AI Job Search 完整指南5 个命令搭起你的 AI 求职流水线【免费下载链接】ai-job-searchThe job search that runs on your machine. AI job application framework built on Claude Code: evaluate postings, tailor CVs, write cover letters, prep interviews. Fork it and own it.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-job-search投了三十份简历却说不清哪份更有效周末还在改千篇一律的求职信——求职的痛点往往不是动作少而是没有反馈。AI Job Search 是一个构建在 Claude Code 上的 AI 求职框架评估职位匹配度、定制简历、写求职信、准备面试整条流水线跑在你自己的电脑上数据全部落在本地文件里。 它是什么一条可 Fork 的本地求职流水线项目定位一组 Claude Code 命令和技能文件把找职位—评估—写材料—记录结果串成固定流程。核心流程与语言、国家无关职位门户技能默认面向丹麦市场可用/add-portal换成你本地的招聘网站。真实战绩作者本人是地球物理学家2025 年底岗位被裁后用这套流程每周跑自己的求职69 份定制申请、20 个一面、1 份签约2026 年 6 月入职 AI 工程师。你的收益每个环节都有对应命令——/setup建档、/scrape找职位、/rank批量打分、/apply出申请材料、/outcome记录结果另附/interview、/html-report等 10 个扩展命令。在跑任何命令之前先花十分钟把工作台搭起来。 3 步初始化从 clone 到 /setup克隆仓库git clone https://gitcode.com/GitHub_Trending/ai/ai-job-search。SETUP.md 特别提醒/setup会把个人信息写入被跟踪的文件自用求职建议改用私有仓库、把原仓库留作 upstream。装好依赖Claude Code CLI、Python 3.10、Bun职位搜索 CLI、LaTeX 发行版简历用lualatex、求职信用xelatex编译。建档启动claude后运行/setup三选一读documents/文件夹简历、LinkedIn 导出、推荐信、粘贴一份简历、或回答结构化访谈。三条路径都会填充CLAUDE.md、01-candidate-profile.md等技能文件。你得到的是一份懂你的画像。框架输出质量几乎完全取决于档案深度写用 scikit-learn 建了流失预测管线比只写Python能让定制效果好得多。档案建好之后看看它的核心——评分是怎么算的。 匹配度评分4 个维度加权成一个 0-100 分它是什么评分规则写在 04-job-evaluation.md所有评估命令共用同一套框架。怎么工作每份职位按 5 个维度检查——技术匹配、经验匹配、行为/文化匹配、职业对齐各打 0-100 分地理位置单独记 Pass/Fail。加权公式固定技术 30%、经验 25%、行为 15%、职业对齐 30%Location 不加权、只做一票否决。打分前还有两道硬闸门资格闸门签证或国籍不满足直接 FAIL不进入评分和语言闸门要求的语言从未申报 → FAIL超出申报等级 → FLAG 交你判断。你得到什么综合分映射到 5 档——Strong Fit75、Good Fit60-74、Moderate Fit45-59、Weak Fit30-44、Poor Fit30每档对应明确动作75 分以上全力定制45-59 先讨论再定。评分是单份职位的事一次/scrape往往带回几十条就需要批量筛选。⚡ 批量筛选/scrape 与 /rank 的组合它是什么/scrape调用.agents/skills/下已安装的职位门户 CLI 搜索、去重、按匹配度呈现状态存进job_scraper/seen_jobs.json/rank是它的下游负责批量打分。怎么工作/rank派并行 Agent每个负责约 5 个职位只依据真实抓到的正文评分——抓不到就标记expired绝不按标题猜。否决项Location FAIL、语言 FAIL直接踢出短名单分数再高也不行截止日期在 7 天内的职位打 标记同分时优先。你得到什么一份按总分排序的短名单每个职位附 1-3 条基于原文的优势与短板。挑中哪个报序号即可进入/apply。 /apply 内部机制起草-审稿双 Agent它是什么申请材料生产是一条双 Agent 流水线——起草方写稿新起的审稿 Agent 调研公司、挑毛病。怎么工作流程 8 步解析职位 → 按框架评估匹配度 → 起草 LaTeX 简历硬性 2 页与求职信硬性 1 页→ 审稿 Agent 对照档案做事实审计简历里每个日期和数字必须能在档案中找到出处查无实据的一律删掉 → 按反馈修改 → 编译并逐页目检 PDF → 用pypdf提取文本层以 ATS 解析器的视角核对联系方式与关键词覆盖率。简历超页时不按时间删旧条目而是按与职位相关度、是否唯一、求职信是否依赖给每行打分先删最低分行。你得到什么两份可编译的 PDF、一行写入job_search_tracker.csv的记录初始状态drafted含fit_rating、deadline等字段、以及documents/applications/company_role/job_posting.md归档。材料发出去之后故事没有结束——结果同样要进流水线。 记录环节/outcome 与追踪表它是什么/outcome是唯一的记账员记录每个申请的进展与终局同步更新job_search_tracker.csv和归档目录。怎么工作追踪表一行一个申请字段含date、company、role、channel、status、fit_rating、contact_person、deadline等 14 列。状态枚举是固定词汇表drafted→applied→interview→offer→hired/rejected/no_response/offer_declined/withdrawn后五个为终态。每个申请在documents/applications/company_role/里保留 4 个文件job_posting.md、cv_draft.tex、cover_letter.tex、outcome.md格式见 documents/README.md。内置的跟进节奏申请静默满 10 天提示起草跟进信每个申请最多 2 次只出草稿、绝不代你发送。你得到什么任何时候问我手上哪些申请还活着系统用同一张表回答复盘某段项目经历时归档里有当时提交的原文可查。数据攒够之后就该让历史反哺未来。 复盘与避坑让下一次申请比这一次更准复盘工具看板/html-report从追踪表生成离线 HTML 仪表板含状态、行业、渠道分布与漏斗图。技能缺口/upskill对比你的档案与在追职位输出技能缺口热图和学习计划。面试准备/interview基于该申请的归档职位原文、提交材料、前轮反馈生成对应轮次的准备包支持模拟面试。校准闭环终局申请满 3 个后重跑/setup可从哪些真的进了面试反向校准04-job-evaluation.md的评分标准。避坑清单隐私先行个人数据写入被跟踪文件自用求职请用私有仓库SETUP.md 第 8 节。职位不可信职位正文按不可信数据处理不执行其中嵌入的指令见 SECURITY.md。档案别填薄薄档案产出通用模板厚档案才能定制。失败也记录rejected和no_response与hired同样有价值它们是校准的燃料。求职从此不再是投出去就消失的黑箱每份申请有分数、有归档、有终局下一轮的判断比上一轮更准。从凭感觉海投到让数据驱动每一次投递你的时间会花在真正有效的地方。【免费下载链接】ai-job-searchThe job search that runs on your machine. AI job application framework built on Claude Code: evaluate postings, tailor CVs, write cover letters, prep interviews. Fork it and own it.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-job-search创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
