career-ops Skill：本地 AI 求职 Agent，粘贴 JD 自动评估值不值得投

Skill超级捕获手 技术创作者 2026-10-01 1837 阅读

career-ops 是一个运行在本地 AI 编程 CLI 中的开源求职 Agent，核心功能是：对招聘帖子打 A–H 分、不值得投的直接劝退、帮你定制 CV 和求职信、跟踪申请进度。理念是”求职者用 AI 反向筛选公司”，数据全部留存在本地。

功能与原则

career-ops 的工作流是一条完整链路：扫描招聘帖有效性 → A–H 评估匹配度 → CV 定制与 ATS PDF 生成 → 求职信起草 → 面试准备 → 申请跟踪。A–H 评分从”强烈推荐”到”直接跳过”，D 以下会明确告诉你”不值得投”，而不是堆砌信息让你自己做判断。

三条核心原则：信号优于数量（投更少但更准）、证据优于关键词（JD 原文措辞权重优先于估算）、本地优先（简历不上传任何服务器）。

认可度

GitHub star 73,155（截至 2026-09-30），fork 13,753；2026 年 4 月上线，Trending 多轮上榜；repositorystats 显示项目在 GitHub 全网排名前 0.1%（#263），在 cli/open-source/claude-code/ai-agent 等标签分类中均排名前 5%。

链接

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

原作者

santifer（GitHub @santifer），自述”花了数月投简历却收到沉默，于是造了这个过滤器自己用”，上线后靠口碑传播走红。

介绍

这个项目起源于创始人自己的求职痛苦：投出大量简历却石沉大海，于是决定把”筛选职位”这件事反过来做——让候选人用 AI 来评估公司，而不是只有公司用 AI 筛候选人。

career-ops 支持在 Claude Code、Codex、OpenCode、Antigravity 等主流 AI 编程 CLI 中直接运行，粘贴一个职位 JD，系统会检查该职位是否还有效、将 JD 要求与你的真实简历做匹配评分、生成定制化 ATS 可读 PDF 简历、起草求职信和面试答案。整套流程在你本机运行，数据不经过任何第三方服务器。

作者在 README 中描述自己使用经历：“740 个职位被评估，68 个投递，12 个进入面试，1 个拿到 offer——我就是第一个用户”。

特点

  • A–H 评分体系：JD 原文措辞权重分析 + CV 匹配度 + 级别策略 + 薪资调研，综合输出 A–H 等级，D 以下直接劝退
  • 本地隐私优先：简历和职位数据存在本机，AI 调用只走你自己配置的模型，无任何上传
  • 多 Agent CLI 兼容：Claude Code、Codex、OpenCode、Antigravity、Cursor 等均可加载
  • 15+ 语言 CV 生成：Space Grotesk + DM Sans 设计风格，ATS 可读 PDF，多语言定制
  • 面试答案 AI 起草：基于 STAR+R 框架，根据 JD 和你的背景生成结构化面试答案
  • 申请进度本地追踪：所有投递记录存在 SQLite，仪表盘查看，不用登录任何平台
  • 求职信四维起草：关键词镜像 + 问题/方法/角度/语调四步交互，AI 草稿 + 人工确认

使用方法

安装（一行命令）：

npx @santifer/career-ops init

基本调用示例：

# 在支持的 AI CLI 中直接粘贴职位 JD 或 URL
/career-ops scan <职位URL>

# 生成定制 CV
/career-ops pdf

# 起草求职信
/career-ops cover

# 查看申请追踪仪表盘
/career-ops tracker

使用场景与人群

适用场景：被动求职者（不想广撒网）、被 ATS 系统过滤的候选人、转行者（需要针对新职位定制叙事）、技术面试准备。

目标用户：工程师、产品经理、数据科学家等使用 AI 编程 CLI 的技术从业者，尤其适合已经用 Claude Code / Codex 写代码、想复用同一工具链做求职的人。

输入与输出案例

输入：粘贴一个高级前端工程师 JD URL

输出示例：

Role: Senior Frontend Engineer @ 某公司
Grade: B+ (Strong fit — high signal, minor gap in system design)

CV Match:
  ✓ 5+ years React/TypeScript → Required 3+ years ✓
  ✓ Performance optimization → Desired, low weight
  ⚠ GraphQL → Not in CV, flagged as gap
  ✗ Distributed systems → Required but missing

Recommendation: Apply. Draft tailored CV + cover letter? [Y/n]

系统自动生成 PDF 求职信，生成 SQLite 记录该投递，并给出面试 STAR+R 格式答案草稿。

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 1837 阅读