AI

career-ops：把求職流程交給 AI Agent 的開源工作台

Monday

本內容僅供參考，詳細使用規則與工具安全性與否，建議要進行相關安全性測試與評估

求職是一件高度重複、又高度需要客製化的工作：每天刷職缺、判斷值不值得投、針對每個職位改履歷、寫求職信、追蹤進度。career-ops（career-ops-hq/career-ops）把這整套流程變成 Claude Code、Codex 等 AI CLI 可以執行的工作台。作者 Santiago Fernández 自己用它評估了 740 個職缺、投了 68 份、拿到 12 個面試與 1 個 offer。專案目前約 73.7k stars、13.8k forks。

1. 專案背景與定位

career-ops 是 MIT 授權的開源工具，技術棧包含 Node.js、Playwright、Go（Bubble Tea 終端機儀表板），資料則以 Markdown、YAML、TSV 儲存。它不是一個網站服務，而是一套跑在你的 AI CLI 裡的指令與模式集合，npx @santifer/career-ops init 就能建立工作目錄。

它的核心主張是「本機優先」：沒有 telemetry、沒有專案自己的後端，履歷只會送到你自己選擇的 AI 供應商。

2. 技術架構與核心設計

  • 單一指令來源：AGENTS.md 是標準指令，CLAUDE.md、CODEX.md、OPENCODE.md 等只是包裝層，支援 Claude Code、Codex、OpenCode、Copilot、Cursor、Qwen、Kimi 等 CLI。
  • 行為即 Markdown：所有模式都寫在 modes/*.md，使用者可以直接請 AI CLI 修改這些檔案來客製流程。
  • A–H 評估框架：輸入職缺網址後，先確認職缺是否仍有效、分類職位類型，再從角色摘要、履歷匹配、職級策略、薪資研究、個人化、STAR+R 面試準備等面向評估，其中 Block G 專門檢查職缺本身的真實性。
  • 1–5 分制：低於 4.0 分會建議不要投，但使用者可以自行覆寫。
  • 職缺掃描：預設涵蓋 100+ 家公司、35+ 組搜尋條件，支援 Ashby、Greenhouse、Lever、Wellfound 等平台。
  • 事實查核閘門：generate-pdf 會擋下任何在原始 cv.md 中找不到出處的數字或事實——這是整個專案最值得稱讚的設計。
  • 批次與儀表板：可用 claude -p 或 opencode run 平行處理大量職缺，並有 Go 寫的終端機儀表板追蹤進度。

3. 社群熱度與生態採用

約 73.7k stars、13.8k forks、2,600+ commits，是近期「AI 應用類」開源專案中最受歡迎的之一。專案提供 Gmail、Notion、Apify 等選用外掛（預設關閉），也支援 OpenRouter 免費模型與 Ollama，讓預算有限的求職者也能使用。

4. 局限性與潛在風險

  • 事實查核還不完整：README 坦承目前不檢查職稱、也無法判斷「改寫」是否誇大，相關議題仍在 issue 中處理。AI 潤飾履歷時的「微誇大」仍需人工把關。
  • 個資送往 AI 供應商：履歷包含大量個人資料，雖然專案本身不收集，但你選用的模型供應商會看到全部內容，需確認其資料保留政策。
  • 爬取職缺平台的合規性：大量自動掃描可能違反部分平台的使用條款；CAREER_OPS_TRUST_PROXY_EGRESS 這類設定也提醒了 proxy 環境下的 SSRF 風險。
  • 「海投」的反效果：當每個求職者都能用 AI 大量產生客製化申請，招募端的過濾也會跟著升級，工具帶來的優勢可能逐漸被抵銷。
  • 作者成果屬個人案例：740 → 1 offer 的數據是作者自述，不能直接推論成功率。

5. 應用價值與適用場景

對正在積極求職、又習慣使用 AI CLI 的工程師或 PM 來說，career-ops 最大的價值不是「自動投遞」（它刻意不自動送出申請，也不寄信），而是幫你做篩選與準備：哪些職缺值得花時間、履歷該強調什麼、面試可能被問什麼。追蹤與 follow-up 提醒也能減少求職過程中的混亂。

Monday 的觀點與架構建議

  • 「AI 產出前先過事實查核閘門」是所有生成式應用都該學的模式：只要輸出會被別人當成事實看待（履歷、報告、合約），就應該有可驗證的來源比對機制。
  • 刻意不做自動投遞、不做寄信功能，是很成熟的產品判斷——把最後的「送出」留給人，責任邊界就清楚了。
  • 使用時建議用本機模型處理履歷這類敏感資料，雲端模型只用在職缺分析上。
  • 「把領域流程寫成 Markdown 模式、交給通用 AI CLI 執行」正在成為一種新的軟體形態：不再需要做 App，只需要寫好流程與規則。

參考來源