一位开发者利用 Claude Code 构建了名为 career-ops 的自动化求职系统，通过对 740 多个职位进行深度评估与简历定制，最终成功拿到了 Applied AI 负责人职位。该系统并非盲目海投工具，而是通过高精度的匹配评分，帮助求职者只在最合适的岗位上发力。
这个名为 career-ops 的项目，把求职变成了一个类似 CI/CD 的流水线。它不是简单的 API 包装，而是把 Claude Code 变成了一个拥有 14 种技能模式的指挥中心。当你丢给它一个职位 URL，它会像编译器解析代码一样，从 10 个维度拆解岗位需求，然后调用 Playwright 去模拟浏览器行为，自动填写申请表，甚至根据岗位特征生成针对性的 ATS 优化版 PDF 简历。
有网友注意到，这种高度自动化的行为可能会被平台识别为机器人行为。但作者的逻辑很清晰：系统不是为了“刷量”，而是为了“过滤”。它的核心价值在于通过高强度的计算，把那些标题与实际需求不符的“垃圾信息”剔除掉。与其在 1000 个平庸的岗位里浪费 Token，不如在 12 个高质量的面试机会里精准打击。
当然，这套系统的运行成本并不低。由于涉及到多 Agent 之间的自主循环和深度研究，Token 的消耗非常惊人。有用户反馈，仅仅跑一次流水线就耗尽了 5 小时的配额。这更像是一种“重型武器”，适合那些在职业转型期、需要进行高强度信息处理的专业人士。
最聪明的做法不是用 AI 去制造垃圾信息淹没 HR，而是用 AI 去理解规则，然后精准地把自己投递到对方的视野里。
完全开源，本地运行
Career-Ops 是 MIT 协议开源的，完全免费。
对比一下竞品：LazyApply 月，49-99/月，JobCopilot $8.90-12.90/周。这些工具大多是云端服务，自动提交申请，强调"广撒网"。
Career-Ops 的定位完全不同。它是本地运行的，数据存在你自己电脑上（Markdown/YAML/TSV）。它不会自动提交申请，所有决策权都在你手里。它强调的是"过滤器"而不是"广撒网"。
安装也不复杂，跟着步骤来就行：
「本地要运行，先把代码拉下来」
git clone https://github.com/santifer/career-ops.gitcd career-ops && npm install
这一步会把项目下载到本地，然后安装依赖。
「安装 Playwright，用来生成 PDF 简历的，必须装」
npx playwright install chromium
「检查环境，检查你的环境是不是都配好了，缺什么会直接告诉你」
npm run doctor
「准备个人信息和简历」
cp config/profile.example.yml config/profile.ymlcp templates/portals.example.yml portals.yml
把示例配置复制一份，然后编辑 profile.yml，填上你的个人信息、技能、期望职位这些。
portals.yml 是公司列表，系统预配了 45+ 家公司，你也可以加自己想关注的。
然后在项目根目录创建一个 cv.md，把你的简历写进去， 注意用Markdown格式。
「Claude可以根据你的情况来做私人定制」
claude
打开 Claude Code，然后你可以直接跟它说：
- "把原型改成后端工程师相关的职位"
- "把这 5 家公司加到 portals.yml 里"
- "用我粘贴的这份简历更新 profile"
Claude 会直接帮你改配置文件。
最后你只需要，粘贴一个职位 URL，或者运行 /career-ops 命令就能开始自动评估了。
有一点要注意：这个系统依赖 Claude Code 环境，不是独立应用。而且首次评估质量可能不太好，系统需要"学习"你的背景。作者的建议是，把它当成新入职的招聘顾问，第一周需要磨合，之后就会越来越准。
写在最后
Career-Ops 不只是一个工具，它代表了一种新的求职方式。
以前求职是线性的：找职位 → 投简历 → 等回复。现在可以是管道式的：AI 扫描 → AI 评估 → AI 生成 → 人工决策 → 追踪管理。
【XPlaza仓库地址】
