santifer/career-ops · 上手攻略

  • 仓库：santifer/career-ops
  • 链接：https://github.com/santifer/career-ops
  • 分类：trending / agent / ai-job-search
  • 作者：Tom
  • 更新：2026-07-03

把"求职"这个长期、碎片、靠自驱力的过程，做成 Claude Code / OpenCode / Codex 等任意 AI CLI 都能直接跑起来的 Skill 流水线。不是一个自动投递器，而是一个带评分的漏斗 + ATS 简历工厂 + 跟踪仪表盘。

1. 是什么

career-ops（也写作 careerops，项目站 career-ops.org）是一个"以 AI CLI 为大脑、以本地 Skill 文件为规则"的开源求职操作系统。它本身不训练任何模型，而是把 14 个 Skill 模式（evaluate / scan / pipeline / pdf / cover / batch / tracker / interview / negotiation / portal / cover-letter / ...）以"slash 命令 + 文件路由"的形式挂在你的 AI CLI 上，让 Claude Code / Gemini CLI / Codex / OpenCode / Qwen / Kimi / Grok Build / Antigravity CLI 都能像读 README 一样读懂它，再去驱动 Playwright 抓页面、用 A-F 评分判断一个 offer 值不值得投、自动生成 ATS 优化 PDF 简历、维护一份本地 pipeline.json 作为"单一事实源"。

作者 santifer 自己用这套系统评估了 740+ 个 offer、生成了 100+ 份定制简历，最终拿到 Head of Applied AI 的 offer；项目在 Product Hunt、Wired、Business Insider、trendshift 都有露出（README 顶部自带 badge）。最近一次 commit 在 2026-07-02，处于活跃维护期。

2. 解决什么问题

求职里有 4 件事最磨人，career-ops 全部用 Skill 文件去"流水线化"：

  1. 海量 offer 筛选：手动逐个读 JD → 评判是否匹配 → 决定要不要投。career-ops 用一个"6 块评估（Role summary / CV match / Level strategy / Comp research / Personalization / Interview prep）+ Block G 合法性反诈"的 10 维加权 A-F 评分模型，让 AI 像 recruiter 一样打分并把低于 4.0/5 的直接劝退。
  2. 简历定制：每个 JD 都要改一遍简历，ATS 还挑关键词。/career-ops pdf 会从你的 cv.md + profile.yml 出发，对当前 JD 注入关键词，套 Space Grotesk + DM Sans 的版式，再用 Playwright 渲染成 A4 PDF。
  3. 多门户扫描：Anthropic、OpenAI、ElevenLabs、Retool、n8n 等 45+ 家公司预置了 Greenhouse / Ashby / Lever / Wellfound 的扫描模板，/career-ops scan 直接用 headless 浏览器去抓最新岗位。
  4. 进度跟踪：所有评估产物（PDF、笔记、cover letter、状态）落到本地 data/pipeline.json 或 tracker/ 目录里，配套一个 Go 写的 Bubble Tea 终端仪表盘（build-dashboard.mjs 之后 npm run dashboard），可筛选可排序，避免散落在 Notion / 飞书 / 邮件里。

它不主动投递——README 明确写"system never submits an application, you always have the final call"，定位是"过滤器 + 弹药库"，不是 spam。

3. 快速安装

career-ops 提供了"一行命令"和"git clone"两条路径。两种方式都要求先装好 Node.js（>= 18 推荐）和 AI CLI 二选一（Claude Code 优先，codex / opencode / gemini / qwen / kimi / grok / agy 均可）。

方式 A：一键（推荐）

npx @santifer/career-ops init

npx 会拉最新 release 到 ./career-ops、装依赖（Playwright 需要的 Chromium 用 npx playwright install chromium 单独再跑一次）。如果你的机器上已经装了 Claude Code 或 Codex CLI，那 npx 自带的 Node 就够用，无需手动装 Node。

cd career-ops
claude        # 或 codex / opencode / gemini / qwen / kimi / agy / grok

第一次启动会让 AI 引导你做 onboarding：粘 CV、定 archetype、调权重，全部对话完成。

方式 B：手动 git clone

git clone https://github.com/santifer/career-ops.git
cd career-ops && npm install
npx playwright install chromium   # 只有 PDF 生成需要
npm run doctor                   # 校验 Node / Playwright / 浏览器 / AI CLI 是否齐
cp config/profile.example.yml config/profile.yml
cp templates/portals.example.yml portals.yml
# 把简历写成 cv.md，放在项目根目录
claude                            # 或 codex / opencode / ...

接入 Antigravity CLI / Codex / Grok

README 把每种 CLI 都单独写了一段：

  • Antigravity CLI（Google 把消费级 Gemini CLI 合并过来的版本）：cd career-ops && agy，然后 /career-ops pipeline 这类统一入口即可。GEMINI.md 是兼容性 no-op，防止 Antigravity 重复加载。
  • Codex：codex 后 slash 命令不一定注册，README 给出降级方案——直接用自然语言："Run the career-ops scan mode"；headless 跑用 codex exec "Run career-ops scan mode in this repo"。
  • Grok Build CLI：grok 启动后用 /career-ops {subcommand}；headless 批量 worker 用 grok -p "prompt"，加 --yolo 自动批准工具调用。
  • 不走 CLI、纯脚本模式：cp .env.example .env 填 GEMINI_API_KEY，node gemini-eval.mjs "JD 文本..."，免费档走 gemini-2.5-flash（15 RPM / 1M tokens/day）。

4. 核心用法

/career-ops 是统一入口，参数是 subcommand：

命令 作用 输出
/career-ops 列出所有可用命令 菜单
/career-ops {paste JD or URL} 全自动流水线：评估 + PDF + 写 tracker data/pipeline.json + 1 份 PDF + 1 条 tracker 记录
/career-ops scan 跑 portals.yml 里 45+ 公司 新发现的 offer 列表
/career-ops pdf 给"最近一次评估的岗位"生成 ATS PDF output/cv-{slug}.pdf
/career-ops cover 给定 JD 生成 cover letter（4 角度 prompt：why / problems / approach / tone） output/cover-{slug}.pdf
/career-ops batch 用 headless worker（claude -p / opencode run）并发评估 10+ 岗位 多份评估稿
/career-ops tracker 看当前 pipeline 状态汇总 终端表格
/career-ops apply 触发申请流程（仍然只填表不点提交） 草稿

最常用的"快上手三件套"是 pipeline / scan / tracker。

4.1 把第一份 offer 跑通

# 在 Claude Code 里（career-ops 目录下）
/career-ops https://jobs.ashbyhq.com/anthropic/abc-123-senior-ai-engineer

会发生： 1. AI 抓页面 → 提取 JD → 写 data/inbox/anthropic-senior-ai-engineer.md 2. 跑 evaluate 模式，按 10 维度打 A-F，给出建议 3. 跑 pdf 模式，生成 output/cv-anthropic-senior-ai-engineer.pdf 4. 跑 tracker 模式，把这条 offer 写进 data/pipeline.json，状态 evaluated 5. 把面试准备、薪资谈判、STAR+R 故事等增量信息追加到 interview-bank/

4.2 用自然语言定制系统

README 反复强调"system designed to be customized by the AI CLI itself"，也就是说你可以这样直接对 Claude 说：

"Change the archetypes to backend engineering roles"
"Translate the modes to English"
"Add these 5 companies to portals.yml"
"Update my profile with this CV I'm pasting"

AI 会自己读自己用的同一批 yml / md 文件再写回去——比手动改配置稳。

4.3 跑仪表盘

npm run dashboard        # Go + Bubble Tea TUI

或者浏览器版（README 提到部分模式有 web 渲染）：

npm run dashboard:web

可以按 score / status / 投递日期排序，定位"卡在评估后没投"的岗位。

4.4 低成本跑（关键）

docs/RUNNING_ON_A_BUDGET.md 专门讲怎么切到本地/便宜模型：把 config/models.yml 里的 default 改成 gemini-2.5-flash / qwen-coder / deepseek-coder，再把 batch 模式的开头加上 --max-budget-usd 0.5。这是把"740+ 评估"打平成本的关键。

5. 典型适用场景

  • 海外 / 远程求职、重度 LinkedIn 投简历者：每天 30+ 个 JD、要筛要改简历，career-ops 的 batch + PDF 流水线把单 JD 处理时间压到 5 分钟以内。
  • AI 工程师 / 研究员主动 od：用 scan 监控 45+ 家公司新岗位，第一时间拿到。
  • 校招 / 海投 / 练手评估：用 evaluate 模式当 mock interview，自己给自己打分。
  • 多个 AI CLI 都在手边的人：一份 career-ops，同时给 Claude Code、Codex、OpenCode、Grok、Qwen 用，slash 命令是统一入口。

不适合： - 一周只投 1-2 个岗位——开销不划算，直接手写 cover letter 更快。 - 不想给 AI CLI 读自己简历的人（项目强依赖 AI CLI 读 cv.md 和 profile.yml）。

6. 坑与注意

  1. 第一次评估质量不高：README 自承"the system doesn't know you yet"。至少喂 1 份真实 CV + 1 份"过去做过什么"的故事清单，再跑 2-3 轮反馈，评估分数才会贴近真实。
  2. 评分 < 4.0 强烈不建议投：项目自带的劝退阈值很激进，4.5+ 才算"值得花 1 小时定制简历"。信它，但前几周建议自己复核。
  3. PDF 用 Playwright 渲染：意味着每次 PDF 都会启 Chromium，第一次跑 npx playwright install chromium 别忘；服务器 / 容器环境要给到 --no-sandbox 的启动参数（看 pdf/ 子模块 README）。
  4. codex / antigravity / grok 行为有差异：slash 命令注册机制不同，Codex 上 /career-ops 不一定可用，要回退到自然语言。
  5. 数据 100% 本地、但都是明文：data/pipeline.json / cv.md / output/ 都是明文，记得加进 .gitignore 或 git-crypt，别把私人简历推公共仓。
  6. TRADEMARK.md 限制：career-ops 这个名字是作者商标，使用时不能冒充官方或转售；自用、fork、PR 不影响。
  7. 依赖活跃的 AI CLI：Claude Code 路线最稳，Codex / OpenCode 路线 README 写得略简单，遇问题优先看 docs/CODEX.md 和 docs/SUPPORTED_CLIS.md。

7. 与同类对比

项目 定位 差别
ResumAI / Teal / LoopCV 简历优化 + 自动投递 SaaS 闭源、按月付费、主动投递；career-ops 本地、开源、只做评估和弹药
Auto-Job-Apply 类浏览器插件 浏览器内自动填表 黑盒、易被 ATS 拉黑；career-ops 不主动投递
AI CLI 通用 Skill 框架（如 Anthropic skills、OpenAI skills 协议） 通用 Skill runtime career-ops 是"面向求职域"的一个具体 Skill bundle，复用 Claude Code / OpenCode 等 runtime
个人 Notion / 飞书求职管理系统 全手动 career-ops 把"筛选 + ATS 改简历"这两步最难的事交给 AI
LangChain / LlamaIndex + LLM 自搭 自建 AI 工作流 career-ops 已经是搭好且经过 740+ 评估调参的现成 pipeline

一句话：career-ops 是"用 Claude Code 把求职做成漏斗"，而不是"让 AI 替你投简历"。

8. 一句话推荐结论

正在重度求职、且日常已经用 Claude Code / Codex / OpenCode 的人，把 npx @santifer/career-ops init 跑一遍，省下的不是投递时间，而是"每天判断 30 个 offer 值不值得"的精神损耗。 把它当漏斗和简历工厂用，别当自动投递器用——这样它就值 58k stars。