的建议，避免精力浪费
  • 403 兜底爬取：岗位页面的 WebFetch 遇到 403 时自动走备用爬取路径，不轻易放弃
  • 申请状态追踪：所有投递记录进 job_scraper/seen_jobs.json，避免重复投递和漏投
  • 完全本地运行：所有数据留在本地机器，无云依赖，无账号体系，隐私友好

使用方法

安装步骤：

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

# 安装依赖
# 1. Python 3.10+（job scraper 用）
# 2. Bun（job search CLI 工具）
# 3. LaTeX 发行版（lualatex + xelatex）
#    TeX Live / MacTeX / TinyTeX / MiKTeX 均可
#    详细安装说明见 SETUP.md

# 填写候选人资料
# 编辑 .claude/skills/job-application-assistant/ 下的 9 个 Markdown 文件
# 包括：01-candidate-profile.md（学历/经历/技能）
#       02-behavioral-profile.md（行为特质）
#       03-writing-style.md（写作风格规范）
#       04-job-evaluation.md（评估打分框架）

# 启动 Claude Code
claude

基本调用：

# 抓取并评估岗位
/scrape https://www.jobindex.dk/job/12345678

# 如果评估通过，投递
/apply

# 单独使用某步骤
# "Evaluate this job posting" — 仅 Step 1 评估
# "Write a CV for [company]" — 仅 Step 2 生成简历
# "Help me prepare for an interview" — 仅 Step 4 面试准备

最小示例：填写完候选人 profile 后，输入 /scrape <岗位URL>，Claude 自动完成从岗位评估到生成 LaTeX 简历和 Cover Letter 的全部流程。

使用场景与人群

适用场景：
– 工程师/数据科学家/产品经理等白领求职者的批量岗位定制化投递
– 求职者想建立可追溯的申请记录管理体系
– 求职者想确保每份简历和 Cover Letter 真正针对岗位定制，而非批量套用

目标用户：
– 正在积极求职的开发者（尤其是在丹麦/欧洲市场有招聘需求的）
– 希望把求职当作”系统工程”而非”碰运气”的人
– 想学习如何用 Claude Code 构建垂直领域 Agent 工作流的开发者

注：job scraper 目前针对丹麦市场（Jobindex、Jobnet、Akademikernes Jobbank 等），但核心工作流框架设计为可替换任意地区的招聘平台。

输入与输出案例

输入（用户）：

/scrape https://www.jobindex.dk/job/12345678

Claude Skill 自动执行以下步骤：

  1. WebFetch 抓取岗位描述（含 403 兜底）→ 保留原始文本存档
  2. 评估匹配度 → 输出结构化评分表（如技术栈匹配 8/10、经验年限 6/10、薪资预期 9/10）→ 给出”是否值得投递”的建议
  3. 询问用户确认 → 用户说”继续”
  4. 定制简历 → 生成 cv/main_公司名_职位.tex（LaTeX 格式，可编译）
  5. 撰写 Cover Letter → 生成 cover_letters/cover_公司名_职位.tex，遵循 03-writing-style.md 的严格规范（禁用破折号、禁用套话）
  6. 记录申请 → 更新 job_scraper/seen_jobs.json，做 ATS 检查
  7. 面试准备 → 输出 STAR 格式预期问题 + 公司调研提纲 + 应问面试官的问题清单

最终输出：两页专业 LaTeX PDF（简历 + Cover Letter），直接可用于投递，配有申请状态记录。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 11 阅读