career-ops：让 AI 编程 CLI 变成你的求职指挥中心

Skill超级捕获手 技术创作者 2026-09-23 2336 阅读

career-ops 是一个把 AI 编程 CLI（Claude Code / Codex / OpenCode 等）变成求职指挥中心的开源 Skill。不同于传统求职工具的批量海投逻辑，career-ops 的核心是「帮你筛选值不值得投」——对每个职位打出 A–H 评级 + 1–5 分，拒绝幽灵岗位和弱匹配，把精力留给真正值得的机会。数据全留本地、永不自动投递，用户始终保有最终决定权。2026 年 4 月上线，截至 2026 年 9 月已斩获超 70k GitHub Stars，Wired、Business Insider 和 Product Hunt 均有报道，是本季 GitHub Trending 上最活跃的垂直工具之一。

功能与设计原则

career-ops 本质是一个多模态求职工作流引擎，通过 20 种命令模式覆盖求职全链路：

  • A–H 评估：对职位描述进行结构化评分，输出 CV 匹配度（逐条标注权重来源）、薪资区间调研、个性化策略，以及面试准备提示（STAR+R 框架）。Block G 环节专门识别幽灵职位和不 Sponsor 的硬性门槛。
  • ATS PDF 生成：根据职位描述自动注入关键词，生成专业 PDF 简历（Space Grotesk + DM Sans 排版）。
  • 求职信撰写：基于职位研究起草针对性 Cover Letter。
  • 申请追踪：Pipeline 模式管理从初次接触到 Offer 评估的全流程状态。
  • Offer 评估：比较 Offer 细节，给出谈判建议。
  • 面试准备：模拟面试问答，输出结构化准备材料。

核心设计原则：Human-in-the-Loop——AI 负责分析和起草，用户负责审核和发送。代码库里没有任何自动 POST 申请表的功能，所有投递动作由用户手动完成。

认可度

  • GitHub Stars：约 70,100 Stars（截至 2026-09-22），全球排名第 272 位
  • 安装量：Skills 生态 612 次安装（SkillsMP / skillselion 等平台）
  • 周增速：约 1,200 Stars / 周（2026-09 上旬稳定在Trending 前列）
  • 媒体报道：Wired Greece、Business Insider、Product Hunt Featured 均有过报道
  • Trending 经历：2026 年 8–9 月多次出现在 GitHub Trending AI Agent 类目

链接

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

原作者

@santifer（GitHub 个人账号）。根据 README 自述，santifer 本人曾经历数月投递简历石沉大海，于是自己动手写了这款过滤工具——用后 740 条职位、68 次投递、12 场面试、1 个 Offer。工具开源后已成为 thousands of job seekers 的标配。

介绍

career-ops 起源于一个简单的观察：招聘方用 AI 筛选候选人，为什么候选人不能用 AI 筛选机会？

传统的求职痛点不在于找不到职位，而在于信息过载：海量投递消耗精力、幽灵职位浪费时间、简历与职位描述不匹配导致零回复。career-ops 的核心价值主张是「过滤优先于投递」——在你决定是否申请前，先让 AI 对职位做完整的结构化评估。

工具采用本地优先架构。所有简历、职位数据、申请记录都存在用户本地机器上，不上传到任何服务器。支持的 AI 编程 CLI 包括 Claude Code、Codex、OpenCode、Antigravity CLI、Grok 和 Qwen，覆盖当前主流 Agent 开发环境。安装仅需一行命令即可在多个平台完成初始化配置。

工具还内置了社区互帮机制：HIRED.md 文件收录了真实用户的求职成功案例，每一条都是公开的 GitHub Issue，任何人都可以参考或补充。

特点

  • 多平台覆盖：Claude Code、Codex、OpenCode、Antigravity CLI、Grok、Qwen 一个工具走天下
  • 结构化职位评估：A–H 分级 + 1–5 分打分 + 权重来源标注，避免模糊推荐
  • 本地优先：简历和申请记录不离开用户机器，隐私有保障
  • 永不自动投递：AI 起草，用户审核，没有自动提交按钮——这是一条硬性产品约束
  • ATS 优化：PDF 简历自动注入关键词，提升机器筛选通过率
  • 免费 for 求职者：工具本身免费，通过 SerpApi 等赞助维持维护者时间

使用方法

安装（以 Claude Code 为例）：

npx @career-ops-hq/career-ops init
# 或通过 skill marketplace 安装
/plugin marketplace add career-ops-hq/career-ops
/plugin install career-ops@career-ops-hq

基础使用流程：

  1. 首次运行会引导式收集你的 CV、求职偏好和硬性限制（地点、薪资、签证等）
  2. 将目标职位描述粘贴进 CLI
  3. 工具返回 A–H 评估报告和 1–5 分推荐分
  4. 若评价为「不投」，直接节省一个晚上；若评价为「投」，工具自动起草简历 + 求职信
  5. 用户审核后自行提交

常用命令示例：

# 评估单个职位
career-ops scan <职位URL或粘贴内容>

# 深度分析（包含薪资调研）
career-ops deep <职位描述>

# 生成 ATS 优化 PDF 简历
career-ops pdf --jd <职位描述>

# 生成求职信
career-ops cover --jd <职位描述>

# 申请追踪
career-ops tracker

# Offer 对比
career-ops offer --compare

使用场景与人群

适用场景：

  • 技术求职者（软件工程师、数据科学家、产品经理等）定期筛选职位
  • 海投效率低、回复率差的用户希望优化策略
  • 需要为不同公司定制差异化简历的求职者
  • 正在准备技术面试、需要结构化准备材料的候选人

目标用户：

  • 正在求职的开发者（尤其是有 AI 编程 CLI 使用经验者）
  • 希望把求职流程系统化、减少「乱投」焦虑的用户
  • 隐私敏感、不希望简历数据上云的技术从业者

输入与输出案例

输入案例 1（粘贴职位描述）：

“We are looking for a Senior Backend Engineer to join our team…”
[完整 JD 内容约 500 字，列出 8 条要求，含薪资范围、混合办公、要求 5 年以上经验…]

输出（A–H 评估片段）：

Grade: D (borderline C)
Score: 3.8/5

CV Match Breakdown:
✓ 5+ years backend (JD: 5yr req) → JD-weighted: HIGH
✓ Python + SQL (JD: required) → JD-weighted: HIGH  
✗ Kubernetes production exp (JD: preferred) → not in CV
✗ AWS certified (JD: nice-to-have) → not in CV

Red Flags:
⚠️ Salary band not disclosed → hard to validate fit
⚠️ "Fast-paced environment" language → common fluff
✅ Sponsorship status: UNKNOWN → ask before applying

Recommendation: SKIP tonight. If you have K8s by end of month, revisit at C.

输入案例 2（批量追踪）：

$ career-ops tracker
┌─ Applications ─────────────────────────────────┐
│ Company        │ Role          │ Stage │ Date │
│ Anthropic      │ SWE           │ 🟡 OA  │ 9/15 │
│ OpenAI         │ Research Eng  │ 🔴 Rej  │ 9/10 │
│ Stripe         │ Backend       │ 🟢 Int  │ 9/18 │
│ Cloudflare     │ Systems       │ ⬜ App  │ 9/22 │
└─────────────────────────────────────────────┘
Next action: Follow up with Cloudflare recruiter

文章由 Skill超级捕获手 撰写，定位：Skills 市场 + GitHub + 社媒热门 Skill 追踪者，专注爆款、新晋 trending 与社群讨论热点。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 2336 阅读