Career-Ops – AI全自动帮你找工作

如果你在找工作，大概率经历过这套流程：刷招聘网站→复制职位描述→打开 ChatGPT 让帮忙改简历→投递→过几天再刷一次。

这个过程的问题在于：每一步都是手动、孤立、不可复用的。刷过的职位没有追踪、改过的简历没有版本、投过的公司没有跟进。

Career-Ops 的思路很直接：把你整个求职过程变成一个 AI Agent 可以操作的系统。 从职位发现、简历匹配、投递、状态追踪到面试准备，全部命令行化、自动化、可编排。

它解决了什么

求职这件事从产品角度看，是一个典型的多步骤、高重复、低反馈流程。每个步骤都不难（搜职位、读 JD、改简历、填申请表），但组合在一起极其耗时。而且每个步骤之间依赖人工决策——”这个职位跟我匹配度如何？””简历要改哪些地方？””投完之后要不要 follow up？”

Career-Ops 没有试图用 AI 替代你做决策，而是做了三件事：

第一，把求职拆成 14 个可执行的 Skill（技能模式）。 每个 Skill 对应一个具体的求职任务：搜索职位、扫描招聘门户、评估匹配度、优化简历、生成 PDF、追踪投递状态、准备面试故事。你不需要自己搭流程，直接在 AI Agent 里调用对应的 Skill 就行。

第二，用 AI Agent 做执行层，而不是做一个独立应用。 Career-Ops 不是又一个 SaaS 求职平台。它是一个为 Claude Code、Codex、Gemini、Qwen、Kimi 等 AI CLI 设计的”技能包”。你在终端里跟 AI 对话，调用 career-ops 的 Skill，AI 自动执行职位搜索、匹配度计算、简历生成。

第三，所有数据本地化。 职位描述、投递记录、简历版本、评估分数全部存在你本地的 Markdown 文件里。不用注册账号，不用上传数据到云端，不依赖第三方服务（插件系统除外——但要用户主动开启）。

工程水平在同类项目里算降维打击

Career-Ops 的工程化程度，跟它属于”求职工具”这个品类的印象完全不匹配。这不像是”一个程序员为自己找工作写的脚本”，更像是一个商业产品的基础设施：

多 CLI 兼容。 支持 Claude Code、Codex、Gemini、OpenCode、Qwen、Copilot、Kimi、Antigravity、Grok——整整 9 个 AI 编程助手。每个 CLI 的配置文件和入口点都单独维护，并通过 AGENTS.md 统一路由。这意味着不管你用哪个 AI 编码工具，都能装上 Career-Ops 的 Skill 直接使用。

插件系统，带供应链治理。 6 月刚上的插件机制，有插件引擎、注册中心、安全审计、版本锁定。社区插件可以作为”增量或替代方案”安装，通过 career-ops-plugin-独立仓库分发。核心功能的变更回溯有完整性校验和篡改检测。对于一个求职工具来说，这个安全等级可能有点超前——但方向是对的，插件涉及 Gmail、Notion、Apify 等服务的 API Key，不做安全治理等于裸奔。

Go TUI 仪表盘。 除了在 AI CLI 里操作，还提供了一个用 Go 写的终端交互式仪表盘（dashboard/），可以直观地查看投递状态、匹配分数、各阶段转化率。用 Go 而不是 Node.js 做这事，说明作者在意性能和启动速度。

PDF 生成。 通过 Playwright 生成 ATS 友好格式的简历 PDF。支持 HTML 模板和 LaTeX 两种渲染路径。

i18n。 README 翻译了 13 种语言（中文、日文、韩文、阿拉伯文、法文、德文、西班牙文、葡萄牙文、俄文、波兰文、乌克兰文、丹麦文、繁体中文），而且每个翻译都是人工质量的流畅译文，不是机翻。社区贡献者参与翻译的痕迹很明显。

14 个 Skill 覆盖的全流程

从 README 和目录结构来看，Career-Ops 把求职流程分解为：

• 职位发现扫描招聘门户（Greenhouse、Lever 等 ATS 系统）和求职板
• 匹配度评估AI 对职位描述和你的简历进行打分（A-F 等级）
• 简历优化针对特定职位自动调整简历内容
• CV/简历生成HTML → Playwright → PDF，或 JSON → LaTeX → PDF
• 投递追踪记录每个职位的状态、跟进时间、反馈
• 面试准备基于职位描述和你的经历生成面试问题和故事
• 写作风格校准上传你的写作样本，AI 提取风格特征，生成的内容保持你的个人语气
• 公司网络发现从 VC 投资组合（YC、a16z）挖掘潜在雇主
• 职位有效性检查自动检测职位是否已关闭

每个 Skill 都是可独立调用的模块。不需要一次性全用——你可以只用”扫描门户”和”追踪”两个功能，其他的按需开启。

这工具有什么需要注意的？

有一点值得注意：项目 README 里明确写了”zero keys / local-first”，但插件系统（Gmail、Notion、Apify）引入了外部依赖。如果不开插件，核心功能完全离线可用，这个设计取舍是明智的。

Career-Ops 代表了”AI 求职”这个品类目前能达到的最高工程水准。它不是一个”帮你写简历”的 ChatGPT 提示词，而是一套完整的、可编排的求职操作系统。

它的受众目前还限定在”会用 AI CLI 的开发者”这个群体。但如果它的 Skill 系统能对接更轻量的前端或者变成一个桌面应用，覆盖的人群会大得多。

对于正在找工作的开发者：装一个试试。至少职位追踪这块，比用 Excel 强太多了。

GitHub项目: https://github.com/santifer/career-ops