夜雨聆风
你可能经历过这种绝望：
坐在电脑前，对着一份招聘需求逐字逐句抠字眼，把简历改了又改，求职信写得情真意切，小心翼翼地点击“提交”。
然后，石沉大海
等待只换来无休止的沉默哈佛商学院的一项研究曾揭露过一个残酷的真相：大约88%的高技能合格求职者，仅仅因为简历格式或个别关键词与招聘系统不完全匹配，就会被机器直接扔进垃圾桶。 另一边，超过77%的人在求职中遭遇过雇主的“已读不回”。
现代求职已经变成了一场极度不对称的消耗战：大厂用冷冰冰的算法在3秒内淘汰你，而你却要花3个小时去迎合算法。
但在2025年底，哥本哈根的一位地球物理学博士被裁员后，决定打破这个规矩。
他跳过网上的求职辅导课，也不满足于在对话框里让ChatGPT“帮我改改简历”。他直接掏出Anthropic最新的编程代理工具Claude Code，给自己写了一套全自动的求职操作系统。
结果令人震惊：精准投递69家公司，斩获20场初面，转化率高达29%，而在传统求职市场中，这个数字通常只有可怜的1%到2%。
2026年6月，他成功跨界上岸，成为一名AI工程师。
随后，他把这套代码全部开源一夜之间，GitHub狂揽超过3.2万颗标星，整个硅谷和欧洲技术圈为之震动。
▲ 工程师 Alex Veremeyenko 在社交平台拆解这套系统的底层逻辑，迅速引发全网围观
跌入谷底：一个物理学博士的失业自救
故事的主角名叫 Mads Lorentzen。
在遭遇裁员之前，他是受过严苛学术训练的地球物理学博士，在行业内深耕了将近三年。然而在2025年末的全球技术调整周期中，他的岗位被无情裁撤。
上有老下有小，年幼的孩子需要抚养，生活半径被死死限制在哥本哈根地区。面对现实的重压，Mads不得不重新打开求职软件。
但他很快意识到：传统的求职方式是反人性的。
在求职网站上漫无目的地滚动、研究公司背景、手动调整履历、套用模板写求职信、上传、等待被算法“秒杀”……这个过程只会徒增焦虑。
“既然大公司都在用AI筛人，为什么求职者不能用AI来武装自己？”
Mads做出了一个硬核的决定：把整个求职方法论，重构成一套可在本机终端运行的代码管线。
这套被他命名为 AI Job Search 的开源项目就此诞生。
▲ Mads Lorentzen 本人公布求职结果：69次定向申请，20场面试，最终拿到1份工作
一套严密的“特工系统”
很多人听到“AI找工作”，第一反应就是写个Python脚本，自动抓取网页，然后生成几千封垃圾邮件到处海投。
Mads选择了另一条路：低质量的海投只会制造更多噪音；有效的做法，是让每一份申请都像高级职业顾问亲手定制的一样精准。
你只需要把项目Fork到本地，把个人经历、学位证书、过往项目乃至文风偏好塞进文件夹，剩下的就交给终端里的斜杠命令。
▲ 早期介绍帖详细拆解了五步工作流：从岗位解析到双代理对决，步步为营
整个流程环环相扣，像一台精密咬合的钟表：
1. /scrape 与 /rank：绝不打无准备之仗
系统会自动从各大人才网站抓取最新岗位，第一步是先给岗位打分。它会结合你设定的硬性约束（比如地理位置、薪资底线、技术栈匹配度），生成一份带有优劣势分析的候选短名单。
不合适的职位直接放弃，从源头斩断焦虑驱动的无效乱投。
2. /apply：残酷的“起草者与审稿人”博弈
这是整个系统最精彩的设计，Drafter-Reviewer（双代理架构）。
- 第一个AI代理（起草者）
：根据具体岗位需求，挑选你背景中最吻合的经历，用严谨的LaTeX排版引擎生成定制简历与针对性极强的求职信。 - 第二个AI代理（审阅者）
：在全新的上下文里，扮演一位极其挑剔、看惯了套话的HR总监。它会毫不留情地挑出第一位代理写出的空话、套话、逻辑漏洞与表述瑕疵，并勒令其重写。
两个AI在后台激烈交锋，直到文稿毫无破绽。
3. 硬核的PDF与ATS双重视觉校验
这是绝大多数普通求职者甚至程序员都会忽视的致命细节：
你在电脑前看到的漂亮PDF，在招聘系统的ATS（申请人追踪系统）眼里可能是一堆乱码！
很多用LaTeX排版的简历，为了美观会把邮箱前的“@”或者电话图标渲染成特殊矢量符号。HR肉眼看完全正常，但ATS一解析，你的联系方式直接变成了空白或乱码，瞬间被系统判定为无效简历。
Mads的系统在编译出PDF后，会自动执行两道工序：
- 模拟人眼视觉检查
：排查是否存在孤儿标题、求职信是否多出了尴尬的第二页、字体是否出现异常回退； - 抽取底层文本层（pdftotext）
：用机器阅读器提取纯文本，模拟ATS的真实抓取路径，确保每一个关键词和联系方式都能被算法百分之百正确识别。
▲ 项目在 GitHub 迅速斩获超过 3.2 万颗 Star，成为开发者圈内的现象级神器
恪守底线：绝不撒谎的“人在回路”
在大模型满天飞的时代，生成一份天花乱坠的假经历太容易了。
但Mads在这套开源系统的底层写死了一条铁律：绝对禁止无中生有。
如果某个高薪岗位要求精通某种工具，而你的候选人画像里根本没有这项经历，系统会拒绝硬塞关键词。报告会把这项技能明确标记为“能力缺口（Gap）”，并在后续的面试准备中，为你生成如何诚实回答这个缺口的沟通策略。
系统还把自动化停在“材料准备完毕”，绝不越界替你自动点击“发送”。
所有的文件都保存在你自己的电脑里，不经过任何第三方SaaS平台的数据库。每一次投递前，屏幕前的人必须亲自通读、把关、微调，最后由自己的手指敲下提交键。
这就是技术伦理上的 Human-in-the-loop（人在回路）。
正如一位资深技术评论员所说：“如果面试时你无法为简历上的内容负责，AI带来的便利随时可能变成麻烦。”
▲ 知名技术专栏特别强调该项目的核心原则：用AI做诚实匹配，拒绝造假
坦白局：从求职者到AI工程师的惊险跃迁
带着这套系统生成的材料，Mads投出了69份极其精准的申请。
面对这20场纷至沓来的面试，他做了一件让所有人大跌眼镜的事：
他在每一位面试官面前，都主动坦白了这套AI系统的存在。
他公开说明自己使用了自动化工具，并把系统架构、双代理审阅逻辑、ATS文本校验机制当作技术作品，直接向面试官展示。
这一招堪称神来之笔
对于招聘AI工程师的雇主来说，眼前的候选人能够敏锐洞察现实痛点，利用前沿AI Agent工具链搭建工业级闭环解决方案。
原本冷冰冰的履历盘问，瞬间变成了热火朝天的技术架构研讨会。
2026年6月，Mads正式签署合同，跨界转型为一名全职AI工程师。
一个因为行业萎缩而被裁掉的地球物理学家，用自己写出的代码，硬生生砸开了AI新世界的大门。
厘清迷局：别把两个“神话”搞混了
随着项目的爆火，中文与海外社交网络上也出现了一些以讹传讹的混乱。
最典型的误区，就是把 Mads的“69次投递拿下20场面试”，与同期另一个名为 career-ops 的开源项目混为一谈。
▲ 另一个同样火爆的开源求职系统 career-ops，主打海量扫描与终端仪表盘
我们有必要把这两个刷屏项目的区别讲透：
- Mads Lorentzen（ai-job-search）
：丹麦地球物理学家，主打单兵作战的高质量定制。深入钻研文档渲染、LaTeX版面调优、双代理博弈与绝对真实性。他的数据是精准的 69 投递 / 20 面试 / 1 录用。 - Santiago Fernández（career-ops）
：由应用AI负责人打造，更偏向吞吐量与工作流工程化。集成了Go语言终端看板、批量门户扫描与表单自动填充。他的数据是 评估740个岗位 / 申请68次 / 拿下AI负责人Offer。
两套系统各有千秋，但它们的共同本质是相同的：在算力过剩的时代，把求职者从机械无意义的文书奴役中彻底解放出来。
认知觉醒：当求职工具变成一面镜子
这套开源代码只解释了部分共鸣
更深层的原因在于，他揭示了人与AI协作的一种全新可能。
过去，AI在求职中常被误用成批量制造垃圾邮件的脚本，最终导致劳资双方陷入更残酷的互相防备。
而Mads证明了第三条路的存在：
用极其严苛的技术手段解决繁琐低效的流程，同时把最高等级的诚实与思考留给自己。
▲ 网友热评：直击真实痛点，加上极其实惠的构建工具，这是当代软件最硬核的诞生方式
现代招聘体制是一台庞大的机器，它用算法把鲜活的人拆解成冰冷的标签。
应对这种异化，可以像这位丹麦物理学家一样，
看清机器的运行逻辑，亲手写出属于你自己的工具，然后，夺回属于你自己的主动权。
