career-ops 是一个跑在 AI 编码 CLI 里的求职系统。你给它你的简历和一份职位描述;它用 Playwright 导航招聘门户、给职位打分、生成一份定制的、对 ATS 友好的 PDF 简历、批量处理、并追踪投递。有意思的是它的形态:career-ops 不是 SaaS 也不是独立应用,而是一组你在 Claude Code(或 Gemini、opencode、Codex)里运行的 prompt 和模式。它是一个新范式最清晰的例子之一:把编码 agent 当作一个非编码任务的应用运行时。

它怎么组织

功能放在一组模式文件里(约 14 到 20 个 markdown 定义),每个是一个聚焦的工作流:

  • 给职位打分,做分级评估(契合度、简历匹配、薪酬、合法性核查)。
  • 生成 PDF 简历,经 Playwright HTML 转 PDF、做 ATS 优化。
  • 扫描门户,用 Greenhouse、Ashby、Lever 端点零成本扫几十家预配置公司。
  • 批量并行评估大量职位。
  • 面试准备,用一个 STAR 加反思的故事库。
  • 跟进、联系触达、深度公司研究、拒信模式分析,以及一个状态追踪器。

因为模式就是 prompt,你可以让 agent 改它们:“按数据工程师画像重建这个”,Claude 就改写打分权重和模板。这个系统在某种意义上”自知”:它读取并修改它所操作的文件。

安装

# 最快
npx @santifer/career-ops init

# 手动
git clone https://github.com/santifer/career-ops.git
cd career-ops && npm install
npx playwright install chromium   # 仅生成 PDF 时需要
claude   # 或 gemini / codex / opencode 启动 CLI

首次运行时系统会(通过 agent)访谈你,设置简历、偏好,以及要扫描哪些公司门户。然后你用 /career-ops scan、/career-ops pdf、/career-ops batch、/career-ops tracker 这样的斜杠命令来驱动它。

为什么它可信

career-ops 读起来不同于典型”AI 工具”营销,原因是它的来历。作者 Santiago 是为自己的求职而造,报告称用它跑了 740 多次职位评估、生成 100 多份定制简历,并借此拿到一个 Head of Applied AI 职位。这种真实使用加上媒体报道,是 star 暴涨的推手。它是一个做出来的案例,而非 demo。把数字当作一个人的成文案例,而非结果保证。

适合与不适合

适合:已经习惯 Claude Code、想把多职位搜索工业化的工程师和技术求职者。不太适合:你不用编码 CLI(这个依赖既是要点也是门槛),或你想要一个精致的 GUI 应用:career-ops 是 markdown 和 prompt,靠改文件来定制。它也依赖你选的 LLM provider,成本和数据处理随该选择而定。

横向对比

career-ops 处在一个不寻常的小生态:基于编码 agent 构建的垂直应用。最近的参照是通用 skill 合集,而非其它求职工具。

项目形态备注
santifer/career-opsClaude Code 上的求职应用垂直、prompt 定义
addyosmani/agent-skills给 agent 的工程 skill横向、面向开发
MadsLorentzen/ai-job-searchClaude Code 求职框架同生态、独立(非 career-ops 的 fork)

一条值得弄准的来历提示:MadsLorentzen/ai-job-search 是一个命名相似的独立项目,不是 career-ops 的 fork(其仓库无 parent)。它们共享范式,而非代码。

issue 里的坑

项目很年轻、迭代很快(约两个月内从 v1.6 到 v1.9),开放 issue 很具体:

  • 若更新中途被中止,更新例程可能丢失未提交的工作(#915)。
  • 追踪器合并可能在编号上撞车,覆盖一家无关公司的行(#912)。

这些是围绕更新与追踪流程的数据完整性 bug,在你把数周的投递状态托付给它之前值得知道。定期提交你的 career-ops 目录。

FAQ

career-ops 免费吗? 是。career-ops 是 MIT 许可;唯一成本是你所选 LLM provider 的用量,因为它跑在你的编码 CLI 里。

用 career-ops 必须会写代码吗? 不必,但你需要一个编码 CLI(如 Claude Code、Gemini、opencode)来运行它。求职工作由 prompt 驱动,不用你写代码。

career-ops 是 SaaS 吗?我的数据去哪? 不是 SaaS。career-ops 在你的 agent 里本地运行,数据留在本地,只流向你配置的 LLM provider。

career-ops 真能帮人找到工作吗? 作者记录了用它跑 740 多次职位评估并拿到一个 Head of Applied AI 职位。把它当一个做出来的案例,而非结果保证。

相关阅读

同样”agent 里装 skill”思路的横向、面向工程版本,见 addyosmani/agent-skills 和 obra/superpowers。