引言 | Introduction“Companies use AI to filter candidates. I just gave candidates AI to choose companies.” —— Santiago Fernández de Valderrama这是「一天一个开源项目」系列的第 131 篇文章。今天我们要深入剖析的项目是Career-Opscareer-ops.org。如果说 2024 年是 AI Agent 的元年那么 2025 年及以后就是 AI Agent 深入各行各业的“爆发年”。Career-Ops正是其中的佼佼者它将复杂的求职流程找、审、改、投、管彻底自动化。该项目作者 Santiago 正是使用这套系统评估了 740 职位生成了 100 简历最终成功入职 Head of Applied AI。你将学到什么 | What You Will Learn求职工作流自动化如何利用 AI Agent 处理海量职位信息。Agentic 评估系统相比传统的关键词匹配语义理解如何提高评估精度。简历/求职信生成模式基于 PDFPlaywright的动态渲染技术。基于 Go 的 TUI 仪表盘如何在终端优雅地管理复杂的 Pipeline 数据。多模型支持Claude Code、Gemini CLI 及 OpenCode 的集成最佳实践。前置知识 | Prerequisites了解基本的人工智能概念LLM, Agent。熟悉 Node.js 环境如果你想在本地开发。具备基本的命令行操作经验。对求职过程简历投递、ATS 过滤有基本认知。项目背景 | Background项目简介 | Project OverviewCareer-Ops或称 careerops将任何 AI 编程 CLI 转变为一个全功能的求职指挥中心。它不再让你手动在 Excel 里记录投递进度而是通过一个 AI 驱动的流水线完成从“发现职位”到“面试准备”的全过程。核心痛点解决海选难每天几百个职位手动筛选效率极低。匹配难简历千篇一律无法针对每个职位精准优化。跟进难投递状态混乱后续面试无法有的放矢。作者/团队介绍 | Author Background作者Santiago Fernández de Valderrama (santifer)背景Head of Applied AI前连续创业者。初衷为解决自己真实的求职痛点而构建。战绩评估 740 职位投递 100最终通过该系统拿到心仪 Offer。项目数据 | Open Source Metrics⭐GitHub Stars: 53.6kForks: 10.7k版本: v1.10.0 (3天前更新)License: MIT官网: career-ops.org主要功能 | Key Features核心作用 | Core MissionCareer-Ops 的核心不仅是“自动化”更是“过滤器”。它强调“不要海投”NOT a spray-and-pray tool而是基于 10 个加权维度的 A-F 评分系统帮助你找出那几个真正值得投入时间的岗位。使用场景 | Use Cases自动化侦察兵 (Scanner)自动扫描 Anthropic, OpenAI, Mistral 等 45 顶级公司的招聘门户及 Greenhouse/Lever 等招聘系统。多维度“私人面试官” (Evaluation)提取 JD 关键信息基于你的 CV 进行 A-F 评分并给出详细的差距分析、层级策略及面试 STAR 题库建议。动态简历工厂 (PDF Generator)使用 Playwright 实时将 HTML 模版渲染为 ATS 友好的 PDF 简历自动注入岗位相关的关键词。求职状态指挥塔 (Dashboard)基于 Go 语言开发的 TUI 仪表盘让你像处理 Git Commit 一样查看和管理你的求职进度。快速开始 | Quick Start# 最快安装方式npx santifer/career-ops init# 进入目录cdcareer-ops# 启动你常用的 AI CLI (以 Claude Code 为例)claude# 在 CLI 中直接运行命令/career-opshttps://jobs.lever.co/company/role-id核心特性 | Technical Highlights6-Block 评估架构涵盖角色总结、CV 匹配度、级别定位、薪资研究、个性化亮点及面试准备。面试故事库 (Story Bank)自动沉淀你的 STAR 故事随着投递越多AI 对你的了解越深。人性化确认 (Human-in-the-Loop)AI 始终不代表你提交申请所有生成的文案和动作必须经过人类确认。批量处理能力 (Batch Processing)支持并行评估 10 个职位。项目详细剖析 | Deep Dive架构设计 | ArchitectureCareer-Ops 采用了一种“Agent-as-a-Framework”的设计理念。它并不运行自己的后端服务而是作为一系列扩展/模式Modes植入到 Claude Code 等工具中。核心流程图岗位 URL/文本职位识别A-F 深度评估生成分析报告 .md生成定制 CV .pdf同步投递追踪器 .tsvGo TUI 仪表盘展示关键实现技术 | Implementation Highlights基于 Playwright 的无头浏览器扫描项目内置了对 45 家公司的预置扫描脚本。通过 Playwright 模拟用户访问即使是动态加载的招聘页面也能准确提取 JD。动态 Markdown 追踪系统不同于数据库它使用 Markdown 表格和 TSV 文件作为“真相之源”。这种方式极其符合开发者习惯且易于版本控制。Go Bubble Tea TUI仪表盘使用了著名的 Charmbracelet Bubble Tea 库提供了丝滑的列表滚动、分类过滤及深色主题支持。项目地址与资源 | Resources官方资源GitHub: santifer/career-ops文档: career-ops.org/docsDiscord: Join CommunityDemo: 观看演示视频相关资源如何利用该系统拿到 Head of Applied AI 岗位的案例研究Claude Code 官方文档总结与回顾 | Summary核心要点回顾AI 赋能搜索候选人第一次在招聘博弈中获得了对等甚至超越HR 系统的工具优势。精准匹配通过 LLM 的语义理解而非单纯的关键词堆砌。闭环管理从扫描到生成再到面试准备和投递管理。适用人群寻求 AI/基础软件/高阶技术岗位的开发者。想要了解如何构建生产级 AI Agent 工作流的学习者。正在被琐碎的求职行政事务折磨的精英求职者。GitHub 项目地址: santifer/career-ops官网: career-ops.org欢迎了解 PrimeSkills —— 精选 AI Agent 与技能的市场每一个都在真实的企业级工作流中经过验证不堆砌概念只留下真正有效的东西。欢迎访问我的个人主页发现更多有价值的见解和有趣的产品。「一天一个开源项目」系列助力每一位开发者掌握技术先机。
一天一个开源项目（第131篇）：Career-Ops - 基于 Claude Code 的 AI 招聘指挥中心
引言 | Introduction“Companies use AI to filter candidates. I just gave candidates AI to choose companies.” —— Santiago Fernández de Valderrama这是「一天一个开源项目」系列的第 131 篇文章。今天我们要深入剖析的项目是Career-Opscareer-ops.org。如果说 2024 年是 AI Agent 的元年那么 2025 年及以后就是 AI Agent 深入各行各业的“爆发年”。Career-Ops正是其中的佼佼者它将复杂的求职流程找、审、改、投、管彻底自动化。该项目作者 Santiago 正是使用这套系统评估了 740 职位生成了 100 简历最终成功入职 Head of Applied AI。你将学到什么 | What You Will Learn求职工作流自动化如何利用 AI Agent 处理海量职位信息。Agentic 评估系统相比传统的关键词匹配语义理解如何提高评估精度。简历/求职信生成模式基于 PDFPlaywright的动态渲染技术。基于 Go 的 TUI 仪表盘如何在终端优雅地管理复杂的 Pipeline 数据。多模型支持Claude Code、Gemini CLI 及 OpenCode 的集成最佳实践。前置知识 | Prerequisites了解基本的人工智能概念LLM, Agent。熟悉 Node.js 环境如果你想在本地开发。具备基本的命令行操作经验。对求职过程简历投递、ATS 过滤有基本认知。项目背景 | Background项目简介 | Project OverviewCareer-Ops或称 careerops将任何 AI 编程 CLI 转变为一个全功能的求职指挥中心。它不再让你手动在 Excel 里记录投递进度而是通过一个 AI 驱动的流水线完成从“发现职位”到“面试准备”的全过程。核心痛点解决海选难每天几百个职位手动筛选效率极低。匹配难简历千篇一律无法针对每个职位精准优化。跟进难投递状态混乱后续面试无法有的放矢。作者/团队介绍 | Author Background作者Santiago Fernández de Valderrama (santifer)背景Head of Applied AI前连续创业者。初衷为解决自己真实的求职痛点而构建。战绩评估 740 职位投递 100最终通过该系统拿到心仪 Offer。项目数据 | Open Source Metrics⭐GitHub Stars: 53.6kForks: 10.7k版本: v1.10.0 (3天前更新)License: MIT官网: career-ops.org主要功能 | Key Features核心作用 | Core MissionCareer-Ops 的核心不仅是“自动化”更是“过滤器”。它强调“不要海投”NOT a spray-and-pray tool而是基于 10 个加权维度的 A-F 评分系统帮助你找出那几个真正值得投入时间的岗位。使用场景 | Use Cases自动化侦察兵 (Scanner)自动扫描 Anthropic, OpenAI, Mistral 等 45 顶级公司的招聘门户及 Greenhouse/Lever 等招聘系统。多维度“私人面试官” (Evaluation)提取 JD 关键信息基于你的 CV 进行 A-F 评分并给出详细的差距分析、层级策略及面试 STAR 题库建议。动态简历工厂 (PDF Generator)使用 Playwright 实时将 HTML 模版渲染为 ATS 友好的 PDF 简历自动注入岗位相关的关键词。求职状态指挥塔 (Dashboard)基于 Go 语言开发的 TUI 仪表盘让你像处理 Git Commit 一样查看和管理你的求职进度。快速开始 | Quick Start# 最快安装方式npx santifer/career-ops init# 进入目录cdcareer-ops# 启动你常用的 AI CLI (以 Claude Code 为例)claude# 在 CLI 中直接运行命令/career-opshttps://jobs.lever.co/company/role-id核心特性 | Technical Highlights6-Block 评估架构涵盖角色总结、CV 匹配度、级别定位、薪资研究、个性化亮点及面试准备。面试故事库 (Story Bank)自动沉淀你的 STAR 故事随着投递越多AI 对你的了解越深。人性化确认 (Human-in-the-Loop)AI 始终不代表你提交申请所有生成的文案和动作必须经过人类确认。批量处理能力 (Batch Processing)支持并行评估 10 个职位。项目详细剖析 | Deep Dive架构设计 | ArchitectureCareer-Ops 采用了一种“Agent-as-a-Framework”的设计理念。它并不运行自己的后端服务而是作为一系列扩展/模式Modes植入到 Claude Code 等工具中。核心流程图岗位 URL/文本职位识别A-F 深度评估生成分析报告 .md生成定制 CV .pdf同步投递追踪器 .tsvGo TUI 仪表盘展示关键实现技术 | Implementation Highlights基于 Playwright 的无头浏览器扫描项目内置了对 45 家公司的预置扫描脚本。通过 Playwright 模拟用户访问即使是动态加载的招聘页面也能准确提取 JD。动态 Markdown 追踪系统不同于数据库它使用 Markdown 表格和 TSV 文件作为“真相之源”。这种方式极其符合开发者习惯且易于版本控制。Go Bubble Tea TUI仪表盘使用了著名的 Charmbracelet Bubble Tea 库提供了丝滑的列表滚动、分类过滤及深色主题支持。项目地址与资源 | Resources官方资源GitHub: santifer/career-ops文档: career-ops.org/docsDiscord: Join CommunityDemo: 观看演示视频相关资源如何利用该系统拿到 Head of Applied AI 岗位的案例研究Claude Code 官方文档总结与回顾 | Summary核心要点回顾AI 赋能搜索候选人第一次在招聘博弈中获得了对等甚至超越HR 系统的工具优势。精准匹配通过 LLM 的语义理解而非单纯的关键词堆砌。闭环管理从扫描到生成再到面试准备和投递管理。适用人群寻求 AI/基础软件/高阶技术岗位的开发者。想要了解如何构建生产级 AI Agent 工作流的学习者。正在被琐碎的求职行政事务折磨的精英求职者。GitHub 项目地址: santifer/career-ops官网: career-ops.org欢迎了解 PrimeSkills —— 精选 AI Agent 与技能的市场每一个都在真实的企业级工作流中经过验证不堆砌概念只留下真正有效的东西。欢迎访问我的个人主页发现更多有价值的见解和有趣的产品。「一天一个开源项目」系列助力每一位开发者掌握技术先机。
