AiDuo123 Logo
充值登录注册
★ 59,665· 11,844 forks· JavaScript· MIT开发工具

Career-Ops:AI 驱动的求职全流程自动化系统

santifer/career-ops

开源 AI 求职管家,自动抓取职位、A-F 评分、定制简历、跟踪申请,在本地 AI 编程 CLI 中运行

成熟度：维护活跃,最近提交 0 天前,148 个 open issues,近期持续迭代

GitHub 仓库 → HN 讨论 · 2 点

项目体检

部署 · docker compose 一键启动,默认无端口暴露(TUI 交互式),需 1GB /dev/shm 供 Chromium 运行

成本 · 需 Gemini/OpenAI/OpenRouter API Key(OpenRouter 有免费额度),可选 Anthropic Key,开箱需配置 .env 后可用

技术 · JavaScript(Node.js) + Go(TUI) + Playwright(浏览器自动化) + Bubble Tea(终端界面)

许可 · MIT 协议,可自由商用、修改、分发

活跃 · 最新版本 v1.18.0 发布于 4 天前,170 位贡献者,最近提交 0 天前,高度活跃

解决什么

求职者手动筛选职位、定制简历、跟踪申请进度的低效循环。传统流程中,候选人面对海量职位信息时只能靠 Excel 表格记录,简历千篇一律难以通过 ATS(申请人跟踪系统),最终陷入"广撒网"却回复率极低的困境。Career-Ops 将这套流程工程化:用 AI 代理自动抓取 Greenhouse、Ashby、Lever 等招聘平台职位,按 10 个维度(技能匹配度、公司文化、成长空间等)给出 A-F 评分,针对高分职位生成 ATS 优化的定制简历 PDF,并在统一数据库中跟踪所有申请状态。作者本人用此系统评估 740+ 职位、生成 100+ 简历,最终拿到 Head of Applied AI 职位。

为何火

  1. 精准痛点:在 AI 被企业用来筛人的时代,这是候选人的"反制武器",让求职者也能用 AI 筛选雇主
  2. 真实案例:作者公开完整求职数据(740 评估/100 简历/1 offer),被 WIRED、Business Insider 报道
  3. 隐私优先:完全本地运行,敏感简历数据不上传第三方服务
  4. AI CLI 生态:支持 Claude Code、OpenCode、Gemini CLI 等多种 AI 编程助手,顺应 2026 年 AI 原生开发趋势
  5. 反"海投"哲学:明确建议只申请 4.0/5 以上职位,强调质量而非数量,与主流求职建议形成差异化

核心功能

  • 智能评分系统:10 维度加权评估(技能匹配、薪资透明度、远程政策、公司稳定性等),输出 A-F 等级
  • 简历定制引擎:基于职位描述(JD)自动调整简历关键词、项目描述,生成 ATS 友好的 PDF
  • 多平台爬虫:Playwright 驱动的无头浏览器自动抓取职位详情,支持 Greenhouse、Ashby、Lever 及公司官网
  • 批量处理:并行评估 10+ 职位,子代理分工协作
  • 公司调研:自动查找公司背景、关键联系人,从"投简历进队列"升级为"找对人建立对话"
  • 数据完整性:单一数据源 + 完整性检查,避免申请状态混乱

安装

方式一:Docker(推荐)

git clone https://github.com/santifer/career-ops.git
cd career-ops
cp .env.example .env  # 填入 Gemini/OpenAI API Key
docker compose up -d
docker compose exec career-ops bash

方式二:本地 Node.js

npm install -g @santifer/career-ops
cp .env.example .env
node gemini-eval.mjs "职位描述文本"

需准备 API Key:Gemini(免费 15 RPM)、OpenRouter(免费额度)或 OpenAI。中国大陆用户需科学上网访问 Google AI Studio 获取 Gemini Key。

适合谁

  • 技术岗求职者:工程师、产品经理等熟悉命令行的角色,能接受"训练"系统的前期投入
  • 批量筛选需求:面对 50+ 职位信息需快速决策的候选人
  • 隐私敏感用户:不愿将简历上传到第三方 SaaS 的人群
  • AI 工具探索者:想体验 AI 代理工作流的开发者

不适合:非技术背景、期望"零配置即用"、或求职量 <10 个职位的用户(人工筛选更快)。

社区评价

暂无足量社区公开讨论,以下为基于项目本身的中立评估:

该项目在 GitHub 获得近 6 万 stars,但 HN 讨论热度较低(仅 2 点赞、0 评论),可能因其面向特定人群(求职中的技术人员)而非通用开发者工具。Product Hunt 上获 Featured 徽章,主流科技媒体报道侧重"个人用 AI 对抗企业 ATS"的叙事角度。148 个 open issues 显示活跃的用户反馈,但也暗示功能仍在快速迭代、可能存在边缘情况未覆盖。项目强调"不是海投工具"的定位较为克制,避免了伦理争议,但也限制了受众范围。

选型对比

维度Career-Ops商业求职 SaaS(如 Teal/Huntr)手动 Excel 跟踪
隐私完全本地数据上传云端本地但无智能
定制能力开源可改功能固定完全手动
AI 评分多维度加权简单匹配无
成本API 费用(月均 <$5)$10-30/月订阅免费但耗时
学习曲线需懂 CLI + 调教 AI开箱即用无门槛

取舍:Career-Ops 适合愿意投入时间"训练"系统、看重隐私、有技术能力的用户;商业 SaaS 更适合快速上手但接受数据托管;手动方式适合申请量 <10 的情况。

已知坑

  1. 冷启动问题:README 明确警告"首次评估不会准",需多次喂入简历、职业故事、偏好才能提升准确度,前期投入可能 2-3 小时
  2. API 依赖:中国大陆用户访问 Gemini 需梯子,OpenRouter 虽有免费额度但模型质量不稳定,OpenAI 成本较高
  3. 爬虫脆弱性:招聘平台页面结构变化会导致 Playwright 脚本失效,需手动更新选择器
  4. 语言限制:评分逻辑针对英文 JD 优化,中文职位描述效果未知
  5. 法律灰区:自动化申请可能违反某些平台 ToS(虽然项目强调"人工审核后再提交")
  6. 148 open issues:功能迭代快但稳定性待观察,生产使用建议锁定特定版本

安装方式：docker compose 或 npm

← 浏览全部项目