career-ops 是什么?

Career-Ops 把任意 AI 编码 CLI(主要是 Claude Code,也支持 Gemini CLI/Qwen)变成一个求职指挥中心:你贴一个职位 URL,它就用 A-F 结构化评分(10 个加权维度)评估这份 offer 值不值得投、生成针对该 JD 定制的 ATS 优化简历 PDF、自动扫描招聘门户(Greenhouse/Ashby/Lever 等 45+ 公司)、用 sub-agent 批量并行评估,并把一切记进单一事实来源做追踪。它的定位明确是「过滤器而非海投工具」——帮你从几百个机会里筛出值得花时间的少数,且全程人在回路、绝不自动提交。本地开源工具(非托管服务),JavaScript + Go,MIT。

⭐ 56,735 Stars 🍴 11,214 Forks JavaScript MIT 作者: santifer 商业引流:低
来源:README What Is This/Features/Disclaimer;GitHub desc,license MIT 查看 GitHub 仓库 →

为什么值得关注

超过 4.6 万星——是求职/agent 应用类里星标极高的项目。爆火原因:它把『用 Claude Code 找工作』这个人人有共鸣的场景做成了完整可用的流水线(评分+定制简历+门户扫描+追踪+面试故事库+谈薪脚本),作者还用它真实评估了 740+ offer、生成 100+ 定制简历并拿到 Head of Applied AI 职位,有可信的 case study 背书;加上多语言文档和『过滤而非海投』的负责任定位,传播力极强。

来源:GitHub 46,621 stars / 9,747 forks,created 2026-04-04;README About the Author/case study

核心功能

A-F 结构化 offer 评估

先做 archetype 检测(LLMOps/Agentic/PM/SA/FDE/Transformation 等分类),再读你的 cv.md 做 6 大块评估:角色摘要、CV 匹配、级别策略、薪酬调研、个性化、面试准备(STAR+R),按 10 个加权维度给 A-F 分;系统强烈建议不要投低于 4.0/5 的机会,靠推理而非关键词匹配。

来源:README What Is/Features(6-Block Evaluation)/How It Works
ATS 优化的定制简历 PDF

针对每份 JD 生成关键词注入、ATS 友好的定制简历 PDF(Space Grotesk + DM Sans 设计,HTML 模板经 Playwright/Puppeteer 渲染),而非一份简历投所有岗位。

来源:README Features(ATS PDF Generation)/Tech Stack
门户扫描器(45+ 公司)

预置 45+ 公司(Anthropic、OpenAI、ElevenLabs、Retool、n8n 等)和 19 条搜索查询,跨 Ashby/Greenhouse/Lever/Wellfound/Workable 等抓取;`node scan.mjs --verify` 用 Playwright 做存活校验、剔除过期职位再入库。

来源:README Features/Pre-configured Portals
批量并行 + 面试故事库 + 谈薪脚本

用 claude -p worker 并行评估 10+ offer;跨评估累积 STAR+Reflection 面试故事库(5-10 个能答任何行为题的母故事);提供谈薪框架、地域折扣反驳、竞品 offer 杠杆等脚本。

来源:README Features(Batch/Interview Story Bank/Negotiation Scripts)
Go TUI 仪表盘 + 人在回路

Go + Bubble Tea + Lipgloss 写的终端仪表盘,6 个筛选 tab、4 种排序、分组/平铺、懒加载预览、内联改状态;全程 human-in-the-loop——AI 只评估推荐,从不自动提交申请,最终由你决定。

来源:README Dashboard TUI/Features(Human-in-the-Loop)

技术架构

核心其实是『一套给 AI 编码 CLI 的 skill/mode 指令 + 一组 Node 脚本 + 一个 Go 仪表盘』。AGENTS.md 是所有 CLI 通用的规范,CLAUDE.md/GEMINI.md 等是各 CLI 的 wrapper(导入 AGENTS.md),.claude/.agents/.qwen 下各有 career-ops 的 SKILL.md,.claude-plugin 支持 Claude Code 插件市场。modes/ 是 14 个技能模式(oferta 单评估、pdf 生成、scan 扫描、batch 批量、apply、contacto、auto-pipeline 等),由 agent 按需加载。Node 脚本(scan.mjs、analyze-patterns.mjs、check-liveness.mjs、cv-sync-check.mjs)做门户抓取、存活校验与数据一致性检查,PDF 用 Playwright/Puppeteer 渲染 HTML 模板。batch/ 用自包含 worker prompt + runner.sh 编排并行评估。dashboard/ 是 Go TUI。数据落地为 Markdown 表 + YAML 配置 + TSV 批处理文件,全部本地(data/reports/output 均 gitignore),不经任何托管服务。整体是『agent 指令驱动 + 脚本工具 + 本地文件单一事实来源 + TUI 查看』的组合。

来源:README Project Structure/Tech Stack;tree(modes/、.claude/.agents/.qwen、dashboard/、*.mjs)

项目知识图谱

知识图谱:项目核心节点(中心)+ 核心功能(内环六边形)+ 关键技术依赖(外环 chip) Claude Code / Gemini CLI / Qwen (agent)Claude Code /… Playwright / Puppeteer (扫描+PDF)Playwright / P… Greenhouse/Ashby/Lever API + WebSearchGreenhouse/Ash… Go + Bubble Tea + Lipgloss (TUI)Go + Bubble Te… Markdown/YAML/TSV (数据)Markdown/YAML/… A-F 结构化 offer 评估 ATS 优化的定制简历 PDF 门户扫描器(45+ 公司) 批量并行 + 面试故事库 + 谈薪脚本批量并行 + 面试故事库… Go TUI 仪表盘 + 人在回路Go TUI 仪表盘 + 人在… career-ops 项目本体 核心功能 关键依赖

中心为项目本体,内环 = 核心功能模块,外环 = 关键技术依赖;按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成

技术栈

语言JavaScript (Node) + Go (仪表盘)框架Claude Code 自定义 skill/mode + Node 脚本 + Go Bubble Tea TUI
Claude Code / Gemini CLI / Qwen (age…Playwright / Puppeteer (扫描+PDF)Greenhouse/Ashby/Lever API + WebSearchGo + Bubble Tea + Lipgloss (TUI)Markdown/YAML/TSV (数据)
本地开源工具(非托管);数据留本机、直发你选的 AI 提供商(Anthropic/OpenAI 等);需对应模型与可选 Gemini 免费额度
来源:README Tech Stack/Disclaimer;tree

快速上手

1) clone 并 install;2) 检查 setup 与 configure;3) 在项目根建 cv.md 放你的 markdown 简历;4) 用 Claude 个性化(如让它把 archetype 改成后端工程岗、把模式翻成英文、往 portals.yml 加公司);5) 贴一个职位 URL 或运行 /career-ops 开始。也可用 Gemini CLI(免费 Google 账号认证)或独立 API 脚本(aistudio 取免费 key 填 GEMINI_API_KEY)。门户扫描 `npm run scan`(加 --verify 做存活校验)。仪表盘:`cd dashboard && go build -o career-dashboard . && ./career-dashboard --path ..`。注意首批评估不会很准,需要持续喂上下文(CV、职业故事、偏好)养它。
来源:README Quick Start/Gemini CLI Integration/Dashboard TUI

使用场景

适合:①在用 Claude Code/Gemini CLI、正在认真找工作、想用 AI 系统化筛选机会并按岗定制简历的人,尤其是 AI/工程方向求职者;②想从几百个职位里高效过滤出值得投的少数、并积累面试故事与谈薪策略的人;③想要本地、数据自控、可定制的求职流水线而非托管 SaaS 的人。不适合:想要海投/自动批量提交的人(项目明确反对且不自动提交);不使用 AI 编码 CLI 的人;以及期望它保证拿 offer 的人(评估是推荐、模型会幻觉)。

来源:README What Is This/Disclaimer,结合定位推断

优势与局限

优势

  • 完成度高且实战验证:评分+定制简历+门户扫描+批量+追踪+面试故事+谈薪一条龙,作者真实用它拿到岗位
  • 定位负责:明确是过滤器而非海投、人在回路从不自动提交、并要求遵守门户 ToS、不刷屏雇主
  • 数据自控、本地优先:CV 与个人数据留本机、直发你选的模型,不经托管服务
  • 可定制性强:14 个 mode + AGENTS.md 通用规范,可改 archetype、语言、门户,多 CLI(Claude/Gemini/Qwen)通用
  • 工程细节到位:Playwright 存活校验、数据一致性检查、Go TUI、多语言文档,迭代活跃

局限

  • 评估是推荐非真相:模型可能幻觉技能/经验,简历与匹配结论必须人工复核后再投
  • 前期效果差:系统不了解你时首批评估不准,需要持续投喂上下文才变好,有养成成本
  • 依赖付费模型与第三方门户 API/抓取,运行有成本,门户反爬与 ToS 需使用者自行遵守
  • 门户扫描默认信任 ATS feed,过期职位可能泄漏进 pipeline(需 --verify 校验),数据准确性需留意
  • 面向会用 AI 编码 CLI 的人,普通求职者上手有门槛;自动化抓取/简历生成的合规边界由用户负责
来源:README Disclaimer/What Is/Pre-configured Portals

最新版本

采用语义化版本(release-please 管理),最新为 career-ops-v1.8.0(2026-05-15),此前 v1.7.1(2026-05-12),发布较频繁;主分支持续更新(最近 push 2026-05-19)。

来源:GitHub Releases career-ops-v1.8.0/v1.7.1;pushed_at 2026-05-19

总结评价

Career-Ops 是『用 AI 编码 CLI 干一件正经事』的优秀范例:它没有把找工作做成海投机器,而是做成一个会评分、会按岗定制简历、会扫门户、会攒面试故事和谈薪策略的过滤器,全程人在回路、数据本地自控,作者还用它真实拿到了岗位——4.6 万星实至名归。要清醒的是它是工具不是保证:评估会幻觉、需人工复核,前期要花时间『养』,且依赖付费模型和第三方门户、抓取合规需自负。对正在认真找工作、又在用 Claude Code/Gemini CLI 的人,这是目前最完整、最负责任的 AI 求职系统之一;想一键海投的人请绕道。

来源:综合 README 定位/功能/免责、tree 工程结构、发布状态的事实判断

常见问题

career-ops 是什么?

Career-Ops 把任意 AI 编码 CLI(主要是 Claude Code,也支持 Gemini CLI/Qwen)变成一个求职指挥中心:你贴一个职位 URL,它就用 A-F 结构化评分(10 个加权维度)评估这份 offer 值不值得投、生成针对该 JD 定制的 ATS 优化简历 PDF、自动扫描招聘门户(Greenhouse/Ashby/Lever 等 45+ 公司)、用 sub-agent…

career-ops 有哪些核心功能?

career-ops 的核心功能包括:A-F 结构化 offer 评估、ATS 优化的定制简历 PDF、门户扫描器(45+ 公司)、批量并行 + 面试故事库 + 谈薪脚本、Go TUI 仪表盘 + 人在回路。

career-ops 为什么最近很受关注?

超过 4.6 万星——是求职/agent 应用类里星标极高的项目。爆火原因:它把『用 Claude Code 找工作』这个人人有共鸣的场景做成了完整可用的流水线(评分+定制简历+门户扫描+追踪+面试故事库+谈薪脚本),作者还用它真实评估了 740+ offer、生成 100+ 定制简历并拿到 Head of Applied AI 职位,有可信的 case study 背书;加上多语言文档和『过滤而非海投』的负责任定位,传播力极强。

career-ops 适合哪些使用场景?

适合:①在用 Claude Code/Gemini CLI、正在认真找工作、想用 AI 系统化筛选机会并按岗定制简历的人,尤其是 AI/工程方向求职者;②想从几百个职位里高效过滤出值得投的少数、并积累面试故事与谈薪策略的人;③想要本地、数据自控、可定制的求职流水线而非托管 SaaS 的人。

透明度声明
本页内容由 AI(大语言模型)基于以下公开材料自动生成:GitHub README、代码目录结构、依赖文件、Release 信息。 分析时间: 2026-05-22 20:39. 质量评分: 100/100.

数据来源:README、GitHub API、依赖文件