CareerOps：AI 驱动的智能求职指挥中心

career-ops 由 santifer 开发、MIT 开源，把任何 AI 编码 CLI 变成完整的求职指挥中心：用 A-F 评分加独立 G 区块（职位真实性检查）结构化评估职位，按 JD 生成 ATS 兼容的定制 PDF 简历与求职信，自动扫描 Greenhouse、Ashby、Lever 与公司官网等招聘平台，并用子代理并行评估 10+ 个职位、统一追踪流水线。它明确是一个过滤器而不是海投工具：系统强烈建议不要申请任何评分低于 4.0/5 的职位，且从不自动提交、发送或点击任何内容。

技能介绍

career-ops 由 santifer 开发，代码采用 MIT 许可证开源（GitHub: santifer/career-ops）。它把任何 AI 编码 CLI 变成一个完整的求职指挥中心——不是又一个"一键海投"脚本，而是一个过滤器：从数百个职位中找出少数真正值得投入的机会。

重要：这不是"海投"工具。 career-ops 是一个过滤器——它帮你从数百个职位中找出少数值得投入的机会。系统强烈建议不要申请任何评分低于 4.0/5 的职位。你的时间宝贵，招聘方的时间也一样。提交前务必审核。

career-ops 是自主的：你选择的 AI 编码 CLI 会使用 Playwright 浏览招聘页面，通过推理你的简历与职位描述的匹配度（而非关键词匹配）来评估适合度，并为每个职位调整你的简历。

它是 CareerOps 宣言的第一个参考实现，由一位利用该系统评估了 740+ 个职位、生成 100+ 份定制简历并最终获得 Head of Applied AI 职位的人构建。

注意：最初的评估不会很好。 系统还不了解你。提供背景信息——你的简历、职业故事、证明点、偏好、你擅长什么、你想避免什么。你投入得越多，它就越准确。可以把它想象成 onboarding 一位新招聘专员：第一周他们需要了解你，之后就会变得不可或缺。

适用场景

手上有一批职位链接，需要快速判断哪些值得投入时间去投
想让简历针对每个 JD 定制，而不是一份通用简历投到底
需要跨平台（Greenhouse、Ashby、Lever、公司官网）批量扫描新职位
想要可累积的面试故事库、薪资谈判脚本与公司研究材料
需要统一追踪求职进度、拒绝模式与各渠道推进率
拿到 offer 后需要梳理合同条款、分析薪资落差

核心能力

↔ 左右滑动查看完整表格

功能	描述
自动流水线	粘贴一个 URL，即可获得完整评估 + PDF + 追踪条目
A-G 评估	角色摘要、简历匹配度、级别策略、薪酬调研、个性化、面试准备（STAR+R）——外加 G 区块职位真实性检查（标记虚假职位和幽灵职位），以及工作授权信号（明确不提供赞助的 JD 标记为硬性障碍）
面试故事库	跨评估累积 STAR+反思故事——5-10 个覆盖任何行为问题的主故事
谈判脚本	薪资谈判框架、地域折扣反驳、竞争 offer 杠杆
ATS PDF 生成	关键词注入的简历，使用 Space Grotesk + DM Sans 设计
求职信生成器	基于研究的求职信，包含关键词镜像、四个交互式角度提示（为什么/问题/方法/语气）、聊天内草稿审批门，以及通过相同 HTML + Playwright 流水线生成的 A4 PDF。每次评估自动草稿；通过 /career-ops cover 按需完成和生成
申请邮件草稿	从报告或粘贴的 JD 生成正式的招聘方/推荐/冷申请邮件，包含主题行、附件清单、基于来源的匹配点，以及基于个人资料的联系块。仅草稿——career-ops 从不发送、提交或点击任何内容
招聘平台扫描器	100+ 预配置公司（Anthropic, OpenAI, ElevenLabs, Retool, n8n...）+ 跨 Ashby, Greenhouse, Lever, Wellfound 的自定义查询
融资公司发现	审查优先的 company:funded 命令，从结构化公共 feed 中展示最近融资的公司和来源诊断，无需编辑你的数据
批量处理	使用无头 CLI 工作器并行评估（claude -p / opencode run）
仪表盘 TUI	终端 UI，用于浏览、筛选和排序你的流水线
人在环中	AI 评估和推荐，你决定并行动。系统从不提交申请——你始终拥有最终决定权
流水线完整性	自动合并、去重、状态标准化、健康检查
面试套件	分时段准备计划、带反馈的练习会话、面试后复盘（interview/），以及公司红旗检测器（interview-redflag）
Offer 阶段	合同阅读助手——条款梳理 + 律师问题清单（offer-prep），以及期望/广告/实际薪资差异分析器（salary-gap.mjs）
跟进与回复	跟进节奏计算器和种子提醒（followup-cadence.mjs, followup-seed.mjs）；雇主回复分类并更新追踪器（reply-watch）
模式分析	拒绝模式和各 ATS 渠道的推进率（analyze-patterns.mjs），全生命周期漏斗统计（stats.mjs），重新发布/幽灵职位检测（detect-reposts.mjs）
插件系统	可选集成（Gmail, Notion, Apify + 社区注册表），默认禁用——详见 docs/PLUGINS.md
超越简历	公司研究（deep）呈现 AI 策略、近期动态、工程文化以及你的个人资料应采用的切入角度。联系人发现（contacto）识别招聘经理、招聘专员或值得联系的团队成员，并为每种联系人类型起草 ≤300 字符的 LinkedIn 消息。正式申请邮件草稿（email）将评估报告或粘贴的 JD 转换为主题行、正文和附件清单，不发送、不提交、不点击任何内容。申请让你进入队列，研究让你获得对话。

预配置的招聘平台

扫描器包含 100+ 家公司 和 45+ 搜索查询，覆盖主要求职板。复制 templates/portals.example.yml 到 portals.yml 并添加你自己的：

AI 实验室： Anthropic, OpenAI, Mistral, Cohere, LangChain, Pinecone
语音 AI： ElevenLabs, PolyAI, Parloa, Hume AI, Deepgram, Vapi, Bland AI
AI 平台： Retool, Airtable, Vercel, Temporal, Glean, Arize AI
联络中心： Ada, LivePerson, Sierra, Decagon, Talkdesk, Genesys
企业： Salesforce, Twilio, Gong, Dialpad
LLMOps： Langfuse, Weights & Biases, Lindy, Cognigy, Speechmatics
自动化： n8n, Zapier, Make.com
欧洲： Factorial, Attio, Tinybird, Clarity AI, Travelperk

默认情况下，node scan.mjs（即 npm run scan）信任 ATS feed 返回的内容。部分公司会在岗位关闭后仍在公共 API 中保留过期职位，这些过期条目可能渗入 pipeline.md。使用 --verify 参数可在 API 扫描后通过 Playwright 检查并删除过期职位：

node scan.mjs --verify

验证是顺序执行的，仅针对新职位（去重后），因此成本可控。

兼容的 CLI 与成本

career-ops 支持多种 AI 编码 CLI：Claude Code、Codex、Gemini/Antigravity、OpenCode、Grok、Qwen 等。它还可以在免费或本地模型上运行（通过 OpenRouter 免费模型、Ollama 或任何兼容 OpenAI 的端点），不受付费订阅限制。

免责声明（摘要）

你控制自己的数据。 简历、联系信息和个人数据保留在你的机器上，并直接发送给你选择的 AI 提供商。
你控制 AI。 默认提示指示 AI 不自动提交申请，但 AI 模型可能行为不可预测；提交前务必审核 AI 生成内容的准确性。
你遵守第三方服务条款。 需按所交互招聘平台（Greenhouse、Lever、Workday、LinkedIn 等）的服务条款使用本工具。
无保证。 评估是建议而非事实，AI 模型可能幻觉技能或经验。

效果预览

740+ 个职位评估 · 100+ 份定制简历 · 1 个理想角色成功入职

career-ops Multi-Agent Job Search System

仪表盘 TUI

内置终端仪表盘可让你可视化浏览流水线：

npm run serve:dashboard

功能：6 个筛选标签、4 种排序模式、分组/平面视图、懒加载预览、内联状态更改。还有一个实验性 Web UI（alpha，可选——不启动则不运行）。

工作方式

你粘贴职位 URL 或描述
        │
        ▼
┌──────────────────┐
│  角色类型检测     │  分类：LLMOps / Agentic / PM / SA / FDE / Transformation
└────────┬─────────┘
         │
┌────────▼─────────┐
│  A-G 评估        │  匹配度、差距、薪酬调研、STAR 故事、真实性
│  (读取 cv.md)    │
└────────┬─────────┘
         │
    ┌────┼────┐
    ▼    ▼    ▼
 报告   PDF  追踪
  .md   .pdf  条目

career-ops 使用共享命令路由器。在注册了斜杠命令的 CLI 中，可用命令如下：

/career-ops                → 显示所有可用命令
/career-ops {粘贴 JD}     → 完整自动流水线（评估 + PDF + 追踪器）
/career-ops scan           → 扫描招聘平台获取新职位
/career-ops pdf            → 生成 ATS 优化简历
/career-ops cover          → 求职信生成器（粘贴 JD 或 /career-ops cover {slug}）
/career-ops email          → 正式申请邮件草稿（仅草稿；从不发送、提交或点击）
/career-ops batch          → 批量评估多个职位
/career-ops tracker        → 查看申请状态
/career-ops apply          → 用 AI 填写申请表
/career-ops outcome        → 记录申请结果并归档制品
/career-ops pipeline       → 处理待处理 URL
/career-ops contacto       → 查找招聘经理/招聘专员/同行 + 为每种联系人类型起草 ≤300 字符的 LinkedIn 消息
/career-ops deep           → 生成结构化 6 轴研究提示（AI 策略、近期动态、文化、挑战、竞争对手、候选人角度）
/career-ops training       → 评估课程/认证
/career-ops project        → 评估投资组合项目

或者直接粘贴职位 URL 或描述——career-ops 会自动检测并运行完整流水线。

你需要提供

一个 AI 编码 CLI：Claude Code、Codex、Gemini/Antigravity、OpenCode、Grok、Qwen 等；也可用免费或本地模型（OpenRouter 免费模型、Ollama 或任何兼容 OpenAI 的端点）
你的简历与个人背景信息：职业故事、证明点、偏好、擅长什么、想避免什么（投入越多，评估越准确）
可选：把 templates/portals.example.yml 复制为 portals.yml，加入你想扫描的公司
Windows 上亦可运行；若安装期间技能加载失败并出现符号链接错误，修复方法见 docs/FAQ.md

你会获得

每个职位的 A-G 结构化评估报告（Markdown）
针对该 JD 的 ATS 兼容定制简历 PDF（关键词注入，Space Grotesk + DM Sans 设计）
求职信与正式申请邮件草稿（仅草稿，不发送）
统一的求职追踪条目与流水线看板（TUI：6 个筛选标签、4 种排序模式）
累积的 STAR+反思面试故事库与面试套件（练习会话、复盘、红旗检测）
谈判脚本、offer 合同条款梳理与薪资差异分析
公司研究（6 轴）与联系人发现结果（含 ≤300 字符的 LinkedIn 消息草稿）
模式分析：拒绝模式、各 ATS 渠道推进率、全生命周期漏斗统计、重新发布/幽灵职位检测

使用示例

首次启动时，career-ops 会通过聊天引导你完成设置——你的简历、个人资料和目标职位，无需手动编辑任何文件。之后可以直接要求 CLI 按需调整系统：

"将角色类型改为后端工程岗位"
"将模式翻译为中文"
"向 portals.yml 添加这 5 家公司"
"用我粘贴的这份简历更新我的个人资料"

页面上给出的三个典型请求：

请扫描这个职位链接，根据我的简历评估匹配度，并生成一份针对性的申请简历。

分析我当前的求职进度，并根据之前的评分记录推荐下一步的申请策略。

如何配置我的个人背景信息，以便让 AI 代理更精准地评估职位匹配度？

常见问题里还有两点值得知道：career-ops 不会自动投递申请（AI 评估、排序和草拟，你审核并决定，从不提交、发送或点击任何内容）；它是免费且开源的，对求职者永远如此——代码采用 MIT 许可证，"career-ops"名称和品牌受商标政策管辖。