AI Job Search：把求职申请管成一条可复盘的流水线
【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
投了三十多家公司之后，问题往往不是找不到活儿干，而是记不清每家公司停在哪一步、回复率到底多少。ai-job-search 是一个开源的 AI 求职工具：职位、定制简历、求职信、面试准备和结果记录全部落在你本机的文件里，不依赖账号，数据不上云。和 SaaS 求职平台最大的区别，是它把申请档案当成一个本地仓库来管——可 grep，可 diff，随时复盘。
匹配评估走同一套固定规则
别急着把它当成"让 AI 帮改简历"的聊天工具。它的第一设计是：每次评估都跑同一套规则，而不是一次性的对话。整套评分框架写在 04-job-evaluation.md 里。评分之前先过两道门槛：工作地点超出通勤范围直接否决；职位要求的语言超出你申报的水平，则标记警告交给你自己判断，而不是静默过滤。
门槛之后才是加权打分：技术 30%、经验 25%、行为文化 15%、职业方向 30%，综合分映射到强匹配、良好、中等、弱、差五档，不同档位触发不同动作——75 分以上全力定制申请，30 分以下直接放弃。规则写在文件里的另一个好处是你能改：不满意权重，就改权重。
从克隆到第一份定制简历
完整跑一遍大概是这样：
- 克隆仓库：
git clone https://gitcode.com/GitHub_Trending/ai/ai-job-search，装好依赖后跑/setup。它会自动扫描documents/文件夹里的简历 PDF、LinkedIn 导出、学位证书，生成一份结构化的候选人画像，之后所有命令都以这份画像为基准。 - 运行爬取命令，按画像检索职位门户、去重，结果存进本地状态文件，按匹配度展示。
- 一次返回的职位太多时，
/rank批量评分，输出一份带诚实缺口的排名清单，截止日临近的会打紧急标记，过期职位自动清出。 - 选中一个职位跑
/apply：评估匹配度、起草针对性简历和求职信、再启动一个全新的审查代理研究公司并逐条挑刺，修订后编译 PDF，由 AI 逐页目检（简历必须恰好两页、求职信恰好一页），最后用 PDF 文本层做 ATS 解析检查，确认联系方式是可提取的纯文本。 - 有回音之后，
/outcome记录面试结果、录用或拒绝，并把已提交的简历、求职信和原始职位描述归档到 documents/applications/ 下的公司_职位目录，同步更新 job_search_tracker.csv。
到这一步，一条申请从发现到归档的全链路就闭环了，而且每个环节都有落盘文件。
三个容易被忽略的功能
硬约束不用自己盯着。在画像的 Deal-breakers 里写"不接受 on-call"或"通勤超 40 分钟放弃"，排名和评估都会把它当真，不匹配的职位直接进"排除"列表，而不是等你自己划掉。
跟进也能半自动。申请发出去十几天没动静是常态，跑/outcome followup会列出所有沉默超过 10 天的开放申请，并基于你已提交的材料起草一封跟进邮件——最多两封，只草拟不代发，笔调由你自己定。
数据可以自己看。/html-report从追踪 CSV 和申请归档生成一份自包含的 HTML 仪表盘：统计卡片、状态、行业、渠道、转化漏斗图表加一张可筛选的申请表，全用内联 SVG，没有外部依赖，离线打开。每次/apply或/outcome之后重新生成一次即可。
新手常踩的三个坑
产出看起来泛泛而谈。原因几乎总是画像太薄：profile 里只列了职位名和关键词，而框架改写的是材料，不是标签。解法是把每段经历展开成具体项目、工具和可量化成果，输入越具体，输出越锋利。
直接把仓库 fork 到公开平台。/setup会把姓名、联系方式、薪资期望写进受版本控制的文件，而公开仓库的 fork 永远是公开的，敏感数据就进了公共仓库。用私有仓库挂 upstream 的方式跑自己的求职，fork 只留给贡献代码，SETUP.md 里有现成做法。
申请发出后不记结果。追踪文件和漏斗图都靠/outcome持续更新，只申请不记录，几个月后你手里只有一堆 PDF，没有一张转化率表，评分框架也就没法基于真实结果校准。三条里最贵的是第三条，前两条损失时间，这条损失的是判断力。
什么情况下不必用它
这套框架适合把求职当项目管的人：每周要处理一批申请、愿意维护一个本地仓库。只打算投个位数职位、或者不想碰命令行和版本工具的话，找朋友帮你改两遍简历可能更划算。
一句话收尾
它的价值是把"投了多少、回了多少、卡在哪"从模糊记忆变成一份可核查的记录。克隆仓库跑一遍/setup，再跑一次/rank，你就能看到第一份排名；每记录一个结果，仪表盘里的漏斗就长一格。
【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
