career-ops

机器翻译正文由机器翻译自项目原始文档（英文），排版经程序统一处理，可能存在偏差，请以原项目仓库为准。

开源的 AI 求职智能体。

  santifer

几个月投出的简历，全都石⁠沉⁠大⁠海。
于是我做了自己需要的那个过⁠滤⁠器。

740 个职位已评估。68 个已投递。12 次⁠面⁠试。⁠1 份 offer。
我是它的第一个用户。我⁠拿⁠到⁠了⁠那⁠份⁠工⁠作。然⁠后⁠把⁠它⁠开⁠源⁠了。

粘贴一个职位，它在你的机器上告⁠诉⁠你：还⁠在⁠不⁠在⁠招，适⁠不⁠适⁠合⁠你。
它为你定制简历、起草回⁠答。由⁠你⁠点⁠击⁠提⁠交。

_{我自己的求职，进行到一半，界面是西⁠班⁠牙⁠语。}

公司用 AI 筛选候选人。
我把 AI 交给候选人，让⁠他⁠们⁠来⁠挑⁠选⁠公⁠司。

六个月后，我离开了那份工作。
现在我们打造 career-ops，让⁠你⁠也⁠能⁠上⁠岸。

拿一个职位试试 ↓ · 阅读完整故事 →

在我之后来的人，写下了他们是怎么拿到 offer 的。

_{每张卡片都是一个可以打开的公开 issue。你也上岸了？留下你的卡片 →}

⭐ 如果 career-ops 帮到了你，一⁠颗⁠星就⁠能帮⁠下⁠一⁠个⁠人找⁠到⁠它。

轮到你了

把你今晚本来打算投的一个职位粘贴进来。如果返回的是不要投，你刚刚把这个晚上赢回来了。如果返回的是一份计划，你就知道下一步该做什么。

npx @santifer/career-ops init

_{开源。本地运行。就在你已经在用的 AI CLI 里。包含免费模型和本地模型。}

你不必一个人找工作

点下发送之后的沉默，与你无关。看到同一件事的人足够多，于是把这套实践写了下来，只有六行：

投得更少，投得更好。信号胜过数量。证据胜过关键词。由人来决定。本地优先。桌子两边都有尊严。

其中几位，用他们自己的话。

_{每一个签名都是一次可审计的提交。读完全部，或加上你的 →}

招聘不会自己修好。正在经历它的人可以，而且他们已经在这个房间里，交换笔记，互相修各自的配置。修复就是在这里写出来的。是房间，不是俱乐部。一起来建。

career-ops 为你做什么

粘贴一个职位。它告诉你这个晚上值不值得。

• 还在招吗？ 在你写下一个字之前，它先确认这个职位仍在招聘。
• 不是你？ 用你真实的简历给职位打分，匹配度弱就让你跳过。你可以不听。
• 值得投？ 它起草简历、求职信和申请答案。你来读。你来发。
• 该找谁聊？ 它找到那个人，起草那条消息。它从不替你发出。
• 这些东西都去哪了？ 每一份申请都留在你的机器上。没有任何东西上传给我们。
• 我该学什么？ 连续被拒之后，它说出差距在哪。

最初几次运行会很粗糙。它还不了解你。跟它聊：你的简历、你想要什么、你拒绝什么。把它当成一个招聘顾问的第一周。

第一次启动时，它会在聊天里把这些都问一遍。没有任何需要手动配置的东西。

career-ops 不做的事

• 自动提交申请。 它为每个字段起草答案；你审阅，然后点击提交。脚本从不发出 POST（prepare-application.mjs）。
• 发送邮件。 只写草稿。整个代码库里没有任何邮件发送模块。
• 回传数据。 没有遥测，没有我们的后端。你的简历只从你的机器发往你选择的 AI 提供商，不去任何别的地方。唯一的公开记录就是这个仓库：HIRED.md 和它的 issue。
• 催你申请低于 4.0/5 的职位。 它会告诉你别申请。你可以不听，它会明说。

它会改写你的简历，但绝不能编造。代码里有一道检查：PDF 里的数字或事实如果在你的简历和 article-digest.md 里都找不到，就会被拦下；但它还无法判断每一处改写。每份简历发出前都请自己读一遍。详情见 FAQ。

功能特性

|
| ATS PDF 生成 | ATS 可读的简历，基于你自己的经历、针对每份职位描述定制，采用 Space Grotesk + DM Sans 设计 |
| 求职信生成器 | 基于调研的求职信：关键词呼应、四个交互式角度提问（为什么/问题/方法/语气）、在聊天中审批草稿，以及通过与简历相同的 HTML + Playwright 流水线生成 A4 PDF。每次评估自动起草；用 /career-ops cover 按需完成并生成 |
| 简历之外 | 公司调研（deep）揭示 AI 战略、近期动向、工程文化，以及你的简历应该采取的角度。联系人发现（contacto）找出值得联系的招聘经理、招聘人员或团队成员，并起草一条不超过 300 字符、针对联系人类型调整过的 LinkedIn 消息。正式申请邮件草稿（email）把已评估的报告或粘贴的职位描述变成主题、正文和附件清单，不发送、不提交、不点击任何内容。申请让你排进队伍，调研让你获得对话。 |
| 模式分析 | 拒信模式和各 ATS 渠道的推进率（analyze-patterns.mjs）、整个求职周期的漏斗统计（stats.mjs）、重复发布检测，重复发布可能是幽灵职位的迹象（detect-reposts.mjs） |

快速开始

最快的方式，一条命令：

npx @santifer/career-ops init

💡 npx 随 Node.js 一起提供：它只运行一次安装程序，
不会全局安装任何东西。还没有 Node？先安装它。
（已经在用 Claude Code / Gemini / Codex CLI？那你已经有了。）

这会把最新版本克隆到 ./career-ops 并安装依赖。然后：

cd career-ops
claude   # or codex / qwen / opencode / agy / grok — open your AI CLI here

首次启动时，career-ops 会通过对话引导你完成设置（你的简历、个人资料和目标职位）。不需要手动编辑任何东西。

git clone https://github.com/career-ops-hq/career-ops.git
cd career-ops  &  &  npm install npx playwright install chromium   # 仅在需要生成 PDF 时使用
# 在非 Debian/Ubuntu 的 Linux 发行版（Fedora、Arch 等）上，Chromium 的系统
# 库不会被上述命令安装 — 如果 PDF 生成无法启动浏览器，请使用
# 你的发行版的包管理器自行安装
# （Playwright 的官方文档列出了每个平台所需的库）。

# 2. 检查设置
npm run doctor                     # 验证所有先决条件

# 3. 配置
cp config/profile.example.yml config/profile.yml  # 编辑你的详细信息
cp templates/portals.example.yml portals.yml       # 自定义公司

# 4. 添加你的简历
# 在项目根目录创建 cv.md 并以 markdown 格式放入你的简历

# 5. 在此目录下打开你的 AI CLI
claude   # 或 codex / opencode / qwen / agy / grok

# 然后让你的 CLI 根据你进行系统调整：
# "将原型改为后端工程职位"
# "将模式翻译为英文"
# "将这 5 家公司添加到 portals.yml"
# "使用我粘贴的这份简历更新我的个人资料"

# 6. 开始使用
# 粘贴职位 URL 或职位描述文本以触发自动流程
# 如果您的 CLI 支持斜杠命令，请使用 /career-ops（或其 CLI 特定别名）
# 在 Codex 中，用普通语言请求相同的模式，例如：
# “运行 career-ops 扫描模式”
# “为 data/pipeline.md 运行 career-ops 流水线模式”
# “为最新评估的职位运行 career-ops PDF 模式”
# “运行 career-ops 跟踪模式并总结当前状态”

全局安装

npm i -g @santifer/career-ops

这会全局安装 career-ops 二进制文件，让你可以直接运行它而不是通过 npx。与 npx @santifer/career-ops init（用来初始化一个项目目录）不同，全局安装会给你一个持久的 career-ops 命令，在终端的任何地方都能用。

该用哪个？

• npx @santifer/career-ops init：最适合首次使用；会创建一个专用的项目文件夹。
• npm i -g @santifer/career-ops：最适合已有项目文件夹、想直接运行 career-ops 命令的情况。

这个系统就是设计成由你的 AI 编码 CLI 自己来定制的。 模式、原型、评分权重、谈判话术：直接让它改就行。它读取的正是它自己使用的文件，所以它清楚该改哪里。

完整安装指南见 docs/SETUP.md；用自定义或本地模型低成本运行 career-ops 的方法见 docs/RUNNING_ON_A_BUDGET.md（在 Antigravity CLI 免费层零成本运行见 docs/FREE_TIER.md）；定时扫描和零 token 的"初筛到短名单"配方见 docs/AUTOMATION.md；ATS 自动填表流程的细节见 docs/APPLY_AUTOFILL.md；把 LinkedIn 联系人导出与漏斗中的公司交叉比对见 docs/LINKEDIN_JOIN.md；常见设置问题的解答见 docs/FAQ.md，包括故事溯源如何防止编造数字。设计原则在 ARCHITECTURE.md；运行时流程在 docs/ARCHITECTURE.md。

用法

career-ops 使用共享的命令路由。在会注册斜杠命令的 CLI 里，它看起来是这样：

/career-ops           → 显示所有可用命令
/career-ops {JD}      → 自动流水线：评估 + 报告 + PDF + 追踪记录（粘贴文本或 URL）
/career-ops pipeline  → 处理收件箱里待处理的 URL（data/pipeline.md）
/career-ops oferta    → 仅评估，区块 A 到 H（不自动生成 PDF）
/career-ops ofertas   → 比较并排序多个职位
/career-ops contacto  → LinkedIn 妙招：找到联系人 + 起草消息
/career-ops deep      → 针对公司的深度调研提示词
/career-ops interview-prep → 生成针对特定公司的面试准备文档
/career-ops interview    → 交互式的个人资料/简历入门访谈
/career-ops master-profile → 导入、审阅并校验你的主职业档案（Master Career Profile）
/career-ops eu-swe    → 在简历/申请/面试前校准一份欧洲 SWE 申请
/career-ops interview/plan → 为即将到来的面试制定按时间块安排的准备计划
/career-ops interview/practice → 模拟面试，一次一个问题并给出反馈
/career-ops interview/debrief → 面试后复盘：补上短板，预测下一轮
/career-ops interview-redflag → 入职前分析雇主的危险信号
/career-ops pdf       → 仅生成 PDF，ATS 优化简历
/career-ops text      → 定制的 markdown 简历（镜像 cv.md，不生成 PDF）
/career-ops latex     → 把简历导出为 LaTeX/Overleaf .tex
/career-ops latex-tex → 就地定制你自己的 resume.tex（可选；cv.md 仍是默认）
/career-ops cover     → 求职信：单独粘贴职位描述，或 /career-ops cover {slug}
/career-ops email     → 正式申请邮件草稿（仅草稿；从不发送、提交或点击）
/career-ops add       → 向简历添加项目/论文/职位（抓取 + 预览 + 确认）
/career-ops expand    → 从个人资料链接自动发现并补充缺失的能力
/career-ops training  → 对照你的 North Star 评估课程/证书
/career-ops project   → 评估一个作品集项目点子
/career-ops tracker   → 申请状态总览
/career-ops agent-inbox → 为下一个会话排队/清空请求（data/agent-inbox.md）
/career-ops apply     → 实时申请助手（读取表单 + 生成答案）
/career-ops scan      → 扫描招聘平台并发现新职位
/career-ops discover  → 把公司列表解析为可扫描的 ATS 板块 + 追加到 portals.yml（零 token）
/career-ops batch     → 用并行 worker 批量处理
/career-ops patterns  → 分析拒信模式并改进目标定位
/career-ops offer-prep → 和候选人一起阅读收到的 offer/合同：逐条款解读 + 给律师的问题（不是法律建议）
/career-ops titles    → 根据你的简历推荐相近的职位名称以扩大搜索范围
/career-ops upskill   → 基于已评估报告的综合技能差距分析
/career-ops followup  → 跟进节奏追踪：标记逾期，生成草稿
/career-ops reply-watch → 归类雇主回复并建议追踪记录更新
/career-ops outcome   → 记录申请结果并归档产物
/career-ops calibrate → 咨询性报告：你的评估分数能预测真实结果吗？读取 /outcome 数据；从不改变评分
/career-ops update    → 更新 career-ops 系统文件，带 diff 预览 + 兼容性检查

或者直接粘贴一个职位 URL 或描述：career-ops 会自动识别并运行完整流水线。

Codex 里不保证有斜杠命令。请改用同样的模式名称写在提示词里，或者通过 codex exec 调用。

工作原理

You paste a job URL or description
        │
        ▼
┌──────────────────┐
│  Archetype       │  Classifies: LLMOps / Agentic / PM / SA / FDE / Transformation
│  Detection       │
└────────┬─────────┘
         │
┌────────▼─────────┐
│  A-H Evaluation  │  Match, gaps, comp research, STAR stories, legitimacy
│  (reads cv.md)   │
└────────┬─────────┘
         │
    ┌────┼────┐
    ▼    ▼    ▼
 Report  PDF  Tracker
  .md   .pdf  entry

反重力命令行接口集成

career-ops 原生支持 Antigravity CLI，方式和支持 Claude Code、OpenCode 一样。所有斜杠命令都通过共享的 skill 入口提供，使用相同的 modes/*.md 评估逻辑。

Google 已把消费者版 Gemini CLI 的访问迁移到 Antigravity CLI。GEMINI.md 现在是一个不做任何事的兼容性守卫，这样 Antigravity 在同时读取 AGENTS.md 和 GEMINI.md 时不会重复加载完整的项目指令。

原生反重力命令行接口

# 1. Run in the career-ops directory
cd career-ops
agy

# 2. Use the unified /career-ops command with subcommands:
/career-ops "Senior AI Engineer at Anthropic..."
/career-ops pipeline
/career-ops scan
/career-ops pdf
/career-ops tracker

这个 skill 按开放标准定义在 .agents/skills/career-ops/SKILL.md 中，并为每个支持的 CLI（例如 .claude/、.cursor/、.qwen/、.antigravitycli/、.grok/）建立了符号链接或引用。

Codex 集成

career-ops 通过同一个共享路由支持 Codex，但调用方式和自动注册斜杠命令的 CLI 不同。完整指南见 docs/CODEX.md。

交互式 Codex

cd career-ops
codex

Codex 里不保证有斜杠命令。如果 /career-ops 不可用，就用自然语言让 Codex 直接运行对应模式：

Evaluate this JD with career-ops auto-pipeline: https://company.com/jobs/123
Run the career-ops scan mode and summarize new matches.
Run the career-ops pipeline mode for data/pipeline.md.
Run the career-ops pdf mode for the latest evaluated role.
Run the career-ops tracker mode and summarize the current statuses.

单次执行的 Codex（codex exec）

codex exec "Evaluate this JD with career-ops auto-pipeline: https://company.com/jobs/123"
codex exec "Run career-ops scan mode in this repo and summarize new matches."
codex exec "Run career-ops pipeline mode for data/pipeline.md."
codex exec "Run career-ops pdf mode for the latest evaluated role."
codex exec "Run career-ops tracker mode and summarize the current statuses."

Grok 构建 CLI 集成

career-ops 原生支持 Grok Build CLI，方式和支持 Claude Code、OpenCode 一样。AGENTS.md 会作为项目规则自动加载，所有斜杠命令都通过共享的 skill 入口提供。

原生 Grok 构建 CLI

# 1. Run in the career-ops directory
cd career-ops
grok

# 2. Use the unified /career-ops command with subcommands:
/career-ops "Senior AI Engineer at Anthropic..."
/career-ops pipeline
/career-ops scan
/career-ops pdf
/career-ops tracker

无头批量 worker 请使用 grok -p "prompt"（加上 --yolo 可自动批准工具执行）。

Pi 集成

career-ops 原生支持 Pi，不需要维护任何包装文件：Pi 会把仓库根目录的 AGENTS.md 读作项目上下文，并自行发现位于 .agents/skills/career-ops/SKILL.md 的共享 skill。之后路由就能以 /skill:career-ops 的形式使用。

原生派

# 1. Run in the career-ops directory
cd career-ops
pi

# 2. Use the shared skill with subcommands:
/skill:career-ops "Senior AI Engineer at Anthropic..."
/skill:career-ops pipeline
/skill:career-ops scan
/skill:career-ops pdf
/skill:career-ops tracker

单次执行的 Pi（pi -p）

pi -p "Evaluate this JD with career-ops auto-pipeline: https://company.com/jobs/123"
pi -p "Run career-ops scan mode and summarize new matches."
pi -p "Run career-ops tracker mode and summarize the current statuses."

如果某个 Pi 版本要求先对项目资源做信任确认，就在仓库里运行一次 /trust，然后重启 pi，让项目 skill 加载（/trust 对之后启动的 Pi 进程生效）；或者用 -a 启动，它只信任单次运行，不需要重启。

独立的 Gemini API 脚本（无需安装 CLI）

# 1. Get a free API key at https://aistudio.google.com/apikey
cp .env.example .env
# Edit .env, set GEMINI_API_KEY=your_key_here

# 2. Install dependencies
npm install

# 3. Evaluate a job description
node gemini-eval.mjs "We are looking for a Senior AI Engineer..."
node gemini-eval.mjs --file ./jds/my-job.txt
node agent-inbox.mjs add "..."   # queue a request for the next session
npm run gemini:eval -- "JD text here"

免费层： 两种方式都无需付费。原生 CLI 使用 Google OAuth；API 脚本使用 gemini-3.6-flash（速率限制取决于模型和层级；当前配额见 Google AI 文档）。

预配置平台

扫描器自带 100+ 家公司可直接扫描，以及覆盖主流招聘网站的 35+ 条搜索查询。把 templates/portals.example.yml 复制为 portals.yml，再添加你自己的：

AI 实验室： Anthropic、OpenAI、Mistral、Cohere、LangChain、Pinecone 语音 AI： ElevenLabs、PolyAI、Parloa、Hume AI、Deepgram、Vapi、Bland AI AI 平台： Retool、Airtable、Vercel、Temporal、Glean、Arize AI 联络中心： Ada、LivePerson、Sierra、Decagon、Talkdesk、Genesys 企业级： Salesforce、Twilio、Gong、Dialpad LLMOps： Langfuse、Weights & Biases、Lindy、Cognigy、Speechmatics 自动化： n8n、Zapier、Make.com 欧洲： Factorial、Attio、Tinybird、Clarity AI、Travelperk

搜索的招聘网站： 55+ 个提供方模块覆盖 ATS API、整站数据源、XML/RSS 源、markdown 源和本地解析器。完整表格见支持的招聘网站。

默认情况下 node scan.mjs（即 npm run scan）信任每个 ATS 数据源返回的内容。有些公司在职位关闭后仍会把过期职位留在公开 API 里，这些过期条目可能会混进 pipeline.md。加上 --verify 可以在 API 阶段之后启动 Playwright，在过期职位进入流水线之前把它们剔除：

node scan.mjs --verify          # zero-token discovery + Playwright liveness check

验证是顺序执行的，并且只针对新职位（去重之后），所以成本是有上限的。

仪表板 TUI

内置的终端仪表板让你可视化地浏览你的流水线：

npm run serve:dashboard   # launch the TUI
npm run build:dashboard   # optional: build the standalone binary

功能：6 个筛选标签、4 种排序模式、分组/平铺视图、延迟加载预览、内联状态修改。

还有一个实验性的 Web UI（alpha 版，可选：除非你主动启动，否则不会运行任何东西）：见 web/README.md。

项目结构

career-ops/
├── AGENTS.md                    # Canonical agent instructions (all CLIs)
├── CLAUDE.md                    # Claude Code wrapper (imports AGENTS.md)
├── CODEX.md                     # Codex wrapper (imports AGENTS.md)
├── OPENCODE.md                  # OpenCode wrapper (imports AGENTS.md)
├── GEMINI.md                    # Legacy no-op guard to avoid Antigravity duplicate context
├── cv.md                        # Your CV (create this)
├── article-digest.md            # Your proof points (optional)
├── config/
│   └── profile.example.yml      # Template for your profile
├── modes/                       # Skill modes
│   ├── _shared.md               # Shared context (customize this)
│   ├── oferta.md                # Single evaluation
│   ├── pdf.md                   # PDF generation
│   ├── cover.md                 # Cover letter generation
│   ├── email.md                 # Formal application email drafts
│   ├── scan.md                  # Portal scanner
│   ├── batch.md                 # Batch processing
│   └── ...
├── templates/
│   ├── cv-template.html         # ATS-optimized CV template
│   ├── portals.example.yml      # Scanner config template
│   └── states.yml               # Canonical statuses
├── batch/
│   ├── batch-prompt.md          # Self-contained worker prompt
│   └── batch-runner.sh          # Orchestrator script
├── dashboard/                   # Go TUI pipeline viewer
├── data/                        # Your tracking data (gitignored)
├── reports/                     # Evaluation reports (gitignored)
├── output/                      # Generated PDFs (gitignored)
├── fonts/                       # Space Grotesk + DM Sans
├── docs/                        # Setup, customization, budget guide, architecture
└── examples/                    # Sample CV, report, proof points

外部数据目录（可选）

默认情况下，用户层数据（如 cv.md、portals.yml，以及 data/、reports/、output/ 文件夹）位于项目根目录内。

为了把个人数据和代码分开（更方便切换分支、拉取更新或测试多个个人资料），你可以按以下优先级配置一个外部数据目录：

1. 环境变量： 设置 CAREER_OPS_ROOT 或 CAREER_OPS_DATA_DIR 环境变量：

   export CAREER_OPS_ROOT=~/my-career-data

2. 标记文件： 在仓库根目录创建一个 .career-ops-data 文件，内容是你的数据目录路径。
3. 默认： 使用仓库根目录。

解析完成后，所有用户文件都相对于该文件夹解析和写入，而提示词文件和脚本仍然相对于仓库解析。

• 覆盖追踪文件： 你也可以设置 CAREER_OPS_TRACKER 直接覆盖申请追踪文件的路径。
• 写入： 所有写入操作（如合并）都以 {DATA_ROOT}/data/applications.md 为规范目标。
• 扫描器配置： portals.yml 在 {DATA_ROOT}/portals.yml 读取和校验，所以 node validate-portals.mjs 检查的正是 scan.mjs 读取的那个文件。
• 生成的文档： 定制简历和求职信写入 {DATA_ROOT}/output/，把它们关联到报告的 PDF 清单位于 {DATA_ROOT}/data/pdf-index.tsv。在未设置 CAREER_OPS_TRACKER 时，限定这些写入范围的追踪工作区是数据根目录，而不是代码检出目录。
• 追踪文件覆盖下的 PDF： generate-pdf.mjs 会先解析 CAREER_OPS_TRACKER，再推导工作区，所以设置了覆盖时，工作区就是存放该追踪文件的文件夹（如果追踪文件位于 data/ 文件夹中，则是它的上一级文件夹）。这时简历的 HTML 和每个 PDF 都必须位于该工作区内，清单也会移到它的 data/pdf-index.tsv。求职信仍以 {DATA_ROOT}/output/ 为目标，所以当该文件夹不在追踪文件的工作区内时，求职信会被拒绝写入。
• 代码层保持不动： node_modules/、providers/、modes/ 以及脚本本身始终相对于仓库解析，从不相对于数据根目录。

Go 版仪表板 TUI、Node.js 脚本和 AI 代理模式都会自动遵循这一解析层级。

技术栈

• 代理：带共享 skill 和模式的 AI 编码 CLI（AGENTS.md + 各 CLI 的包装）
• PDF：Playwright HTML 模板
• 求职信：HTML 模板 + Playwright（A4 PDF，与简历相同的流水线）
• 扫描器：Playwright Greenhouse API 网络搜索
• 仪表板：Go + Bubble Tea + Lipgloss（Catppuccin Mocha 主题）
• 数据：Markdown 表格 + YAML 配置 + TSV 批处理文件

_{也可以在任何遵循 agent skill 标准的 CLI 中运行。见支持的 CLI。}

也已开源

• cv-santiago：作品集网站（santifer.io），带 AI 聊天机器人、LLMOps 仪表板和案例研究。如果你需要一个配合求职展示的作品集，fork 它，改成你自己的。

常见问题（FAQ）

career-ops 是什么？ career-ops（career-ops.org，也称 careerops） 是一个开源的 AI 求职工具，在你的 AI 编码 CLI（Claude Code、Codex、OpenCode 等）里本地运行，把每一个决定都留给你。它根据你的简历评估职位，生成适配 ATS 的 PDF，找到合适的联系人，并在一个地方追踪所有进展：最终决定始终在你手中。它是 CareerOps 宣言的首个参考实现。

定制简历会编造内容吗？ 不应该，提示词里也这么写：只改写，绝不编造。generate-pdf 会拦下数字或事实在你的资料来源中找不到的简历，除非你传入 --skip-fact-check。它目前还不检查职位名称，也不评判改写。两个未关闭的 issue 在跟进这些：#2677（职位名称必须与 cv.md 一致）和 #1411（不通过即阻止的真实性检查）。在它们合并之前，每份简历发出前都请自己读一遍。法律声明 用更长的篇幅说了同样的话。

我可以免费运行 career-ops，或使用更便宜的本地模型吗？ 可以。career-ops 不受特定 CLI 限制，可以用免费和本地模型运行（OpenRouter 免费模型、Ollama 或任何兼容 OpenAI 的端点），因此你不必绑定付费订阅。完整设置见 docs/RUNNING_ON_A_BUDGET.md。

我付了 Claude Pro/Max，但 career-ops 在消耗 API 额度。为什么？ 因为环境里的 ANTHROPIC_API_KEY 优先于你已登录的订阅：CLI 会使用这个密钥并按 token 计费。运行 echo $ANTHROPIC_API_KEY，如果有输出，就把它从 shell 配置里删掉，重启终端并运行 /login。批量模式是例外，因为 claude -p worker 不使用交互式登录：运行一次 claude setup-token，把结果导出为 CLAUDE_CODE_OAUTH_TOKEN。完整步骤见 docs/RUNNING_ON_A_BUDGET.md。

career-ops 支持哪些 AI CLI？ career-ops 通过开放的 Agent Skill Standard 运行在任何主流 AI 编码 CLI 上（Claude Code、Codex、Gemini / Antigravity、OpenCode、Grok、Qwen 等），所以永远不会被单一厂商锁定。用你已经有的 CLI 就行。

如何在 Windows 上安装 career-ops？ career-ops 可以在 Windows 上运行。平台相关的设置和已知的坑（Git Bash 检测、行尾符、任务计划程序）在 docs/WINDOWS.md。如果安装时因符号链接错误导致 skills 无法加载，解决方法在 docs/FAQ.md。完整步骤见 docs/SETUP.md。

career-ops 会替我自动申请职位吗？ 不会。career-ops 是一个过滤器，不是海投的自动申请器。AI 负责评估、排序和起草；你负责审阅与决定。它起草、填写，但从不提交。由你点击提交。这种保留人工决策的设计正是重点所在。

career-ops 是免费开源软件吗？ 是。career-ops 是免费开源软件，而且对求职者会一直如此。它是 CareerOps 宣言的首个参考实现。读一读，如果它说出了你的想法，就签名。

关于作者

我是 Santiago Fernández de Valderrama Aparicio（santifer），曾经是创业者：我创办并卖掉了一家至今仍以我的名字运营的公司。我打造 career-ops 是为了管理自己的求职，它奏效了：它帮我拿到了一个 Head of Applied AI 的职位。六个月后，我离开了那个职位，全职投入 career-ops 的开发。

想知道这么大的仓库，是怎样由一支 AI 代理团队维护、每次合并都由人来决定的？读一读 Agentic maintenance: how career-ops is run by a fleet of AI agents。

我的作品集和其他开源项目 → santifer.io

维基数据：Santiago Fernández de Valderrama Aparicio · career-ops。

免责声明

career-ops 是一个本地运行的开源工具，不是托管服务。 使用本软件即表示你确认：

1. 你掌控自己的数据。 你的简历、联系方式和个人数据留在你的机器上，直接发送给你选择的 AI 提供商（Anthropic、OpenAI 等）。我们不收集、不存储、也无法访问你的任何数据。
2. 你掌控 AI。 默认提示词指示 AI 不要自动提交申请，但 AI 模型可能出现不可预测的行为。如果你修改了提示词或使用其他模型，风险自负。提交前务必检查 AI 生成内容的准确性。
3. 你遵守第三方条款。 你必须按照所交互招聘平台（Greenhouse、Lever、Workday、LinkedIn 等）的服务条款使用本工具。不要用本工具向雇主发送垃圾信息或冲击 ATS 系统。
4. 不作任何保证。 评估是建议，不是事实。AI 模型可能虚构技能或经历。作者不对就业结果、被拒的申请、账号限制或任何其他后果负责。

完整内容见 LEGAL_DISCLAIMER.md。本软件依据 MIT 许可证"按原样"提供，不附带任何形式的保证。

许可证与商标

代码以 MIT 许可证发布。"career-ops" 的名称和 品牌受商标政策约束：对社区使用宽松， 对商业产品命名和背书保留权利。

Star 历史

_{由 Santiago Fernández de Valderrama Aparicio（@santifer）创建并维护}

联系我们