Career-Ops是什么

Career-Ops 是基于 Claude Code 构建的开源 AI 驱动求职系统，非传统意义上的”海投工具”，是智能过滤器，通过结构化评估帮助求职者在海量职位中筛选出真正值得投入精力的机会，自动生成定制化求职材料。作者利用该系统评估了 740 多个职位、生成 100 多份 ATS 优化简历，最终成功入职 Head of Applied AI 岗位。

Career-Ops的主要功能

• 智能职位评估：粘贴职位 URL 或描述后，自动执行六维度分析（角色概要、简历匹配、职级策略、薪酬调研、个性化定制、面试准备），输出结构化报告。
• ATS 简历生成：基于职位描述动态调整简历关键词与经历呈现方式，使用 Playwright 渲染 PDF，内置 Space Grotesk 和 DM Sans 字体，确保通过 applicant tracking systems 筛选。
• 门户扫描器：预配置 45+ 家公司（含 Anthropic、OpenAI、ElevenLabs 等），通过 Playwright 自动抓取 Greenhouse、Ashby、Lever、Wellfound 等平台职位，支持自定义查询。
• 批量并行处理：利用 Claude 子代理并行评估 10 个以上职位，大幅提升筛选效率。
• 面试故事库：在评估过程中自动积累 STAR+Reflection 格式的行为面试素材，逐步建立 5-10 个可复用的核心故事模板。
• 谈判与 outreach：提供薪资谈判框架、地域折扣反驳策略、竞争性 offer 杠杆话术，以及 LinkedIn 联系消息模板。
• 终端仪表盘：基于 Go + Bubble Tea 构建 TUI 界面，支持 6 种筛选标签、4 种排序方式，在终端内完成全流程管理。

如何使用Career-Ops

• 克隆仓库并安装依赖：git clone https://github.com/santifer/career-ops.git + npm install + npx playwright install chromium
• 运行环境检查：npm run doctor
• 配置个人信息：cp config/profile.example.yml config/profile.yml，填写个人背景、目标薪资、技术栈等
• 创建简历文件：在项目根目录创建 cv.md，写入 Markdown 格式简历内容
• 启动使用：启动 Claude Code 进行个性化调教，然后粘贴职位 URL 或运行 /career-ops 即可触发完整管线

Career-Ops的官网地址

• Github仓库：https://github.com/santifer/career-ops

Career-Ops的关键信息和使用要求

• 强依赖 Claude Code：需 Anthropic 付费订阅才能使用核心 AI 功能。
• 环境要求：Node.js + npm + Playwright + Go（用于 Dashboard）。
• 数据存储：纯本地存储，无云端上传，隐私可控。
• 主要市场：目前主要针对英语/欧美科技市场，中文及非技术岗位适配需自行调整。
• 合规提醒：自动化抓取需遵守各招聘平台服务条款，AI 生成内容必须人工核查，避免诚信风险。
• 学习曲线：初期评估精度有限，需持续喂养上下文才能提升匹配质量。

Career-Ops的核心优势

• 反海投策略：系统明确反对”广撒网”式求职，采用 A-F 评分体系从 10 个加权维度（薪资匹配、技术栈契合度、成长空间等）对职位打分，满分 5.0，强烈建议不投递评分低于 4.0 的职位
• Human-in-the-Loop：AI 负责分析、推荐和材料准备，但系统永远不会自动提交申请，最终决策权始终保留在用户手中
• 自我进化能力：支持用自然语言直接让 Claude 修改配置文件，如调整评分权重、职业原型、目标公司列表等，实现系统的自我定制
• 纯文本数据层：所有数据以 Markdown 表格 + YAML 配置 + TSV 批处理文件存储，支持 Git 版本管理，完全透明可控
• MIT 开源协议：完全免费，社区驱动，代码可审计、可 fork、可二次开发

Career-Ops的同类竞品对比

Career-Ops的应用场景

• 大规模职位初筛：每周面对数十上百个新职位时，快速过滤掉匹配度低的岗位。
• 定制化简历投递：针对高匹配度职位，一键生成 ATS 友好的定制化简历。
• 面试系统准备：在投递阶段即开始积累 STAR 格式的行为面试故事库。
• 薪资谈判支持：拿到 offer 后，利用系统内置的谈判框架和话术进行薪资协商。
• 长期职业规划：通过评分数据回顾，分析自己的市场定位和竞争力变化趋势。