在 AI 行业找工作，是一种什么体验？

大家打开招聘网站，输入关键词"AI Engineer"，页面跳出 200 多个职位。然后逐一点开，读完每份 800 字的职位描述，筛选出可能匹配的 20 个。接着花 2 小时修改简历、写个性化求职信、填写 15 个字段的申请表。再过两周，收到 18 封「经过仔细评估，我们决定...」的自动回复。

这不是某个人的故事，而是当下每个技术求职者的日常。公司用 AI 筛选你，你却在用手动筛选公司。

Santiago Fernández de Valderrama（人称 Santifer）也曾经历这个过程。他花了几个月用最费力的方式找工作，然后做了一件事——自己动手构建了一个 AI 系统来帮自己「反选」公司。

他用这个系统评估了 740 多个职位，生成了 100 多份定制简历，最后成功拿下了一份 Head of Applied AI 的工作。更夸张的是，他把这个系统开源后，在 GitHub 上爆了 53.5K+ 颗星，还被 Wired、Business Insider 等媒体报道。

这个系统叫做 Career-Ops。

Career-Ops 是什么

Career-Ops（也叫 careerops）是一个开源的多代理 AI 求职系统，它能把任何 AI 编码 CLI（Claude Code、Gemini、Codex、Qwen 等）变成一个完整的求职指挥中心。

你不需要再手动用电子表格追踪申请流程，而是获得一个 AI 驱动的管道，能够：

• 评估职位，使用结构化的 A-F 评分系统（10 个加权维度）
• 生成定制 PDF，针对每份职位描述输出 ATS 优化简历
• 自动扫描招聘平台（Greenhouse、Ashby、Lever、公司招聘页）
• 批量处理，通过子代理并行评估 10 份以上职位
• 集中管理一切，用单一事实来源配合完整性检查

这不是海投工具。Career-Ops 的设计哲学是"少而精"——帮你从数百个职位里找出真正值得投入时间的少数机会。系统甚至强烈建议不要申请评分低于 4.0/5 的职位。

核心亮点

1）6 模块深度评估，不止打分

Career-Ops 对每个职位的评估不止一个分数，而是输出 6 个结构化模块的完整报告：

• Block A 职位总结：快速拆解核心要求、团队、技术栈
• Block B 简历匹配：逐条比对技能与职位要求，标注匹配项和差距项
• Block C 职级策略：判断你应该申请哪个 level，以及如何定位自己
• Block D 薪酬调研：基于市场数据估算该职位的合理薪酬范围
• Block E 个性化建议：针对该职位定制的简历重点和求职信角度
• Block F 面试准备：自动生成 STAR+Reflection 行为面试故事

还有一个 Block G 真实性检测模块，专门用来标记诈骗职位和幽灵职位——就是那种挂了半年根本不招人的假职位。

2）10 维度 A-F 评分系统

Career-Ops 的评分系统不是拍脑袋来的。每个职位都会在 10 个加权维度上被打分，最终给出 A-F 的综合评级：

• 技能匹配度
• 经验水平匹配
• 公司阶段与文化
• 薪资与福利
• 地理位置/远程政策
• 职业成长潜力
• 团队质量
• 产品/技术方向的兴趣度
• 稳定性指标
• 个人兴趣与价值观契合度

每个维度都有权重，可以根据你的偏好自定义。

3）每份职位一份定制 PDF 简历

普通求职者发出去的是同一份 PDF 简历。Career-Ops 的用户，每份申请都有一份专门定制的简历。系统会从职位描述中提取关键词，然后把这些关键词"注射"进你的简历中——不是简单替换，而是调整经验描述的重点，突出与该职位最相关的项目和技能。

4）自动扫描 45+ 公司招聘门户

Career-Ops 内置了 45+ 家公司的招聘页面扫描器，覆盖了 AI 行业的主要玩家。同时支持跨 Ashby、Greenhouse、Lever、Wellfound、Workable、RemoteFront 的自定义查询。扫描器还支持 --verify 模式，先用 API 拉取职位列表，再用 Playwright 逐个验证职位是否真的在招聘，过滤掉那些已经关闭但还挂在页面上的过期职位。

5）面试故事库

每次评估一个职位，系统都会生成针对该职位的 STAR 行为面试故事。更有意思的是，它会把这些故事沉淀到一个故事库里，帮你总结出 5-10 个母故事——这些故事可以灵活地回答几乎任何行为面试问题。

6）谈薪脚本

Career-Ops 甚至准备了谈薪模块：薪资谈判框架、如何反驳"地域折扣"（remote 职位根据你所在地区打折）、如何利用竞争 offer 作为杠杆。这些都是作者在真实求职中验证过的策略。

7）人类在环

这是 Career-Ops 最关键的设计原则之一。系统永远不会自动提交申请。AI 负责评估、分析、生成内容，但最终的每一个决定和每一次提交，都由你来做。它更像一个超级能干的研究助理，帮你处理所有重复性的分析工作，把你的时间解放出来用在真正需要人类判断的地方。

功能特性

快速上手

方式一：一条命令（最快）

npx @santifer/career-ops init

npx 随 Node.js 一起提供——它只运行一次安装程序，不会全局安装任何东西。这会把最新版本克隆到 ./career-ops 并安装依赖。然后：

cd career-ops
claude  # 或 gemini / codex / qwen / opencode

首次启动时，career-ops 会通过对话带你完成设置——你的简历、个人档案和目标职位——完全无需手动编辑任何文件。

方式二：手动设置（更灵活）

git clone https://github.com/santifer/career-ops.git
cd career-ops && npm install
npx playwright install chromium  # 仅生成 PDF 时需要
claude  # 打开你的 AI CLI

这个系统本来就是设计给 Claude 直接定制的。modes、职业原型、评分权重、谈判脚本，直接告诉 Claude 要改什么就行。Claude 读取的正是它自己会使用的那些文件，所以它知道该改哪里。

使用方法

Career-Ops 是一个单一斜杠命令，带有多种模式：

/career-ops                           → 显示所有可用命令
/career-ops {粘贴职位描述}            → 完整自动管道（评估 + PDF + 追踪）
/career-ops scan                      → 扫描平台上的新职位
/career-ops pdf                       → 生成 ATS 优化简历
/career-ops cover                     → 求职信生成器
/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 协助填写申请表
/career-ops pipeline                  → 处理待办 URL
/career-ops contacto                  → 生成 LinkedIn 外联消息
/career-ops deep                      → 深度公司研究
/career-ops training                  → 评估课程/证书
/career-ops project                   → 评估作品集项目

或者直接粘贴职位 URL 或职位描述，career-ops 会自动识别并运行完整流程。

Gemini CLI 集成

Career-Ops 也原生支持 Google 的 Gemini CLI，使用方式与 Claude Code 完全相同：

# 1. 安装 Gemini CLI（需要 Node.js 20+）
npm install -g @google/gemini-cli

# 2. 在 career-ops 目录中运行 —— 首次启动时用 Google 账号认证（免费）
cd career-ops
gemini

# 3. 使用斜杠命令（与 Claude Code 完全相同）
/career-ops "Anthropic 的资深 AI 工程师..."
/career-ops-scan
/career-ops-pdf

写在最后

Career-Ops 做对了一件事：它把「求职」从一个令人焦虑的手工流程，变成了一个系统化、数据驱动的工程问题。它用 AI 代理来处理重复性的分析工作，把人类的时间解放出来用在真正需要判断力的地方。

这个项目最打动人的地方，是它的坦诚。作者没有声称这是一个「帮你轻松拿 offer」的神奇工具，而是反复强调——AI 评估只是建议，最终决定要你自己做。它的核心功能，不是替你投递，而是帮你在投递前做出更聪明的选择。

公司用 AI 筛选你，你也可以用 AI 筛选回去。

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