Career Ops：在本地 AI 编程工具中管理求职全流程
一分钟看懂
Career Ops 是一套开源的 AI 求职工作流，仓库现已迁移到 career-ops-hq/career-ops。它运行在 Claude Code、Codex、OpenCode、Antigravity 等 AI 编程 CLI 中，帮助用户搜索职位、读取招聘页面、按统一标准评估岗位、针对目标职位调整简历，并记录申请进度。
它的核心价值不是替你“海投”，而是把零散在浏览器、表格和文档里的求职资料变成结构化流程。每个职位可以形成固定维度的分析与评分，方便横向比较，也让简历改写有明确依据。
你可以用它做什么
- 扫描招聘门户或具体职位页面，提取岗位要求。
- 按统一的 A–H 报告结构分析匹配度，并生成全局评分。
- 找出技能、经验、地域、薪资和文化等方面的风险点。
- 针对职位描述调整简历措辞与重点。
- 维护申请状态、后续动作和相关材料。
- 在本地文件中保留个人背景与求职记录，便于持续迭代。
主要能力
项目把求职操作封装成适配 AI 编程 CLI 的指令与文件流程。用户提供自己的职业资料、偏好和目标后，Agent 可以读取职位信息并输出结构化评估，而不是每次用不同口径给出泛泛建议。评分主要用于个人排序，不是对录用概率的客观预测。
由于工作流在本地仓库中运行，用户能够检查提示、分析结果和生成文件，也更容易把数据纳入版本管理或自行修改规则。
适合哪些人
- 同时跟进多个岗位、希望统一比较标准的求职者。
- 已经使用 Claude Code、Codex 等 CLI 的开发者或技术岗位候选人。
- 想系统整理简历版本、职位分析和申请记录的人。
- 愿意人工核实 AI 结果，而不是完全自动投递的用户。
怎么开始使用
按照新仓库 README 把项目放入受支持的 AI 编程工具环境，先建立个人背景、目标岗位和限制条件。选择少量真实职位测试分析口径，确认评分与自己的判断一致，再扩大搜索和跟踪范围。简历修改应保留主版本，并针对每个岗位生成可追溯副本。
使用前需要知道
简历和求职记录包含姓名、联系方式、经历、薪资和账号等敏感信息。即使文件保存在本地，使用云端模型时内容仍可能被发送给模型服务，应了解相应隐私政策并删去不必要信息。不要把个人资料或 API Key 提交到公开仓库。
AI 可能误读职位、夸大匹配度或生成并不存在的经历。任何简历表述都必须真实并由本人核对；申请前还要确认职位仍有效、公司和招聘链接可信。自动化频繁抓取招聘网站也可能违反站点条款或触发风控。