AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
基于 Claude Code 在本机运行的求职工作流,评估职位、定制简历、写求职信、准备面试。
这是一个建立在 Claude Code 之上的求职申请框架,把求职过程拆成六个命令:建立个人档案、抓取职位、排序筛选、定制申请、面试准备、记录结果。作者本人用它投了 69 份定制申请、拿到 20 次初面并入职,项目可 fork 后填入自己的资料使用。核心流程不依赖语言和国家,职位网站搜索技能放在单独的 community-portals 仓库中。
推荐指数
流程完整、有真实使用结果背书,适合愿意配置 Claude Code 和 LaTeX 的开发者自建求职流水线。
近 7 天
+1,179
新增 Star
总 Star 排名
#60
雷达追踪的 3,931 个 AI 仓库中
创建于
2026
2026年3月18日
核心亮点
1六步闭环
从建档到结果追踪,六个命令覆盖求职全流程。
2本机运行
数据和简历留在自己机器上,不依赖第三方托管服务。
3可 fork 定制
复制仓库后改提示词和模板,工作流归自己所有。
4真实战绩
作者用同一套流程投 69 份申请,获 20 次初面并入职。
5门户可扩展
职位网站技能按市场单独维护,也可用命令自建。
适用场景
批量投递前筛选
例如:抓取新职位后用 /rank 排序,只对匹配度高的岗位投入时间。
针对岗位改简历
例如:用 /apply 按职位描述调整 CV 措辞并生成求职信。
面试前准备
例如:用 /interview 针对具体公司和轮次生成问题清单与回答要点。
记录投递结果
例如:用 /outcome 记录每份申请的进展,回看漏斗数据。
它是怎么工作的
第 1 步
建立档案
/setup 收集个人经历、技能和求职偏好,形成结构化资料。
第 2 步
抓取职位
/scrape 通过社区门户技能从招聘网站获取新职位。
第 3 步
排序筛选
/rank 按匹配标准给职位打分并给出短名单。
第 4 步
定制申请
/apply 用起草—审阅流程改写 CV 和求职信,并编译成 PDF。
第 5 步
面试与追踪
/interview 准备面试,/outcome 记录每次投递结果。
快速上手
- 1
克隆并建私有仓库
先克隆项目,再把 origin 改为自己的私有仓库,避免个人资料外泄。
gh repo clone ai-job-search-dev/ai-job-search - 2
安装依赖
需要 Python 3.10+、Bun 和带 lualatex/xelatex 的 LaTeX 发行版;可选安装 pypdf 做 ATS 解析检查。
pip install pypdf - 3
填写个人资料
按 SETUP.md 配置 Claude Code 凭据和个人信息,然后运行 /setup。
- 4
跑通一次申请
依次执行 /scrape、/rank、/apply,检查生成的简历和求职信。
适合谁
- 已在使用 Claude Code 的开发者
- 愿意折腾 LaTeX 和命令行工具的求职者
- 希望简历数据留在本机的人
- 想按自己市场改造流程的人
不太适合
- 不熟悉命令行的求职者
- 不愿为 Claude 订阅或 API 付费的人
成熟度
- 活跃度创建于 2026 年 3 月,最近一次推送在 2026 年 11 月,仍在持续更新。
- 文档README 覆盖快速开始、命令说明和定制方式,另有 SETUP.md 和 AGENTS.md。
- 社区约 7.2 万 star、2.3 万 fork,开放 issue 仅 72 个,讨论区活跃。
- 上手难度需要配置 Claude Code、Python、Bun 和 LaTeX,环境门槛偏高。
使用前注意
- · Claude Code 无免费额度,需 Pro/Max/Team 订阅或 API 付费。
- · 简历用 lualatex 编译、求职信需 xelatex,最小 TeX 安装要补装宏包。
- · 项目与 Anthropic 无关联,作者声明没有代币或付费赞助,谨防冒名诈骗。
- · 个人资料应放在私有仓库,不要推送到公开 fork。
