因为一直在做B端的招聘产品，每天一直在思考企业端怎么多维标签对于候选人进行评估筛选，但是想到自己是打工人的本质，所以有天突发奇想在思考如今的候选人在面对系统层层筛选的前提下，怎么去应对，于是就找到了这个宝藏项目。最近30天升星速度极快。先放项目地址：

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

下面是AI自己生成的运作机制报告

项目: santifer/career-ops 作者: Santiago Fernández de Valderrama 数据: 44K+ Stars, 9.2K Forks, MIT License 官网: career-ops.org 文档: santifer.io/career-ops-system

一、项目定位

一句话概括: 把 AI coding CLI（Claude Code/Open Code）变成完整的求职指挥中心。

不是自动海投机器人，是多智能体分析系统——AI 做分析，人做决策。

"Companies use AI to filter candidates. I just gave candidates AI to choose companies."

二、解决什么问题

求职的 6 大痛点

核心解法

重复的工作让 AI 干，人专注于判断和决策。

三、系统架构

3.1 设计哲学：Mode 模式，而非单一 Prompt

每个操作都是一个独立的 Claude Code Skill，有自己的上下文、规则和工具。

为什么不用单一万能 Prompt？

• 精确上下文
  : apply 模式不需要 scoring 逻辑，按需加载
• 独立可测
  : 改 PDF 逻辑不会影响 evaluation 模块
• 独立演进
  : 新增模式不影响已有模式（Training mode 上线只用了3周）

3.2 核心技术栈

3.3 数据流向

Job URL → JD 提取 → AI 多维评分 → 决策建议 → ATS优化PDF → Tracker记录 → (可选)自动提交   ↑                                                      ↓   └────────────── 人工审核（每步可干预） ←─────────────────┘

HITL 原则: AI analyzes, I decide. 分析自动化，决策权在人。

四、14 个 Skill Modes 详解

核心业务模式

五、评分系统（A-F 多维评分）

10 个加权评估维度

Career-Ops 不给单一分数，而是从 10 个维度独立打分（每项 A-F），加权汇总：

6 评估块（oferta 模式）

1. Summary
    — JD 一句话总结
2. CV Match
    — 简历与 JD 关键词匹配度
3. Level
    — 职级是否合理
4. Compensation
    — 薪资分析
5. Personalization
    — 冷启动消息个性化建议
6. Interview
    — 面试轮次/难度预估

评分结果示例

• 典型优质 Offer: 4.0–4.5 / 5（Grade A–B）
• 投递阈值建议: ≥3.5 再投

六、PDF 生成机制

ATS 优化流程

1. 解析 JD，提取关键技能词/行业术语
2. 从用户已有项目经历中匹配相关证据点
3. 重写简历内容，优先展示匹配项
4. 调整格式：通过 ATS 关键词扫描
5. 输出：每份 JD 生成独立 PDF（不是通用版）

七、Scanner（职位发现）

覆盖平台（45+）

• 聚合器: LinkedIn, Indeed, Glassdoor, Wellfound, RemoteOK
• ATS 系统: Greenhouse, Ashby, Lever, Workday, BambooHR
• 直接 Careers Pages: 各公司独立招聘页

扫描策略

很多优质职位从不上聚合网站，只在公司自己的招聘页发布。scan 模式解决这个信息差问题。

八、Batch 并行处理

• Conductor + Worker 架构
• 队列支持 122 个并发 URL
• 自动去重（680+ URLs 已去重）
• 断点续跑

九、Go Dashboard

Bubble Tea 框架构建的终端 UI，用于：

• 可视化 Pipeline 状态
• 浏览所有已评估的 Offer
• 查看评分分布
• 追踪申请进度

十、实际效果（作者数据）

Featured in: WIRED, Business Insider

十一、 Lessons（关键经验）

1. 求职是系统工程
   : 不是投简历，是信息收集 + 评估 + 定制 + 追踪的多阶段流程
2. AI 替代的是分析，不是决策
   : 海投是浪费时间，精准定向才是正解
3. 工具需要人来驾驭
   : 全自动海投是幻觉，人机协同才是可持续的
4. Mode 架构的优越性
   : 独立、可测、可演进，比单一 Prompt 强大得多

报告生成时间: 2026-05-11