career-ops：AI 求职指挥中心
将任何 AI 编码 CLI 转变为完整的求职流水线：评估职位、生成定制简历、扫描招聘门户、跟踪申请，一切本地运行。
证据显示：README明确说明系统本地运行，数据仅发送至用户选择的AI提供商，且默认禁止自动提交，需人工确认。但未提供代码级证据证明权限最小化，且依赖Playwright等可能具有广泛权限。扣分原因：未展示实际代码审计，依赖安全性仅凭package.json版本号，未验证漏洞。
证据显示：项目结构清晰，脚本命名一致，有测试夹具和CI工作流。但未提供失败消息的具体示例，且依赖可用性未验证。扣分原因：失败消息证据不足，依赖可用性仅凭声明。
证据显示：支持多种CLI和模型，提供多种使用场景和配置选项。但未明确能力边界，触发精度依赖用户输入。扣分原因：能力边界描述不充分，触发精度未详细说明。
证据显示：有README多语言版本、安装说明、FAQ、MIT许可证。但版本号仅存在于package.json，无CHANGELOG，维护责任未明确。扣分原因：缺少版本变更日志，维护责任未明确。
证据显示：输出为PDF和报告，具有边际价值，成本效益合理。但未提供实际运行结果。扣分原因：输出可用性未验证，边际价值基于声明。
证据显示：README中有使用案例和统计，但未提供可追溯的验证数据。扣分原因：声明缺乏可追溯性，交叉验证不足，事实与推断未明确分离。
- 依赖Playwright等可能具有广泛权限，需审查实际代码。
- 未提供版本变更日志，维护责任不明确。
- 声明缺乏可追溯性，需独立验证。
这个 Agent 能做什么，适合哪些场景？
career-ops（career-ops.org）是一个开源、CLI 无关的求职指挥中心，将 AI 编码 CLI（如 Claude Code、Codex、OpenCode 和 Antigravity）转变为自动化求职流水线。它使用结构化的 A-G 评估框架评估职位列表，生成 ATS 优化的 PDF 简历和求职信，使用 Playwright 扫描 Greenhouse、Ashby、Lever 等招聘门户，并维护一个集中式的申请跟踪器。该工具包含职位合法性检查和幽灵职位检测，但郑重声明它不是自动申请工具——它始终应用户的最终决定。作者用它评估了 740 多个职位、生成了 100 多份简历，最终获得了人工智能应用主管的职位。它基于 MIT 许可，并遵循 CareerOps Manifesto。
career-ops 在 AI 编码 CLI 中运行，读取您的 CV（cv.md）和配置文件（config/profile.yml），并通过模式（modes/*.md）自动执行任务。当粘贴职位 URL 或描述时，它会检测工作类型，进行 A-G 评估（角色摘要、CV 匹配、资历策略、薪资研究、个性化、面试准备和合法性检查），生成报告（reports/）、ATS 优化的 PDF（output/）并更新跟踪器（data/pipeline.md）。它通过模式（scan、batch、pdf、cover、email、contacto、deep 等）提供命令，支持 100 多个预配置公司，并使用 Playwright 进行门户扫描。仪表板（dashboard/）是一个 Go + Bubble Tea TUI，用于浏览和排序申请。安装后，用户通过与 CLI 聊天配置，然后向会话中粘贴职位链接；AI 处理其余工作。所有数据保持本地，控制权保持在用户手中。
- 求职者希望从数百个职位中筛选出真正的机会，避免申请幽灵职位：使用 A-G 评估和合法性检查来评分和筛选列表。
- 需要为每个职位生成定制简历和求职信的求职者：使用 scan、pdf 和 cover 模式自动创建 ATS 优化的文档。
- 想要自动化职位搜索，但又不希望安装多个工具的用户：在任何 AI 编码 CLI 中运行 career-ops，使用现有的 Node.js 环境。
- 希望从零开始构建求职流水线的开发者：通过定制模式、h评分权重和模板进行修改，使其完全符合个人需求。
- 关注求职过程中的数据隐私的用户：所有数据都保存在本地，AI 提供商仅接收必要的上下文。
- 需要有效跟进申请并分析被拒模式的求职者：使用 followup-cadence、stats 和 analyze-patterns 功能优化求职策略。
这个 Agent 有哪些优点和局限？
- 真正的 CLI 无关：可作为 Claude Code、Codex、OpenCode、Antigravity 等环境中的技能运行，无需供应商锁定。
- 结构化的 A-G 评估框架，包含明确的评分和合法性检查，可避免幽灵职位和诈骗。
- 自动化生成 ATS 优化的 PDF 简历和求职信，节省时间。
- 提供扫描 100 多家公司门户的预配置设置，并支持自定义查询。
- 内置人类在环设计，确保 AI 永远不会自动提交申请，保证最终控制权。
- 本地数据存储，维护隐私和数据所有权。
- 初始评估效果可能不佳，需要用户投入大量精力提供上下文（CV、故事、偏好）。
- 需要 Node.js 和 Playwright 安装，增加环境设置步骤。
- 某些功能（如门户扫描）依赖于 ATS API 和网页抓取，可能不稳定。
- TUI 仪表板处于 alpha 阶段，可能存在 bug。
- 没有内置支持某些 ATS 系统（如 Workday、LinkedIn）的自动填写，需要额外的脚本或手动操作。
- 需要主动维护和更新，用户需定期运行扫描和检查。
如何安装或部署这个 Agent？
前置条件：Node.js（已随大多数 AI CLI 安装）。使用 npx 快速开始：运行 npx @santifer/career-ops init。这会克隆仓库并安装依赖。或者，使用 git clone https://github.com/santifer/career-ops.git && cd career-ops && npm install，然后设置 Playwright（npx playwright install chromium）。运行 npm run doctor 验证设置，复制模板配置（cp config/profile.example.yml config/profile.yml），并在项目根目录添加 cv.md。或者，通过 npm i -g @santifer/career-ops 进行全局安装，以获得 career-ops 命令。
如何使用这个 Agent？
安装后，在项目目录中打开 AI CLI（例如 claude、codex 或 opencode）。首次启动时，与 CLI 聊天以设置 CV、个人资料和目标职位。要开始使用，只需将职位 URL 或描述粘贴到会话中；career-ops 检测并运行完整的流水线。使用斜杠命令：/career-ops scan 扫描门户，/career-ops pdf 生成简历，/career-ops batch 进行批量评估，/career-ops tracker 查看状态。对于无头批处理，使用 claude -p 或 codex exec。使用 npm run serve:dashboard 启动仪表板 TUI。