ARTICLE · 1232238

52K+Star一款免费、开源的 AI 求职流水线,69 份定制简历换来 20 场面试和 1 份 offer

发布时间：2026-10-23 01:36:51 最近访问：2026-10-23 01:36:33

一个人的经历先讲。

作者是学地球物理的。 2025 年底岗位裁撤，他用 Claude Code 搭了这套东西，跑自己的求职。

69 份定制申请，20 场一面，1 份签下的合同。 2026 年 6 月入职做 AI 工程师。

项目叫 ai-job-search，61,964 star，MIT 协议。

01 三个命令撑起主线

它的形态是 Claude Code 的命令集，不是一个 App。

表 1 · 核心三件套

命令	做什么
`/setup`	填资料。可读文件夹、粘一份 CV，或走访谈
`/scrape`	搜多个招聘站，去重，按匹配度排序
`/apply <url>`	评估 → 起草 → 审阅 → 修改 → 编译验证

第一行有三种入口，这点挺实际。

有整理好的 `documents/` 文件夹就用文件夹；只有一份 PDF 就粘进去；什么都没有就走访谈问答。

README 说文件夹模式是幂等的，你陆续往里加材料，重复跑不会出问题。

这里要问一句，为什么不直接做个网页？

因为它要读你本地的简历、跑 LaTeX 编译，还要写文件。这些在浏览器里做不了，只能跑在本机。

项目的副标题就是这句话，the job search that runs on your machine。

02 /apply 内部有八步

这是整个项目最重的一块，八步里有四步在验证。

表 2 · 八步流程

步	做什么
1	解析岗位描述（URL 或粘贴文本）
2	对照你的资料评估匹配度
3	用 LaTeX 起草定制 CV 和求职信
4	另起一个 agent 研究公司并挑毛病
5	按反馈修改
6	编译并逐页检查 PDF
7	抽 PDF 文字层做 ATS 检查
8	给出成品和验证清单

第四行是「双人审稿」。

起草的 agent 写完，另起一个上下文干净的 agent 去研究这家公司，然后挑毛病。

为什么要换一个 agent？

因为同一个上下文里，模型会倾向于认可自己刚写的东西。换个干净的上下文，它才像一个真正的审稿人。

第六、七行是我觉得最硬的部分，单独讲。

03 它检查 PDF，不只检查 tex

这是它和其他简历模板最大的区别。

表 3 · 常见的 LaTeX 翻车

问题	现象
标题孤行	职位名跑到下一页开头，跟内容断开
求职信溢出	签名跑到第 2 页
字体悄悄回退	列表项的字体变回正文字体

这三个问题在 `.tex` 里看不出来，只在编译后的 PDF 里出现。

它的做法是编译完逐页看。

CV 必须正好 2 页，不能有孤立的小标题。求职信必须正好 1 页，签名要在页内，字体要一致。

不达标就改 LaTeX，再编译，再检查。

这里要问一句，为什么卡这么死？

因为招聘方看到的是一份 PDF。你的 tex 写得再漂亮，导出多一页就是减分。

04 ATS 检查是最容易被忽略的一步

这一步大部分简历工具都不做。

表 4 · ATS 看到的是什么

你以为	实际
页面上显示 `name@mail.com`	提取出图标字形，邮箱没了
双栏排版很好看	文字层交错，读出来是乱的
关键词写在简历里	解析器读不到，等于没写

第一行是 LaTeX 简历的经典坑。

用 `fontawesome5` 之类的图标字体，渲染正常，但文字层里是乱码。ATS 解析出来拿不到你的邮箱。

它的做法是抽 PDF 的文字层，按解析器的视角验一遍。

联系方式要以字面文本存在，不能有乱码字形，阅读顺序要正常。

然后拿岗位关键词去对覆盖率。

这里要问一句，关键词不够怎么办？

README 写了一条硬规则，你的资料里真有的关键词才加，真缺的就留着当缺口，不许硬塞。

这条规则挺重要。一个能帮你造假的工具，迟早会害了你。

05 超页数时砍哪一行

细节说明作者想过，它按三档打分再砍。

表 5 · 三档打分再砍

维度	说明
与岗位的相关度	这一行跟目标岗位有多相关
文档内的独特性	别处有没有重复表达
求职信是否依赖它	砍了会不会让求职信接不上

砍总分最低的那一行，不从最老的经历开始砍。

README 举的例子是，一条老岗位的要点如果命中了岗位关键词，它会活下来，而一条新岗位但没命中关键词的要点先砍掉。

这里要问一句，为什么不用「保留最近三年」这种规则？

因为时间是代理指标，不是目标。招聘方关心的是相关性，不是你哪年做的。

06 还有十个命令

表 6 · 扩展命令

命令	做什么
`/rank`	批量给新抓的岗位打分，出排序短名单
`/interview`	按当前阶段出备考包，可模拟面试
`/outcome`	记录结果，归档提交过的材料
`/upskill`	分析技能缺口，出学习计划
`/expand`	扫你资料里的公开链接，补充能力项
`/add-portal`	为你的本地招聘站生成搜索技能
`/add-template`	注册你自己的简历模板
`/html-report`	生成离线 HTML 看板
`/gmail-sync`	从 Gmail 读状态信号，你确认后才写入
`/notion-sync`	单向同步到 Notion，只读视图

第三行有个细节。

`/outcome` 会把提交过的 CV、求职信和岗位原文归档到 `documents/applications/`。

这样面试前你还能看到对方当时读的那一版。

第九行也很克制。 `/gmail-sync` 读完只提议，不直接改。而且状态是「offer」时它不提议 `hired`，因为那是你的决定。

07 门槛和坑

这块得说清楚，不然会踩。

表 7 · 环境要求

项	要求
Claude Code	没有免费额度，要 Pro/Max/Team 订阅或 API 额度
Python	3.10 以上
Bun	跑招聘站 CLI
LaTeX	需要 `lualatex` 和 `xelatex`
可选	`pypdf`，用于 ATS 检查

第一行是最大的门槛。

这不是免费工具，它依赖 Claude Code 的订阅。

第四行有点烦。

CV 用 `lualatex` 编译，求职信用 `xelatex`，因为 `cover.cls` 需要 `fontspec`。两个引擎都得装。

更重要的一个坑在 README 的加粗警告里。

表 8 · 那个隐私警告

情况	后果
fork 这个仓库	公共仓库的 fork 永远是公开的，没法设私有
`/setup` 写入	姓名、联系方式、工作经历、薪资期望写进被 git 跟踪的文件
正确做法	用私有仓库，把这个仓库设为 `upstream`

坑太容易踩了。

一般人看到「Fork it」就 fork 了，然后 `/setup` 一跑，你的完整履历和薪资期望就公开在 GitHub 上了。

README 专门写了这一段加粗警告，说明作者知道会有人中招。

它把求职做成了可重复的流程

说回开头那组数字，69 份申请、20 场一面、1 份 offer。转化率不算高，29% 的一面率，5% 的 offer 率。

但它胜在可重复。同一套流程跑 69 次，每次都在改 CV、改求职信、查 PDF、对关键词。

作者自己也说了，他跟面试官都坦白用过 AI。结果不但没减分，反而常引出一段真正的技术对话。

这可能比工具本身更值得记一下。

你有没有在求职时，为一份简历改到凌晨？

项目地址

https://github.com/MadsLorentzen/ai-job-search

许可

MIT。独立开源项目，与 Anthropic 无隶属或背书关系。

README 明确写了，这个项目没有关联加密货币、代币或付费赞助计划，声称有的都是诈骗。