santifer/career-ops

Overview

项目介绍

Technical Route

技术路线

career-ops 采用「AI 智能体驱动的求职全链路自动化」架构，以 Claude Code（Anthropic 旗下AI编码工具）为核心智能引擎，搭配多模态任务模块构建求职流水线：用户输入岗位信息后，先由岗位原型识别模块分类定位，再通过多维度评估体系生成适配性报告，同步触发 ATS（求职者跟踪系统）优化PDF生成、岗位状态跟踪等任务，最后通过Go语言终端仪表盘实现可视化管控。用户理解该路线可精准配置个人求职偏好，最大化AI匹配效率。

1. 1岗位原型识别层：接收用户输入的岗位URL或描述，自动归类为LLMOps/Agentic/PM等6类职业原型，为后续评估提供适配性基准，确保AI生成的简历和评估报告贴合岗位属性，核心逻辑定义于AGENTS.md文件。
2. 2A-F多维度评估层：读取用户cv.md文件，从岗位匹配度、薪资调研、面试准备等10个加权维度生成结构化评分报告，通过子智能体并行处理批量岗位，支持Claude Code/Gemini CLI等多AI引擎切换，对应modes/oferta.md模块。
3. 3ATS优化PDF生成层：基于Playwright（浏览器自动化框架）渲染注入岗位关键词的简历模板，采用Space Grotesk+DM Sans字体组合适配ATS系统解析规则，可通过/career-ops pdf指令单独触发，对应generate-pdf.mjs脚本。
4. 4岗位门户扫描层：预配置45+企业（Anthropic/OpenAI等）及19类求职平台（Ashby/Greenhouse等）的扫描规则，支持--verify参数调用Playwright验证岗位有效性，自动过滤过期或虚假岗位，对应scan.mjs脚本。
5. 5终端仪表盘管控层：基于Go语言Bubble Tea（终端UI框架）实现求职流水线可视化，支持6类筛选、4种排序模式及状态批量更新，通过读取pipeline.md和tracker.tsv数据实现全链路状态追踪，对应dashboard目录下的Go工程。
6. 6流水线完整性保障层：提供去重、状态归一化、健康检查等自动化工具，通过dedup-tracker.mjs、normalize-statuses.mjs等脚本维护求职数据一致性，支持手动触发或AI自动执行数据校验。

Why Trending

为什么它会上榜

结合增长、最近更新与社区关注，给出一个更接近“决策参考”的上榜解读。

• 社区关注度上升：近期新增 +1114 Stars（today），讨论热度明显提高。
• 维护活跃：最近更新于 2026/06/09，更可能持续迭代与补齐文档/生态。
• 方向聚焦：覆盖 ai-agent / anthropic / automation / career 等主题，适合在该方向快速落地与对比选型。
• 定位清晰：基于Claude打造的AI求职系统，有14种技能模式，自带Go仪表盘，支持PDF生成、批量处理，覆盖求职全环节。

Quick Start

怎么开始

请看仓库README的安装章节

使用前注意事项

• 首次评估结果可能不准确，需提供个人CV、职业经历等足够上下文，让AI学习你的求职偏好
• 依赖Claude Code、Gemini等AI工具的API权限，需确保对应工具已完成身份验证或API密钥配置
• 为保证简历生成功能正常，需额外安装Playwright的Chromium浏览器组件

Related

相关项目