在大环境如此不好的时候，我就知道这个项目迟早出世..
ai-job-search 这个项目在github上已经2.9 万+ star了！！
其实之前就一直想给自己做这么个东西，结果我还没开始，别人做的已经比我想的好了...
作者 Mads Lorentzen 是个地球物理学家，被裁后用 Claude Code 搭了套求职框架，投了 69 份简历、拿到 20 个一面，最后成功转行 AI 工程师
但这不是重点
重点是他把求职这个高度主观、多步骤、容易崩溃的过程，拆解成了一套可被 AI 执行、验证、迭代的标准化工作流
这才是这个项目真正值得关注的地方
大部分人用 AI 写简历，就是把 ChatGPT 当个文案工具
丢进去职位描述，让它改改简历，润色求职信，然后复制粘贴
但 ai-job-search 做的是把整个求职供应链重构了
从职位搜索、匹配度评估、简历定制、求职信撰写、面试准备到申请追踪，全链路自动化
更关键的是，它用了双 agent 互审机制：
Drafter（起草者）：根据你的档案生成定制化简历和求职信
Reviewer（评审者）：用全新上下文启动的第二个 Claude Agent，独立调研目标公司，从第三方视角批判初稿
这个设计直接解决了单次生成内容质量不稳定的问
四个核心命令，覆盖求职全流程
/setup — 建立你的职业档案
支持三种方式：读取你的 documents 文件夹（CV PDF、LinkedIn 导出、学历证书、推荐信），导入单份简历，或者通过对式访谈建立档案
/scrape — 搜索并排序职位
内置丹麦本地求职平台的搜索工具（Jobindex、Jobnet、Jobbank），但核心框架语言和地域无关，可以通过 /add-portal 命令快速扩展到任意地区的职位平台
还有个 linkedin-search 工具，零依赖，支持任意国家和地区
/apply — 一键生成定制化申请材料
这是整个框架最硬核的部分：
解析职位描述
评估匹配度（技能、经验、文化、地点、职业发展）
用 LaTeX 起草简历和求职信
启动 Reviewer Agent 调研公司并批判初稿
基于反馈修订
编译并检查 PDF：确保简历正好 2 页、求职信正好 1 页、签名可见、字体一致
ATS 验证：提取 PDF 文本层，验证联系方式、关键词覆盖率，确保 ATS 系统能正确解析
输出最终版本和验证清单
/interview — 生成面试准备包
针对已追踪的申请，生成阶段性面试准备包，包括公司调研、面试官背景、可能问、STAR 案例映射，还能进行模拟面试
这个项目最让我放心的一点：所有数据都在你本地
不是某个 SaaS 平台，不用担心隐私泄露
Fork 完就是你的，想怎么改就怎么改
作者在 LinkedIn 上分享了完整的申请漏斗数据：69 份申请 → 20 个一面 → 最后拿到 offer
这个转化率已经很高了
如果你正在找工作，尤其是技术岗位，这个框架能帮你省下大量时间
如果你是产品经理或者独立开发者，这个项目本身就是一个很好的 Agentic 工作流编排案例
它展示了如何把一个复杂、高主观性的任务，拆解为可被 AI 执行的标准化流程
这才是 AI 应用从“问答工具”向“工作流代理”演进的正确方向
项目地址：https://github.com/MadsLorentzen/ai-job-search
@aigc1024
ai-job-search 这个项目在github上已经2.9 万+ star了！！
其实之前就一直想给自己做这么个东西，结果我还没开始，别人做的已经比我想的好了...
作者 Mads Lorentzen 是个地球物理学家，被裁后用 Claude Code 搭了套求职框架，投了 69 份简历、拿到 20 个一面，最后成功转行 AI 工程师
但这不是重点
重点是他把求职这个高度主观、多步骤、容易崩溃的过程，拆解成了一套可被 AI 执行、验证、迭代的标准化工作流
这才是这个项目真正值得关注的地方
大部分人用 AI 写简历，就是把 ChatGPT 当个文案工具
丢进去职位描述，让它改改简历，润色求职信，然后复制粘贴
但 ai-job-search 做的是把整个求职供应链重构了
从职位搜索、匹配度评估、简历定制、求职信撰写、面试准备到申请追踪，全链路自动化
更关键的是，它用了双 agent 互审机制：
Drafter（起草者）：根据你的档案生成定制化简历和求职信
Reviewer（评审者）：用全新上下文启动的第二个 Claude Agent，独立调研目标公司，从第三方视角批判初稿
这个设计直接解决了单次生成内容质量不稳定的问
四个核心命令，覆盖求职全流程
/setup — 建立你的职业档案
支持三种方式：读取你的 documents 文件夹（CV PDF、LinkedIn 导出、学历证书、推荐信），导入单份简历，或者通过对式访谈建立档案
/scrape — 搜索并排序职位
内置丹麦本地求职平台的搜索工具（Jobindex、Jobnet、Jobbank），但核心框架语言和地域无关，可以通过 /add-portal 命令快速扩展到任意地区的职位平台
还有个 linkedin-search 工具，零依赖，支持任意国家和地区
/apply — 一键生成定制化申请材料
这是整个框架最硬核的部分：
解析职位描述
评估匹配度（技能、经验、文化、地点、职业发展）
用 LaTeX 起草简历和求职信
启动 Reviewer Agent 调研公司并批判初稿
基于反馈修订
编译并检查 PDF：确保简历正好 2 页、求职信正好 1 页、签名可见、字体一致
ATS 验证：提取 PDF 文本层，验证联系方式、关键词覆盖率，确保 ATS 系统能正确解析
输出最终版本和验证清单
/interview — 生成面试准备包
针对已追踪的申请，生成阶段性面试准备包，包括公司调研、面试官背景、可能问、STAR 案例映射，还能进行模拟面试
这个项目最让我放心的一点：所有数据都在你本地
不是某个 SaaS 平台，不用担心隐私泄露
Fork 完就是你的，想怎么改就怎么改
作者在 LinkedIn 上分享了完整的申请漏斗数据：69 份申请 → 20 个一面 → 最后拿到 offer
这个转化率已经很高了
如果你正在找工作，尤其是技术岗位，这个框架能帮你省下大量时间
如果你是产品经理或者独立开发者，这个项目本身就是一个很好的 Agentic 工作流编排案例
它展示了如何把一个复杂、高主观性的任务，拆解为可被 AI 执行的标准化流程
这才是 AI 应用从“问答工具”向“工作流代理”演进的正确方向
项目地址：https://github.com/MadsLorentzen/ai-job-search
@aigc1024
