这两天我在刷 GitHub，刷到了一个叫 Career-Ops 的开源项目。一个叫 Santiago 的人做的，他现在的 title 是 Head of Applied AI，之前创过业，把自己的公司卖了，然后重新出来找工作。
他是怎么找的呢？他自己写了一套系统。
苏米注：这套系统帮他评估了 740 多个职位，生成了 100 多份定制简历，最后拿到了理想的 offer。
740 多个。你想想这个数字。正常人找工作，大概会认真看多少个职位描述？50 个？100 个？已经算很努力了吧。他是 740 多个，每一个都做了深度评估，每一个都生成了针对性的简历。
但最让我在意的不是这个数字，是他对这个事情的态度。
他说，这不是一个海投工具。这是一个过滤器。帮你在几百个职位里面，找到那几个真正值得你花时间的。他甚至给系统设了一个硬规则，评分低于 4.0 的职位，不建议投递。
你的时间很宝贵。招聘方的时间也是。
Career-Ops 是什么？
简单讲，它把 Claude Code 这种 AI 编程工具变成了一个求职指挥中心。你在里面粘贴一个职位链接，它会自动做一堆事情：
- 评估匹配度，打分
- 分析你的技能差距
- 调研薪资水平
- 准备面试故事
- 生成一份针对这个职位的 ATS 优化简历
ATS 是什么？就是那些大公司用来筛选简历的自动系统。你的简历投进去，先过机器这一关，关键词匹配上了才到 HR 手里。所以很多人的简历写得再好，如果关键词没对上，根本就没人看到。
Career-Ops 干的事情就是，根据每个职位的描述，自动把对应的关键词注入到你的简历里。不是造假，是把你已有的技能用对方能识别的方式表达出来。
这玩意儿听起来好像也没那么复杂对吧？但关键在于，它是全自动的。
你粘贴一个链接，喝口水的功夫，评估报告、定制简历、投递记录，全出来了。
而且它不是只评估一个。它有一个批量处理模式，可以同时跑十几个职位的评估。AI 会启动多个 Worker 并行工作，每个 Worker 独立评估一个职位，生成报告和简历。
苏米注：这就像什么？就像你雇了一个团队，十几个 recruiter 同时帮你筛职位。每个人都在认真读 JD，认真分析匹配度，认真给你写定制简历。只不过这个团队是 AI。
过滤器 vs 海投工具
Santiago 反复强调，这是一个过滤器，不是海投工具。
啥意思呢？就是说这个系统的目的不是帮你投更多的简历，而是帮你投更少的简历。但每一份都更精准。
现在很多人用 AI 找工作的方式是，让 AI 帮我批量生成简历，然后撒网式投递。结果呢？回复率可能连 1% 都不到，然后你觉得 AI 也没啥用。
但问题不在 AI，在你。你投的那些职位，大部分本来就不适合你。
Career-Ops 的做法是反过来的。它先帮你搞清楚哪些职位值得投，然后再帮你针对那几个职位做最好的准备。
一个是「广撒网」，一个是「精狙击」。
后者听起来慢，但实际上更快。因为你不会在那些注定没结果的事情上浪费时间。
六维度评估系统
这是这个项目最核心的部分。它的评估是六维度的，每个维度都很具体。
| 维度 | 作用 |
|---|---|
| 1. 职位概要 | 搞清楚这个职位到底是干什么的，汇报给谁，团队规模多大 |
| 2. 简历匹配分析 | 把你的简历和 JD 对比，找出技能差距，给出弥补策略 |
| 3. 级别策略 | 你该投 Senior 还是 Staff？你现在的能力匹配哪个级别？ |
| 4. 薪资调研 | 搜索这个公司、这个职位的市场薪资水平 |
| 5. 简历定制方案 | 针对这个职位，你的简历应该怎么调整 |
| 6. 面试准备 | 从你的经历里提取 STAR 故事，匹配行为面试问题 |
苏米注：尤其是面试准备这个功能，AI 会从你的经历里提取 STAR 故事（Situation、Task、Action、Result），然后跟职位要求匹配，告诉你这个职位可能会问哪些行为面试题，你应该用哪个故事来回答。
而且这些故事会积累。你评估的职位越多，你的故事库就越丰富。到最后你会有 5 到 10 个「万能故事」，能回答几乎所有行为面试问题。
职位门户扫描
它内置了 45 家公司的预设配置，Anthropic、OpenAI、ElevenLabs、Retool、n8n 这些 AI 相关的公司都在里面。你不需要一个个网站去刷，系统自动帮你扫，有新职位就通知你。
而且它不限于预设的这些公司，你可以自己添加任何你感兴趣的公司。支持的招聘平台也很全，Ashby、Greenhouse、Lever、Wellfound、Workable，主流的都覆盖了。
我算了一下，如果你想手动刷完这 45 家公司的招聘页面，每家花 5 分钟，那就是将近 4 个小时。而且你还得隔三差五去刷，因为职位是动态更新的。
让 AI 来做这个事情，省下来的时间你可以用来做更有价值的事。比如好好准备那几个真正匹配的职位的面试。
终端仪表盘
它还有一个终端仪表盘，用 Go 语言写的，可以在终端里浏览你的求职管线。哪些评估了，哪些投了，哪些在面试中，哪些评分很高，一目了然。
反正我觉得，这个项目的价值不在于某个单一功能，而在于它把求职的整个流程系统化了。
从发现职位，到评估匹配度，到准备材料，到投递追踪，到面试准备，每一步都有对应的工具。而且所有数据都存在本地，你的简历、联系方式这些敏感信息不会上传到任何第三方服务器。
技术细节
给感兴趣的朋友：
- 基于 Claude Code，用了自定义的 skill 系统
- PDF 生成用的是 Playwright + HTML 模板
- 职位扫描用的也是 Playwright + 各大招聘平台的 API
- 仪表盘是 Go 语言写的，用了 Bubble Tea 框架
- 数据全部用 Markdown 和 YAML 存储，不需要数据库
苏米注：也就是说，你所有的求职数据都是纯文本文件。Git 可以帮你版本管理，随时随地同步，不怕丢失。这个设计我觉得特别聪明，简单但有效。
总结
找工作可能是一个人职业生涯里最重要的几次决策之一。你选对了一家公司，可能接下来三五年都会很顺。选错了，可能要走很多弯路。
这么重要的事情，不值得用更系统的方式来做吗？
我知道有人会说，这个工具的门槛不低，需要会命令行，需要用 Claude Code。确实，它不是给所有人准备的。但我觉得，重要的不是这个工具本身，而是它背后的思路：
- 先筛选，再精准打击
- 把时间花在值得的事情上
- 用系统代替记忆
- 用数据代替直觉
这些思路，就算你不用 Career-Ops，也可以用 Excel 来实现，用 Notion 来实现，用任何你习惯的工具来实现。关键是你要有这个意识。
Santiago 用这套系统找到了理想的工作，然后把整个项目开源了，MIT 协议，完全免费。
如果你正在找工作，或者身边有朋友在找工作，推荐看看。不一定要用，但里面的思路值得借鉴。