解決什麼

求職者手動篩選職位、定製簡歷、跟蹤申請進度的低效迴圈。傳統流程中,候選人面對海量職位資訊時只能靠 Excel 表格記錄,簡歷千篇一律難以通過 ATS(申請人跟蹤系統),最終陷入"廣撒網"卻回覆率極低的困境。Career-Ops 將這套流程工程化:用 AI 代理自動抓取 Greenhouse、Ashby、Lever 等招聘平臺職位,按 10 個維度(技能匹配度、公司文化、成長空間等)給出 A-F 評分,針對高分職位生成 ATS 最佳化的定製簡歷 PDF,並在統一資料庫中跟蹤所有申請狀態。作者本人用此係統評估 740+ 職位、生成 100+ 簡歷,最終拿到 Head of Applied AI 職位。

為何火

精準痛點:在 AI 被企業用來篩人的時代,這是候選人的"反制武器",讓求職者也能用 AI 篩選僱主
真實案例:作者公開完整求職資料(740 評估/100 簡歷/1 offer),被 WIRED、Business Insider 報道
隱私優先:完全本地執行,敏感簡歷資料不上傳第三方服務
AI CLI 生態:支援 Claude Code、OpenCode、Gemini CLI 等多種 AI 程式設計助手,順應 2026 年 AI 原生開發趨勢
反"海投"哲學:明確建議只申請 4.0/5 以上職位,強調質量而非數量,與主流求職建議形成差異化

核心功能

智慧評分系統:10 維度加權評估(技能匹配、薪資透明度、遠端政策、公司穩定性等),輸出 A-F 等級
簡歷定製引擎:基於職位描述(JD)自動調整簡歷關鍵詞、專案描述,生成 ATS 友好的 PDF
多平臺爬蟲:Playwright 驅動的無頭瀏覽器自動抓取職位詳情,支援 Greenhouse、Ashby、Lever 及公司官網
批次處理:並行評估 10+ 職位,子代理分工協作
公司調研:自動查詢公司背景、關鍵聯絡人,從"投簡歷進佇列"升級為"找對人建立對話"
資料完整性:單一資料來源 + 完整性檢查,避免申請狀態混亂

安裝

方式一:Docker(推薦)

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 "職位描述文本"

需準備 API Key:Gemini(免費 15 RPM)、OpenRouter(免費額度)或 OpenAI。中國大陸使用者需科學上網訪問 Google AI Studio 獲取 Gemini Key。

適合誰

技術崗求職者:工程師、產品經理等熟悉命令列的角色,能接受"訓練"系統的前期投入
批次篩選需求:面對 50+ 職位資訊需快速決策的候選人
隱私敏感使用者:不願將簡歷上傳到第三方 SaaS 的人群
AI 工具探索者:想體驗 AI 代理工作流的開發者

不適合:非技術背景、期望"零配置即用"、或求職量 <10 個職位的使用者(人工篩選更快)。

社群評價

暫無足量社群公開討論,以下為基於專案本身的中立評估:

該專案在 GitHub 獲得近 6 萬 stars,但 HN 討論熱度較低(僅 2 點贊、0 評論),可能因其面向特定人群(求職中的技術人員)而非通用開發者工具。Product Hunt 上獲 Featured 徽章,主流科技媒體報道側重"個人用 AI 對抗企業 ATS"的敘事角度。148 個 open issues 顯示活躍的使用者反饋,但也暗示功能仍在快速迭代、可能存在邊緣情況未覆蓋。專案強調"不是海投工具"的定位較為剋制,避免了倫理爭議,但也限制了受眾範圍。

選型對比

維度	Career-Ops	商業求職 SaaS(如 Teal/Huntr)	手動 Excel 跟蹤
隱私	完全本地	資料上傳雲端	本地但無智慧
定製能力	開源可改	功能固定	完全手動
AI 評分	多維度加權	簡單匹配	無
成本	API 費用(月均 <$5)	$10-30/月訂閱	免費但耗時
學習曲線	需懂 CLI + 調教 AI	開箱即用	無門檻

取捨:Career-Ops 適合願意投入時間"訓練"系統、看重隱私、有技術能力的使用者;商業 SaaS 更適合快速上手但接受資料託管;手動方式適合申請量 <10 的情況。

已知坑

冷啟動問題:README 明確警告"首次評估不會準",需多次喂入簡歷、職業故事、偏好才能提升準確度,前期投入可能 2-3 小時
API 依賴:中國大陸使用者訪問 Gemini 需梯子,OpenRouter 雖有免費額度但模型質量不穩定,OpenAI 成本較高
爬蟲脆弱性:招聘平臺頁面結構變化會導致 Playwright 指令碼失效,需手動更新選擇器
語言限制:評分邏輯針對英文 JD 最佳化,中文職位描述效果未知
法律灰區:自動化申請可能違反某些平臺 ToS(雖然專案強調"人工稽核後再提交")
148 open issues:功能迭代快但穩定性待觀察,生產使用建議鎖定特定版本

Career-Ops:AI 驅動的求職全流程自動化系統

项目体检

解決什麼

為何火

核心功能

安裝

適合誰

社群評價

選型對比

已知坑