💡 站外导读：在AI技术迅猛发展的今天，求职者面临海量职位信息与低效海投的困境，急需智能化工具进行精准筛选与材料准备。Career-Ops作为一款基于Claude Code的开源AI求职系统，应运而生，旨在通过结构化评估与自动化生成，帮助求职者聚焦高质量机会。它不仅是一个工具，更是对传统求职模式的革新，推动求职过程向数据驱动、高效定制的方向发展。
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。
阅读目录
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
| 对比维度 | Career-Ops | LazyApply | Wonsulting |
|---|---|---|---|
| 核心定位 | AI 驱动精准求职系统 | AI 自动海投工具 | AI 简历优化 + 求职辅导 |
| 自动化程度 | Human-in-the-Loop，不自动投递 | 全自动批量投递 | 半自动，需手动确认 |
| 开源协议 | MIT 完全开源 | 闭源商业产品 | 闭源商业产品 |
| 数据隐私 | 纯本地存储 | 云端存储 | 云端存储 |
| 评估体系 | 10 维度 A-F 评分 + 权重可调 | 无结构化评估 | 基础匹配度分析 |
| 简历生成 | ATS 优化 + 动态定制 | 基础模板填充 | 模板化生成 |
| 面试准备 | STAR 故事库自动积累 | 无 | 提供通用题库 |
| 薪资谈判 | 内置框架 + 话术模板 | 无 | 提供咨询服务 |
| 技术门槛 | 需命令行 + Claude Code | 浏览器插件即可 | 网页端操作 |
| 目标用户 | 中高级技术/AI 岗位求职者 | 广撒网求职者 | 初级求职者/转行者 |
| 价格 | 免费（仅需 Claude Code 订阅） | 订阅制付费 | 免费增值/订阅制 |
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。
📝 站长洞察 (Editor’s Insight)
Career-Ops的出现，标志着AI在个人职业发展领域的应用从辅助走向深度整合。在就业市场竞争日益激烈的背景下，这款开源系统通过六维度评估与反海投策略，体现了AI从“量”到“质”的转变，与当前追求可持续、高效能的AI应用趋势高度契合。它基于Claude Code的架构，预示了未来AI Agent在垂直场景中的潜力，即通过特定框架实现高度定制化服务。对于科技从业者而言，此类工具不仅提升求职效率，更是一种职业规划的范式转移，值得行业关注其开源生态与社区驱动的长期价值。
