ai-job-search：让 AI 智能体替你海投简历

一个被裁员的地球物理学家，用 Claude Code 搭了一套求职流水线，然后靠它拿到了 AI 工程师的 offer——现在这个仓库一天涨 1,397 颗星，总量 33k。ai-job-search 不是又一个”AI 写简历”的包装玩具，而是一个跑在你自己机器上的完整求职框架：抓取职位、评估匹配度、定制简历、写求职信、准备面试，全流程用斜杠命令驱动。

先回答”它真的有用吗”

README 里最特别的一节标题就是”Does it actually work?”（它真的管用吗）。作者 Mads Lorentzen 的回答是他自己：2025 年底被裁后，他每周用自己的框架跑求职——/scrape 抓职位、/apply 定制申请、/interview 准备面试。最终数据：69 份定制申请，20 次第一轮面试，1 份签下的合同。2026 年 6 月，他入职成为 AI 工程师。更妙的是，他对每家雇主都坦白用了这套工具，结果”不但没减分，反而常常引发一场真正的技术对话”。

这段自证是项目爆火的核心原因。市面上 AI 求职 SaaS 不少，但大多是”上传简历、生成文本”的单点工具，而且要把你的职业数据交给云端。这个框架反着来：fork 仓库、把个人资料填进本地文件，所有数据留在自己机器上，输出是可编译的 LaTeX 简历和求职信。README 甚至专门警告：这项目没有任何关联加密货币或付费赞助计划，凡是声称有的都是骗局——这句免责声明本身就是对当前开源圈乱象的一记嘲讽。

图 1

双智能体互相挑刺，才敢投出去

工作流里最有含金量的设计是”起草者-评审者”管线：/apply 先由一个智能体根据职位 JD 重写简历和求职信，再由第二个评审智能体专门挑刺——批评、修订、再出终稿。框架还内置了职业指导的最佳实践：结构化评估标准、面向未来的求职信写法（不是复述过去，而是”你能为我们做什么”）、可选的薪资对标查询。简历编译成 PDF 后还会跑一遍 ATS（招聘系统）可解析性检查，用 pdftotext 验证关键词能不能被机器读出来。

README 里反复强调的一点是”档案深度决定输出质量”：只写职位头衔会得到平庸的定制结果，写出具体项目、工具、可量化成果，系统才能把你的经历精准重构给不同职位。它还支持”潜在机会发现”模式——分析你的完整职业史后，端出你自己没想到的转行路径。谁该用这个工具？正在求职的开发者是最直接的受众；但它真正的示范意义在于证明”fork 一个仓库当生产力工具”这条路走得通——不订阅、不上传数据、代码全开源。

局限与启示

也要说清楚门槛：需要 Claude Code CLI、Python 3.10+、Bun，还得装完整的 LaTeX 发行版（lualatex/xelatex）——为了编译一份简历装几个 G 的 TeX，对非技术用户并不友好。职位抓取目前只覆盖丹麦市场的主流门户（Jobindex 等），不过作者把模式设计成可替换的，社区已在适配其他地区的招聘网站，Codex、Gemini CLI 用户也有社区 fork。

推测起来，这个项目踩中的情绪点比功能更大：AI 浪潮让”我的工作还在吗”成为普遍焦虑，而一个被裁的地球物理学家用 AI 把自己面进了 AI 公司，这个叙事本身就是最好的 README。当招聘方也用 AI 筛简历时，求职者用 AI 写简历只是军备竞赛的起点——真正的问题留给读者：如果双方都是智能体在对话，人类面试官还相信屏幕对面是谁？

核心观点：正在求职的技术人值得花一个周末 fork 这套框架——重点不是省时间，而是把”每个职位定制一份简历”从做不到的事变成默认动作。69 份定制申请的漏斗数据证明：投递质量的杠杆比数量大得多。