大家好，我是小黑
群里隔三岔五有人扔简历出来求点评，千篇一律的"精通Java"、"负责后端开发"，换了个排版，内核还是那堆废话。一份简历投了八十家公司，回音寥寥，不是能力不行，是每家公司要的人不一样，同一份PDF去砸所有HR的脸，跟拿同一把钥匙开所有锁有什么区别？
今天我给大家推荐一个5.6万 Star的开源项目，AI求职系统，根据你要投递的招聘信息单独优化生成简历，极大增加进面机会。
项目介绍
career-ops是个AI驱动的求职系统，底层跑在Claude Code上。它不是一个海投工具，而是个过滤器。我们从几百个职位里筛出值得花时间的那几个，系统打分，满分5分，低于4分的不建议申请。
开源者自己就是这套系统的第一个用户，他用career-ops评估了740多个职位，生成了100多份定制简历，最后拿到了 Head of Applied AI 的offer。现在他把代码开源出来，随便改。GitHub上5.6万star，还在涨。
功能详解
career-ops的功能不是堆出来的，是用出来的，我挑几个真正值钱的讲。
职位评估与A到F评分
我们贴一个职位链接，或者直接把JD文本丢进去，它先跑archetype detection，判断这个岗位的分类，然后读我们的cv.md，从10个维度打分，A到F。不是关键词匹配，是AI真的在读简历和JD，做推理，输出一份markdown报告，同时生成一份针对这个岗位优化的PDF简历。
为每家公司单独生成定制简历
以前大家普遍投简历，一份PDF走天下。career-ops的做法是每家公司单独生成一份，它读JD，读我们的cv.md，把关键词自然嵌进去，排版用HTML模板，Playwright转成PDF。生成之前会出草稿，不合适的地方你改完，然后确认后它才会生成终版。
面试故事库与薪资谈判脚本
它有个面试故事库，每次评估完，STAR+Reflection格式的故事会攒起来。攒够5到10个，基本能覆盖大部分行为面试题。薪资谈判脚本也内置了，手里有别的offer怎么拿来谈薪，基本的像为什么选择我们公司等常规行为面试题都有现成的话术。
职位扫描与自动入库
扫描功能我印象挺深，预置了45家公司，Anthropic、OpenAI、ElevenLabs、Retool、n8n这些都在里面。覆盖Greenhouse、Ashby、Lever、Wellfound这些招聘平台，node scan.mjs跑一遍，新职位自动进pipeline。
这个功能挺好，但是可惜对应的是海外职位，但没事，社区有人做了适配，GitHub上有个issue 专门对接了支持了Boss直聘，还搞了个career-ops-cn分支，这个稍后讲。
终端看板与批量处理
Dashboard是用Go写的TUI，Bubble Tea框架，Catppuccin Mocha配色。npm run serve:dashboard启动，能在终端里浏览、筛选、排序手头在跟的职位。6个过滤标签，4种排序方式，支持分组和平铺视图，不用开浏览器，终端里就能管完整个求职流程。
batch模式可以并行评估10个以上职位，用后台CLI worker跑，适合周末集中扫一遍招聘网站，周一早上看结果。不用一个个点，一行命令全搞定。
数据本地存储，不碰服务器
简历、联系方式、评估记录全存本地，不会上传到某个服务器，这个设计非常好，信息安全很重要，我也不想让第三方服务器知道我在面哪家公司。AI provider只接收我们选的那家，Anthropic、OpenAI或者Google Gemini。代码全开源，prompt也开源，我们能看到AI到底在干什么。
安装部署
跑起来需要Node.js，Claude Code或者Codex这些AI CLI已经装了的话，Node大概率已经有了。
最快的方式是一行命令：
npx @santifer/career-ops init
npx随Node.js一起提供，只运行一次安装程序，不会在全局安装任何东西。这行命令会把最新版本克隆到./career-ops并安装依赖，然后cd进去，打开AI CLI：
cd career-ops
claude
或者gemini、codex、qwen、opencode、agy、grok，都行。
首次启动时，career-ops会通过对话引导我们完成设置，问简历、问目标岗位、问薪资范围，完全不用手动编辑配置文件。
它支持的CLI不少，Claude Code、Codex、Gemini、OpenCode、Grok、Qwen、Agy都能跑。甚至不用装CLI也行，Google Gemini有个独立脚本，只要一个API key，免费额度够用。
实战一把
安装完成后，我还是用Codex来玩这个项目，首先贴了一个Boss直聘的职位链接进去（这个脱敏处理了，你可以贴你感兴趣的岗位）：
https://www.zhipin.com/job_detail/xxxxxxxx.html
career-ops自动识别，跑完整套pipeline，先出archetype判断，再出A到F的评分报告。
我第一次贴链接，它给我判了个C，理由是：
技术匹配度高，8 年 Java / Spring Boot / 微服务经验明显覆盖这个岗位；但 JD 是 3-5 年、14-19K、信息密度很低、北京银行项目语境，对 8 年候选人偏 downlevel，所以给了 C+，适合验证流程或随手聊，不建议重投入。
这个还是蛮准的，因为我随便在Boss上找的一个招聘链接~~。
然后它还给了一份具体的分析报告：
岗位要求结合公司背景：
匹配度和处理策略：
面试可能遇到的问题及回答话术：
如果面试，建议追问面试官的问题及结论：
然后它问我要不要生成定制简历：
我说生成PDF，它开始读我的cv.md，把JD里的关键词自然嵌进去，排版，转PDF。整个过程在聊天里完成，我能看到它在想什么，随时喊停，生成的PDF字体干净，ATS能过，直接丢给HR就行。
生成的最终效果：
这个我全程没有做干预，有需要停下来问我哪里需要补充修改的我都是直接过，另外信息安全很重要，我这份简历把名字，之前的公司都删掉了，所以看着会稍微有点怪，它自动补上了待填写什么什么这种信息。
但是排版真的不错，我看比很多人自己做的简历要美观.另外简历内容上，它是真给我改了不少，我没有银行项目经验它说的是也能适应银行项目对沟通、稳定性和交付规范的要求，还把原先项目介绍里面的部分可能适配银行，金融系统的加上了，强行靠拢，适配招聘要求。一个字，绝！
扫描模式更爽，这个能根据你的简历自动给你筛选合适岗位，根据每个招聘信息定制你的简历。
周末跑node scan.mjs，预置的45家公司最新职位全抓下来。加--verify参数，Playwright逐个打开页面验证，死的职位自动过滤。结果进pipeline，我周一早上用/career-ops tracker看一眼，哪些该投，哪些该弃，一目了然。
重点来了！！！
我们之前留了一个伏笔，就是这个开源项目是老外开发的，对接的都是国外的企业，我们用的话，需要简单适配一下，以Boss直聘为例，Boss在国内程序员用的多。
这个适配很实用，具体做法分两步：
第一步：手动登录保存cookie。 把社区提供的save-cookies.mjs放到项目根目录，跑：
node save-cookies.mjs
这行会打开一个浏览器窗口，加载Boss直聘登录页。我们自己手动登录，登录成功后脚本把cookie存到本地文件，比如boss-cookies.json，关掉浏览器，这一步就算完了。
第二步：用stealth脚本抓JD。 把fetch-jd-stealth.mjs也放到根目录，跑：
node fetch-jd-stealth.mjs --url "https://www.zhipin.com/job_detail/xxxxx.html"这行读刚才存的cookie，用Playwright stealth插件模拟真人行为，随机滚动、停留几秒，再抓页面。抓下来的JD文本直接输出，想批量抓的话，把链接写进一个txt，一行一个：
node fetch-jd-stealth.mjs --file jobs.txt --output ./jd-raw/
跑完./jd-raw/里全是抓下来的JD文本，再贴进career-ops评估就行。
注意两点：
- 1. cookie大概一周过期，过期了重新跑
save-cookies.mjs。
这俩脚本纯社区贡献，官方没维护，出问题得自己改。
batch模式适合手里攒了一堆JD的情况，扔一个文件夹进去，后台worker并行跑，10个职位一起评估。结果出来，高分的前三家公司，我们重点跟进。
我的看法
career-ops让我看到的不是又一个AI玩具，是一个完整的工作流。
我见过很多人找工作靠运气，实力很强但根本不会写简历，连面试那关都到不了。career-ops把这套流程变成了系统工程，AI评估，人做决策，数据本地存，简历每家公司单独定制，非常实用。
GitHub仓库：
https://github.com/santifer/career-ops
