每天一个开源项目#31 1.2万 Stars 的 Claude Code 求职自动化框架
项目概览
| 项目 | 内容 |
|---|---|
| 仓库 | MadsLorentzen/ai-job-search |
| 地址 | github.com/MadsLorentz… |
| Stars | 12,444 |
| Forks | 3,992 |
| Open Issues | 10 |
| 语言 | TypeScript(77.9%)/ Python(12.8%)/ TeX(9.4%) |
| License | MIT |
| 创建时间 | 2026-03-18 |
| 最近推送 | 2026-07-07 |
| 选中原因 | 实用价值高、工作流完整、技术栈清晰,且已具备明显社区热度 |
为什么今天选它
这个项目不是“又一个 AI 包装器”,而是把 Claude Code 直接做成了可落地的求职流水线:
- 从 个人资料整理 到 岗位评估
- 从 简历定制 到 求职信生成
- 从 投递 到 结果复盘
- 还能继续做 技能补全 与 模板扩展
它的亮点在于:
把“AI 写材料”升级成“AI 驱动求职运营系统”。这类项目比单点工具更有长期使用价值,也更适合做工作流自动化案例。
核心特性
-
完整的求职闭环
/setup初始化个人资料/scrape搜索岗位/rank批量评分与排序/apply自动生成并审核申请材料/outcome记录投递结果并反哺系统
-
双代理/审阅式工作流
- 不是一次性生成,而是先起草、再审阅、再修订
- 这种 drafter-reviewer 结构能显著降低“看起来像 AI 文案”的风险
-
针对岗位的精细化评分
- 项目强调 fit evaluation
- 适合把“能不能投”与“值不值得投”分开处理
- 对求职效率提升很大,尤其适合海投前筛选
-
LaTeX 输出体系
- CV 和 cover letter 都以 LaTeX 为输出目标
- 优点是排版稳定、可控、适合严肃求职场景
- 还考虑了编译引擎差异:CV 用
lualatex,求职信用xelatex
-
面向真实世界的扩展能力
/expand:从 GitHub、作品集、课程证书等公开来源补足能力画像/upskill:把岗位需求与现有能力差距转成学习计划/add-template:可接入自定义 CV / cover letter 模板/add-portal:可生成新的职位搜索门户技能
技术架构分析
1)命令式工作流层:Claude Code 作为编排器
项目核心不是单个模型,而是 Claude Code + 命令系统。
通过 /setup、/scrape、/apply 等命令,把复杂求职任务拆成可执行阶段。这样做的好处是:
- 流程清晰,用户心智负担低
- 各步骤可单独重试
- 便于插入人工检查点
- 适合长期维护和个性化调参
2)技能模块层:把业务逻辑拆成可复用组件
仓库中 .claude/skills/ 与 .agents/skills/ 的组织方式说明它不是“脚本堆砌”,而是模块化的技能系统:
job-application-assistant:候选人画像、写作风格、评估标准、面试准备job-scraper:岗位搜集与归一化upskill:技能差距分析与学习建议- 各 job portal search skill:不同站点的适配器
这意味着项目具备很强的可迁移性:
核心策略通用,入口适配本地化。
3)数据层:个人资料与申请结果形成反馈回路
项目明确把材料拆成两类:
- 静态资料:简历、LinkedIn、学历、作品集、证书
- 动态反馈:投递结果、面试反馈、岗位命中情况
这种设计非常重要,因为它让系统不只是“帮你写”,而是能根据真实结果持续校准。
从产品角度看,这是从“生成器”进化到“优化器”的关键一步。
4)输出层:LaTeX + ATS 兼容性意识
很多 AI 简历工具只关心生成,不关心投递。这个项目显然更务实:
- 关注 PDF 输出质量
- 关注编译兼容性
- 关注 ATS 解析可读性
- 关注不同模板的可维护性
这说明它面向的是“真的要投出去”的场景,而不是演示样例。
5)扩展层:市场适配与模板扩展
README 里明确提到求职门户技能主要为丹麦市场设计,但整体框架是可替换的。
这说明作者把系统拆成了:
- 策略层:求职方法论
- 适配层:岗位门户与地区差异
- 表现层:CV/cover letter 模板
这种分层思路很成熟,后续扩展到其他国家市场成本会低很多。
README 核心内容摘要
README 的主线非常清晰:
它把 Claude Code 变成一个“全栈求职助手”,先通过 /setup 建立个人画像,再用 /scrape 搜索岗位、/rank 做筛选、/apply 完成定制化投递,并通过 /outcome 记录结果回流优化。除此之外,还提供 /expand、/upskill、/add-template、/add-portal 等命令,覆盖能力补全、技能提升、模板接入和新门户扩展。项目特别强调流程可重复、输出可审阅、模板可定制,整体非常像一个面向真实求职场景的自动化操作系统。
快速上手指南
1. 前置条件
- Claude Code
- Python 3.10+
- Bun
- LaTeX:
lualatex/xelatex - 可选:
pdftotext
2. 克隆仓库
gh repo fork MadsLorentzen/ai-job-search --clone
cd ai-job-search
3. 安装岗位搜索工具
cd .agents/skills/jobbank-search/cli && bun install && cd ../../../..
cd .agents/skills/jobdanmark-search/cli && bun install && cd ../../../..
cd .agents/skills/jobindex-search/cli && bun install && cd ../../../..
cd .agents/skills/jobnet-search/cli && bun install && cd ../../../..
cd .agents/skills/linkedin-search/cli && bun install && cd ../../../..
4. 初始化个人资料
进入 Claude Code 后运行:
/setup
5. 搜索并筛选岗位
/scrape
/rank
6. 申请岗位
/apply https://jobindex.dk/job/1234567
如果无法抓取职位页面,也可以直接粘贴完整 JD 再执行 /apply。
增长速度评估
这个项目的增长非常快。
- 创建于 2026-03-18
- 截至 2026-07-08 已有 12,444 stars
- 粗略估算约 112 天 达到这个量级
- 平均约 111 stars/天
对于一个 2026 年新项目来说,这个增速已经说明它不只是“被围观”,而是有真实使用者在复刻、改造、落地。
另外几个信号也很强:
- Fork 3,992,fork/star 比约 32%,说明二次定制意愿很高
- Open Issues 仅 10,说明仓库目前维护压力不大,结构可能较成熟
- 最近推送在前一天,说明项目仍在积极迭代
- MIT License,降低了二次开发门槛
整体判断:
这不是短视频式爆款,而是 “有实际生产力价值的高增速项目”。
社区热度数据
| 指标 | 数据 | 解读 |
|---|---|---|
| Stars | 12,444 | 已进入高关注区间 |
| Forks | 3,992 | 复刻/改造需求强 |
| Issues | 10 | 维护负担相对可控 |
| 最近推送 | 2026-07-07 | 活跃度高 |
| License | MIT | 适合二开与传播 |
| Topics | 未填写 | 说明项目传播主要靠口碑与内容,而非标签优化 |
从社区热度看,它兼具三种属性:
- 有传播性:主题直接击中“求职 + AI 自动化”痛点
- 有复用性:大量用户会直接 fork 做本地化改造
- 有实用性:不是玩具脚本,而是端到端工作流
结论
如果你关心的是“AI 到底怎么真正帮人干活”,这项目很值得看。
它的价值不在于生成几段文案,而在于把求职过程拆成了可执行、可审阅、可复盘、可扩展的系统。对正在找工作的人、做 AI 工作流产品的人、以及想研究 agent 编排与任务自动化的人来说,都很有参考意义。