career-ops：把求职流程搬进 AI 编程 CLI，用 A-F 评分过滤招聘信息
把 Claude Code 等 AI 编程 CLI 变成求职指挥中心：扫描招聘网站，用 A–F 量表为职位打分，定制简历并跟踪申请进度。
秒懂
- 它是什么？
- career-ops 是一个开源项目，它将求职流程嵌入 Claude Code、Codex 等 AI 编程 CLI，用结构化的 A-H 评分和 1.0-5.0 分数来筛选招聘信息。本文分析其机制、运行方式和适用边界。
- 适合谁用？
- career-ops 适合那些愿意投入时间喂养系统、并且讨厌手动跟踪求职进度的工程师。它不适合想要一键海投的人，项目明确反对 spray-and-pray 策略。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库最近一次提交在 2 天前。
- 用什么语言写的？
- 主要是 JavaScript（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月14日）和我们的分析，不构成法律意见。
开源项目深度解析
它解决的问题：求职者被 AI 筛选，现在反过来用 AI 选择公司
career-ops 的定位很直接：公司用 AI 过滤候选人，候选人也可以用 AI 来筛选公司。项目的 README 开头就写道，作者花了几个月用传统方式投简历，然后设计了这个系统。它把求职流程从电子表格中解放出来，变成一个 AI 驱动的流水线。目标用户是那些在 AI 编程 CLI 中工作的工程师，他们不想在多个招聘网站之间切换，也不想手动记录申请状态。career-ops 不是海投工具，它明确警告用户不要申请低于 4.0/5 分的职位。它更像一个过滤器，从数百个职位中挑出少数值得投入时间的。
核心机制：A-H 评分块和 1-5 分，不是算术公式
career-ops 的评估报告分为 A 到 H 八个块。A 到 F 涵盖角色摘要、CV 匹配度、级别策略、薪酬研究、个性化建议和面试准备（STAR+R）。G 块是独立的职位合法性检查，用来标记骗局和幽灵职位，但它永远不影响总分。H 块只在分数达到 4.5 或以上时才生成，内容是谈判脚本和深入准备。总分是 1.0 到 5.0，但 README 强调这是基于五个维度的整体判断，不是算术公式。这意味着评分逻辑不透明，用户无法从子分数推导出总分。这是一个设计选择，但也带来一个限制：你无法精确知道系统为什么给出某个分数，只能依赖它的整体判断。
运行方式：在 AI 编程 CLI 中通过 Playwright 扫描和生成
career-ops 是 agentic 的，它依赖你选择的 AI 编程 CLI 来执行任务。这些 CLI 包括 Claude Code、Codex、OpenCode、Antigravity，以及其他支持 agent-skill-standard 的 CLI，具体列表见 docs/SUPPORTED_CLIs.md。系统用 Playwright 导航招聘页面，自动扫描 Greenhouse、Ashby、Lever 和公司官网。它会根据你的 CV 和职位描述进行推理，而不是简单的关键词匹配。生成 PDF 时，它使用 Space Grotesk 和 DM Sans 字体，通过 HTML 和 Playwright 管线输出 ATS 优化的简历。你只需要粘贴一个 URL，系统就会运行完整的评估、生成 PDF 并更新跟踪记录。
上手步骤：从 README 和 CLI 配置开始
要开始使用 career-ops，你需要先安装它。项目通过 GitHub releases 发布，最新版本是 career-ops-v1.30.0，发布日期是 2026-08-27。你还需要一个受支持的 AI 编程 CLI，比如 Claude Code。安装后，你需要向系统提供上下文：你的 CV、职业故事、证明点、偏好、擅长的事情和想避免的东西。README 明确警告，前几次评估不会很好，因为系统还不了解你。它把这个过程比作 onboarding 一个新招聘人员，第一周需要学习你的情况，之后才会变得有用。具体的配置命令没有在 README 中详细列出，但你可以从项目的 docs 目录中找到更多指引。
一个真实的局限：评分质量依赖用户输入，且无法验证
career-ops 的最大局限是它的评估质量完全依赖你提供的上下文。如果你只给一个 CV，系统可能会产生平庸的评分。README 强调需要持续喂养系统，包括职业故事和证明点。另一个问题是分数 1.0-5.0 的生成机制不透明，你不能审计它为什么给出 4.2 而不是 3.8。对于需要精确控制的用户，这可能是个问题。此外，系统运行在 AI 编程 CLI 中，这意味着你需要熟悉命令行环境，并且你的 CLI 必须支持 Playwright 脚本。如果 CLI 不支持，或者公司招聘页面结构复杂，系统可能无法正确扫描。
替代方案：传统电子表格和手动流程的对比
career-ops 的替代方案是手动使用电子表格跟踪申请，或者使用其他求职自动化工具。传统方法的区别在于，你完全控制评分标准，没有 AI 推理的黑盒。你可以用简单的公式计算匹配度，但需要手动输入每个职位的数据。career-ops 的优势是自动化扫描和批量处理，它可以用子代理并行评估 10 个以上的职位。但替代方案没有这个依赖，你不需要担心 AI 误解你的偏好。另一个替代是使用专门的求职平台，它们通常有内置的筛选功能，但不会生成定制 CV 或谈判脚本。career-ops 的独特之处在于它整合了从评估到 PDF 生成再到跟踪的整个流程，而替代方案通常只覆盖其中一部分。
维护和许可：MIT 许可，但商标和社区支持需留意
career-ops 使用 MIT 许可，这意味着你可以自由使用和修改代码。但项目有一个 TRADEMARK.md 文件，可能对项目名称的使用有额外限制，具体内容未在 README 中说明。维护方面，项目有活跃的发布历史，最近在 2026-08-27 发布了 v1.30.0，同时还有 web 版本 v0.8.1。这表明维护是持续的，但升级成本取决于你如何集成它。如果你使用 CLI 方式，升级可能涉及重新安装最新版本。项目还有一个 Discord 服务器，地址是 discord.gg/8pRpHETxa4，你可以加入获取支持。此外，项目有 HIRED.md 文件，用户可以在那里分享成功案例，这些案例是可审计的，但 README 没有说明具体数量。
编辑结论
career-ops 适合那些愿意投入时间喂养系统、并且讨厌手动跟踪求职进度的工程师。它不适合想要一键海投的人，项目明确反对 spray-and-pray 策略。采用前先验证三件事：你的 CLI 是否在 SUPPORTED_CLIS.md 列表中，你的 AI 编码工具能否运行 Playwright 脚本，以及你是否愿意接受前几次评估质量不佳的现实。如果你能提供详细的 CV 和职业故事，系统会逐渐变得有用；否则它只是一个复杂的评分器。最终判断：career-ops 是一个需要用户主动参与的工具，它的价值取决于你投入的上下文质量，而不是开箱即用的自动化。
社区笔记