AI求职系统Career-Ops开源爆火：让Claude Code帮你筛选公司

当求职者还在手动追踪上百份申请时，一个名为Career-Ops的开源项目今天在GitHub日增1110星，总星数突破5万。它并非又一个批量投递工具，而是一个反其道而行之的AI筛选系统——让Claude Code等AI代理评估职位匹配度，只推荐评分4.0/5以上的机会。创始人用这套系统评估了740+职位，生成100+定制简历，最终拿下Head of Applied AI岗位。

这个项目在做什么

Career-Ops本质上是一个AI驱动的求职指挥中心。它不是帮你海投简历，而是反过来——让AI替你筛选公司。系统接入Claude Code等AI编码CLI，通过Playwright自动访问招聘页面，对每个职位进行6个维度的评估：角色摘要、简历匹配度、级别策略、薪酬研究、个性化程度、面试准备。最终输出一个A-F的评分，低于4.0/5的职位系统会建议放弃。

这种"反向筛选"的逻辑与当前主流求职工具截然不同。大多数工具（如Simplify、Huntr）侧重批量投递和跟踪，而Career-Ops的核心是"评估优先"——它认为求职者的时间比简历数量更有价值。创始人明确写道："这不是一个'撒网式'工具，而是一个过滤器。"

为何此刻被关注

今天新增1110星，近5天增长2726星，爆发点很可能与两个因素相关：一是AI编码工具（Claude Code、Cursor等）的普及让"代理式求职"成为可能；二是就业市场持续紧缩，求职者急需差异化工具。

社交媒体上，"让AI帮你找工作"的话题正在发酵。Career-Ops恰好踩中了两个热点：AI Agent的实际应用，以及求职焦虑。与那些需要手动配置的求职工具不同，它直接对接AI编码CLI，降低了使用门槛。

技术上有何不同

Career-Ops的技术选型有几个值得注意的点：

基于Claude Code构建：项目深度绑定Claude Code的CLI能力，利用其Playwright集成进行网页导航和表单填写。这意味着它不是一个独立的求职平台，而是AI编码工具的"技能包"。
并行批处理：通过claude -p workers并行评估10+职位，这在同类工具中少见。大多数ATS扫描工具（如Huntr）是串行处理，Career-Ops的架构更适合批量评估。
ATS优化的PDF生成：使用Space Grotesk + DM Sans字体，注入关键词，生成针对ATS系统的简历。这比通用PDF生成器更注重机器可读性。
完整性检查：系统包含自动合并、去重、状态归一化和健康检查，确保数据一致性——这是很多个人项目忽略的工程细节。

与同类项目对比：AutoApply（自动化投递）侧重"量"，Career-Ops侧重"质"；ApplyAI（基于GPT的简历定制）缺乏评估维度，Career-Ops的6块评估更结构化。

谁应该用它

主动求职的技术从业者：尤其是软件工程师、AI工程师，他们熟悉CLI工具，能接受配置Claude Code。
求职数量在50-200+的中高级候选人：初级岗位可能不需要如此复杂的评估，但高级岗位需要精心挑选。
对AI Agent好奇的开发者：项目本身是一个很好的Claude Code应用案例，可学习如何构建代理式工作流。

不适合：非技术求职者（需要CLI操作）、急求"海投"效率的人（系统鼓励少投精投）、对AI输出不信任的用户。

局限与开放问题

深度绑定Claude Code：目前只支持Claude Code CLI，如果未来其他AI编码工具（如GitHub Copilot CLI）崛起，项目需要适配。
评估质量依赖上下文：创始人承认"前几次评估不会太好"，系统需要大量用户数据（简历、偏好、职业故事）才能优化。
自动化程度有限：系统不代提交申请，需要人工确认。这既是设计选择，也是技术限制——自动提交涉及法律风险。
可扩展性：45+预配置公司站点，但长尾公司需要用户自行配置，门槛仍在。