求职人的心酸与痛苦就靠这款AI工具来解决吧

现在找工作，最累的往往不是写简历，而是判断哪些岗位值得投。

岗位太多，职位描述又长得差不多；简历要一版版改，投递状态还散落在各处招聘网站、表格和浏览器收藏夹里。

招聘公司早就在用ATS和AI筛候选人了，而求职者却还在靠手工复制、粘贴、改文件名来管理整个求职流程。

Career-Ops想解决的就是这些问题。

它不是"AI简历润色器"，也不是"一键海投工具"。它更像是一个给候选人用的开源AI求职指挥中心：帮你筛选岗位、评估匹配度、生成定制材料，并把投递过程沉淀成可追踪、可复盘的工作流程。

github项目地址：

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

Career-Ops是什么？

一句话概括：

Career-Ops是一个开源、本地运行、面向AI Coding CLI的求职操作辅助系统。

它可以把Claude、Codex、Qwen、WorkBuddy等AI变成一个求职指挥中心。

你可以用它做这些事情：

•扫描公开招聘源和公司招聘页面；
•判断一个岗位是否真的适合你；
•根据职位描述生成优化简历；
•生成求职信和申请邮件草稿；
•记录每一次投递、评估和后续状态；
•管理你的求职工作流；
•为后续复盘留下数据。

它的理念很清楚：

不是帮你投更多，而是帮你少投、准投、投得更好。

它解决的三个核心痛点

Career-Ops功能很多，但如果压缩成最主要的价值，我觉得是如下三个：

1.从海量岗位里筛出值得投的机会；
2.为高价值岗位生成可信的定制材料；
3.把求职过程变成可追踪、可复盘的工作流。

痛点一：岗位太多，看不过来，也判断不准

现在不是没有岗位，而是大家面对的岗位实在太多。

•这个岗位和我的背景到底匹配吗？
•它只是标题看起来合适，还是职责真的合适？
•我有没有明显短板？
•这个岗位值得我专门改一版简历吗？
•薪资、地点、职级和发展方向是否符合我的目标？

这些判断如果全靠个人来做，非常耗精力。

Career-Ops可以扫描公开的招聘源，比如Greenhouse、Ashby、Lever以及公司官网的公开职位页面。扫描到的新岗位会进入data/pipeline.md。

之后你可以让它读取你的cv.md和个人求职档案，对岗位进行结构化评估。

它不是简单做关键词匹配，而是会结合你的简历、目标岗位、薪资期望、地点偏好、能力缺口等因素，判断这个岗位是否值得继续推进。

一个简化流程大概是这样：

这背后的核心逻辑是：

先过滤，再投入。

痛点二：每个岗位都要改简历，但手动改很容易失控

同样是一个后端工程师，投AI Infra、平台工程、数据工程、SRE、全栈工具链岗位时，简历表达重点肯定不一样。

同样一段经历，在不同职位描述里也应该有不同写法：

•有的岗位更关心LLM应用经验；
•有的岗位更关心跨团队协作；
•有的岗位更关心业务结果和指标；
•有的岗位则更关注你有没有某些具体技术栈。

问题是，手动改简历非常痛苦。

更糟的是，很多人开始用AI改简历之后，又会遇到另一个问题：AI很容易把话说得太满，甚至编出你没有做过的事情。

Career-Ops在这里的处理方式比较克制。

它可以根据职位描述生成优化简历，通过HTML模板和Playwright生成PDF，也可以生成求职信和正式申请邮件草稿。

但它的事实来源是你的本地文件。

它强调的是：

关键词可以重写，经历不能编造。

一个典型流程是：

痛点三：投递状态散落各处，求职流程越来越乱

如果你只投三五个岗位，用一个表格就够了。

但一旦你认真开始找工作，事情很快就会变复杂。

岗位来源可能有：

•公司官网；
•LinkedIn；
•Boss直聘；
•猎聘；
•招聘邮件；
•朋友推荐；
•Twitter/X上看到的岗位；
•Hacker News或各种社区帖子。

投递状态又可能散落在：

•浏览器收藏夹；
•下载下来的职位描述；
•各种PDF简历版本；
•招聘平台私信。

时间一长，你可能连自己都说不清。

Career-Ops的第三个特点，就是能把这些东西统一进一个本地求职管道里进行管理：

•data/pipeline.md管理待处理职位；
•data/applications.md管理申请状态；
•reports/保存每个岗位的评估报告；
•output/保存生成的PDF；
•Dashboard TUI用来浏览、筛选、排序整个求职管道。

一个完整流程大概是：

这也是我觉得Career-Ops最像"系统"的地方。

它不是帮你完成某一个动作，而是把求职拆成了一条连续的工作流程。

怎么安装和使用？

Career-Ops面向的是愿意使用命令行和AI Coding CLI的用户。

你需要先安装Node.js，并准备一个AI CLI，比如Claude Code、Codex、Qwen等。

如果要生成PDF，还需要Playwright Chromium。

最快的安装方式是一条命令：

npx @santifer/career-ops init

然后进入项目目录：

cd career-opsclaude

首次启动时，Career-Ops会通过对话引导你完成基础配置，包括你的简历、个人求职档案和目标岗位。

常用命令大概有这些：

Boss直聘这类平台能接入吗？

这里需要单独说一下。

Career-Ops默认更适合接入公开招聘源，比如Greenhouse、Ashby、Lever或者公司官网的公开职位页面。

像Boss直聘这类强登录、带风控和私信机制的平台，并不是它默认支持的扫描对象。

但这不代表不能用。

更合适的方式是：你在Boss直聘上看到感兴趣的岗位后，把职位描述复制给Career-Ops，让它帮你判断匹配度、生成定制简历、整理申请记录。

也就是说：

Boss直聘负责"发现岗位"，Career-Ops负责"判断是否值得投、如何更好地投、投完如何追踪"。

它和普通AI简历生成器有什么不同？

很多人看到Career-Ops的第一反应可能是：这不就是又一个AI简历工具吗？

我觉得不是。

普通AI简历生成器解决的问题是：

如何更快写出一份看起来不错的简历？

而Career-Ops解决的问题是：

如何把整个求职流程系统化？

可以简单对比一下：

普通AI简历工具更像是一个写作助手。而Career-Ops更像是一个求职操作系统。

最后

过去找工作，很多人的流程是：

看到岗位 → 改简历 → 投递 → 等消息

如果岗位不多，这样当然可以。

但当岗位数量变多、竞争变强、公司开始用AI和ATS筛候选人时，候选人也需要更系统的工具。

Career-Ops给我的启发是：

AI不应该只用来润色简历，它也可以用来管理判断、筛选、定制、追踪和复盘。

它真正有价值的地方，不是"生成了一份简历"，而是把求职变成了一条可运营的工作流程。

关注不迷路，持续更新AI资讯和实用教程。