MadsLorentzen ai-job-search

MadsLorentzen / ai-job-search

AI Job Search

一个基于 Claude Code 构建的 AI 驱动求职应用框架。Fork 它，填写你的个人资料，让 Claude 评估职位发布、定制你的简历、撰写求职信，并为你准备面试。

注意：这是一个独立的开源项目，与 Anthropic 无关联、未经其认可、赞助或维护。提及 Anthropic 和 Claude Code 仅用于描述此工作流所使用的工具链。

这是什么

这是一个结构化工作流，将 Claude Code 转变为全栈求职助手。核心工作流（自我建档、匹配度评估、以及起草-审核申请流程）与语言和国家无关。职位门户搜索技能专为丹麦市场构建（Jobindex、Jobnet、Akademikernes Jobbank 等），但该模式设计为可替换为你本地的求职网站。

/setup          /scrape          /apply   
   |               |                |  
   v               v                v  
填写个人资料    搜索职位        评估匹配度  
                门户            评分 & 推荐  
   |               |                |  
   v               v                v  
个人资料就绪    展示匹配结果    起草简历 + 求职信  
                附带匹配度评分  （LaTeX，定制化）  
                    |                |  
                    v                v  
                选择一个匹配    审核代理评审 -> /apply -> 修改 -> 最终输出

该框架融入了职业指导最佳实践，包括结构化评估标准、前瞻性的求职信框架，以及可选的薪资基准分析。

前提条件

Claude Code（CLI）
Python 3.10+
Bun（用于丹麦求职搜索 CLI 工具）
LaTeX 发行版，支持 lualatex 和 xelatex：TeX Live、MacTeX、TinyTeX 或 MiKTeX。简历使用 lualatex 编译（pdflatex 在较新的 MiKTeX 安装中常因 fontawesome5 字体扩展错误而失败）；求职信使用 xelatex 编译，因为 cover.cls 需要 fontspec。如果使用最小化 TeX 安装（如 TinyTeX 或 BasicTeX），请安装 SETUP.md 中列出的额外包。
可选：来自 poppler 的 pdftotext（macOS：brew install poppler，Debian/Ubuntu：apt install poppler-utils，Windows：choco install poppler）——用于 /apply 对编译后简历的 ATS 可解析性检查。如果缺失，该检查会优雅降级为视觉关键词审查。

快速开始

Fork 并克隆

   gh repo fork MadsLorentzen/ai-job-search --clone  
   cd ai-job-search

安装求职搜索工具

   cd .agents/skills/jobbank-search/cli && bun install && cd ../../../..  
   cd .agents/skills/jobdanmark-search/cli && bun install && cd ../../../..  
   cd .agents/skills/jobindex-search/cli && bun install && cd ../../../..  
   cd .agents/skills/jobnet-search/cli && bun install && cd ../../../..  
   cd .agents/skills/linkedin-search/cli && bun install && cd ../../../..

对于 linkedin-search，安装是可选的：它没有运行时依赖，直接使用 bun 运行；bun install 仅拉取 TypeScript 开发类型。

设置个人资料

   claude  
   # 然后在 Claude Code 中：  
   /setup

/setup 提供三种路径：读取你的 documents/ 文件夹（如果你已填充内容，如简历 PDF、LinkedIn 导出文件、学位证书、推荐信、过往申请）、导入粘贴在聊天中的单份简历，或通过面试引导完成。它会自动检测你已有的内容并询问。文档文件夹模式是幂等的，当你添加更多材料时可以安全地重新运行；详见 documents/README.md 了解布局。

搜索职位

   /scrape

此命令会在多个职位门户中搜索与你个人资料匹配的职位，去重结果，并按匹配度排序展示。选择一个匹配项可直接对其运行 /apply——或者，当抓取返回的职位多于你想逐一查看的数量时，先运行 /rank 对所有职位进行批量评分，获得一个排序后的候选列表。

申请职位

   /apply https://jobindex.dk/job/1234567

如果无法获取该 URL（某些职位门户会阻止自动化访问），你可以直接粘贴职位描述：

   /apply < 在此粘贴完整的职位描述 >

这会运行完整工作流：评估匹配度、起草简历 + 求职信、由第二个代理审核、修改，并呈现最终输出。

其他命令

/setup、/scrape 和 /apply 构成了核心工作流。在个人资料就绪后，还有七个扩展命令：

/interview：为已跟踪申请中的预定面试做准备。它会根据申请的存档（确切的职位发布、面试官实际看到的简历和求职信、之前轮次的反馈）构建一个针对特定阶段的准备包，使用“验证后再使用”规则研究公司和面试官，将可能的问题映射到你的 STAR 示例，并提供遵循 07-interview-prep.md 中角色扮演协议的模拟面试。不足之处会给出诚实的过渡性回答，绝不编造经历。

/outcome：记录申请的结果——面试阶段、录用、拒绝、无回应。它会将提交的简历、求职信和职位发布文本归档到 documents/applications/<公司>_<职位>/ 中，以 /setup 路径 A 可解析的格式保留 outcome.md，并更新跟踪器。当一些申请有了结果后，它会引导你返回 /setup，根据实际获得面试机会的情况校准匹配度框架。

/rank：连接 /scrape 和 /apply：它会批量评分所有新抓取的职位发布（并行代理获取每个发布并评估五个维度），返回一个排序后的候选列表，并附带每个职位的诚实优势和不足。硬性限制条件会被否决，截止日期会获得紧急标记，已过期的职位会被标记为失效。选择一个编号后，它会移交至完整的 /apply 工作流。

/expand：通过扫描你个人资料中已链接的公开来源（GitHub 仓库、作品集网站、Kaggle、Google Scholar）并查找指定课程和认证的教学大纲，来丰富你的个人资料。发现的技能会附带来源标签添加到你的个人资料中。在 /setup 之后立即使用此命令，有助于挖掘文档本身未明确体现的技能。

/upskill：分析你的个人资料与已跟踪职位发布（或通过 /upskill 指定的单个发布）之间的差距。生成一个按优先级排序的技能差距热力图，以及一个包含网络搜索学习资源和时间估算的学习计划。适用于申请之间的职业规划。

/add-template：注册你自己的 LaTeX