Agent之OutstandingCase：Career-Ops的简介、安装和使用方法、案例应用之详细攻略
目录
[AI 求职流水线](#AI 求职流水线)
[在你自己的 AI CLI 里持续个性化调优'](#在你自己的 AI CLI 里持续个性化调优‘)
Career-Ops的 简介
Career-Ops（也写作 careerops）是一个把任意 AI coding CLI 变成"全功能求职指挥中心"的系统。仓库主页直接说明，它不是传统的表格式求职管理工具，而是一个 AI 驱动的流水线：可以评估岗位、生成定制 PDF 简历、自动扫描招聘门户、并行批量处理职位，还能把所有结果记录到单一事实源中。
README 还强调了它的定位不是"广撒网式投递工具"，而是一个过滤器：帮助你从大量岗位里挑出真正值得投入时间的少数机会；系统也明确建议，不要申请评分低于 4.0/5 的职位，并且在提交前始终需要人工复核。
从项目背景看，这套系统最初是作者亲自用来评估 740+ 个 job offers、生成 100+ 份定制 CV，并最终拿到 Head of Applied AI 岗位的；仓库还说明它既能运行在 Claude Code 上，也能运行在其他符合 agent-skill 标准的 CLI 上。
Github地址 ：https://github.com/santifer/career-ops
1、特点
|-----------------------|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 结构化多维评估体系 | 使用 A-F 评分系统，基于 10 个加权维度 评估岗位。功能上细化为 6-block evaluation（包含 role summary、CV match、level strategy、comp research、personalization、interview prep（STAR+R）），并额外增设 Block G（posting-legitimacy check），用于识别 scam（诈骗）和 ghost job（虚假招聘）。 |
| 自动化与人工决策结合 | 明确采用 Human-in-the-Loop 机制：AI 负责分析和建议，最终是否申请由用户决定，系统不会自动替用户提交申请，该原则在 README 中被反复强调。 |
| 求职材料自动定制 | 针对每个岗位自动定制材料：支持 ATS PDF Generation 和 Cover Letter Generator（根据岗位描述做关键词映射，通过 HTML + Playwright 管线生成 A4 PDF）；CV 会按每个岗位注入关键词，并使用 Space Grotesk 和 DM Sans 版式。 |
| 求职过程知识沉淀 | 维护 Interview Story Bank，持续积累 STAR+Reflection 故事；同时提供 Negotiation Scripts，用于薪资谈判、地域折扣反驳，以及利用 competing offer 增强议价能力。 |
| 自动爬取与批量处理 | 支持自动扫描 Greenhouse、Ashby、Lever 和公司官网；支持 10+ offers 并行评估，利用 sub-agents 做 batch processing。Portal Scanner 预置了 45+ 家公司（如 Anthropic、OpenAI、ElevenLabs、Retool、n8n），并支持跨 Ashby、Greenhouse、Lever、Wellfound 的自定义查询。 |
| "单一事实源"全流程管理 | 将所有内容记录到 single source of truth，并配合 integrity checks。DATA_CONTRACT.md 进一步将文件分为 User Layer（不应被自动更新）和 System Layer（可随版本升级安全替换），严格区分管理权限。 |
| 多 AI CLI 直接集成 | 支持 Claude Code、Gemini CLI、OpenCode、Codex、Qwen、Antigravity CLI 等多个 AI CLI；提供统一的 /career-ops 命令和 15 个 slash commands，底层复用同一套 modes/*.md 评估逻辑。 |
Career-Ops的安装和使用方法
1、安装
1）最快速的安装方式
仓库给出的最快方式是一条命令：
npx @santifer/career-ops initREADME 说明 npx 会只运行一次安装器，而不会把包全局安装；执行后会把最新 release 克隆到 ./career-ops 并安装依赖。
2）初始化后如何进入项目
初始化完成后，README 建议：
cd career-ops
claude # 或 gemini / codex / qwen / opencode / agy首次启动时，系统会通过聊天引导你完成设置，包括你的 CV、个人档案和目标职位；README 强调这一步不需要手动编辑太多文件。
3）手动安装方式
如果你更倾向手动部署，README 提供了完整步骤：
git clone https://github.com/santifer/career-ops.git
cd career-ops && npm install
npx playwright install chromium # 仅用于 PDF 生成
npm run doctor
cp config/profile.example.yml config/profile.yml
cp templates/portals.example.yml portals.yml然后在项目根目录创建 cv.md，再打开 Claude Code 或 OpenCode，让 AI CLI 根据你的职业方向去调整 archetypes、语言、公司列表和个人资料。
2、使用方法
1）使用时的基本流程
README 给出的推荐流程是：先配置好个人档案和简历，再把岗位 URL 贴进去，或者直接运行 /career-ops。如果使用 Gemini CLI，README 还给出了更具体的统一命令，例如 /career-ops pipeline、/career-ops scan、/career-ops pdf、/career-ops tracker。
2）系统文件如何组织
DATA_CONTRACT.md 把仓库的文件分成两层：User Layer 和 System Layer。User Layer 包含 cv.md、config/profile.yml、modes/_profile.md、article-digest.md、portals.yml、data/applications.md、reports/*、output/* 等，这些文件存你的个人数据和工作成果，更新时不会被自动修改；System Layer 则包含 modes/_shared.md、modes/pdf.md、modes/scan.md、modes/batch.md、modes/apply.md、dashboard/*、templates/*、docs/*、.claude/skills/*、.opencode/skills/*、.qwen/skills/*、.antigravitycli/skills/* 等，这些属于系统逻辑和可自动升级部分。
3）可用的核心功能入口
README 的 features 区域列出了完整能力：Auto-Pipeline、6-Block Evaluation、Interview Story Bank、Negotiation Scripts、ATS PDF Generation、Cover Letter Generator、Portal Scanner、Batch Processing、Dashboard TUI、Human-in-the-Loop、Pipeline Integrity。实际使用时，这些能力对应的是"贴 URL 即跑一条评估流水线""批量处理多个 offer""生成简历 PDF""查看与筛选 pipeline""做岗位合法性检查"等一整套动作。
Career-Ops的案例应用
AI 求职流水线
Career-Ops 最典型的应用场景，是把手动刷岗位、记表格、写简历、改 cover letter 的流程自动化为一个 AI 求职流水线。README 直接写明，过去你可能会在 spreadsheet 里手工追踪申请，而现在系统会自动做评估、生成 PDF、扫描门户并记录结果。
从大量岗位里筛出值得申请的少数机会
系统不是为了"多投"，而是为了过滤：它会基于 A-F 评分和 10 个维度判断岗位与个人画像的匹配度，并建议你优先考虑评分更高的岗位。
为每个岗位生成定制化简历和求职信
README 写到它能生成 ATS 优化 PDF 简历、根据岗位关键词注入内容，并且支持 cover letter 自动草稿和按需生成；这对需要高质量个性化投递的候选人尤其有用。
岗位合法性与风险排查
6-block evaluation 里专门包含 Block G，用来检查 posting legitimacy，标记 scam 和 ghost jobs，适合在申请前先排掉明显不靠谱的职位。
面试准备与谈判策略沉淀
系统会积累 STAR+Reflection 故事库，还会生成面试 prep 和 salary negotiation scripts，这意味着它不只是"帮你找工作"，还会把后续面试、议价环节一起纳入。
批量处理和多岗位并行分析
README 明确写到它支持 10+ offers 并行评估，DATA_CONTRACT.md 和功能表里也说明了 batch、tracker、pipeline、scan 等系统模块，适合有大量岗位待筛的求职场景。
在你自己的 AI CLI 里持续个性化调优'
README 强调系统设计成可以由 AI coding CLI 自己来改：你可以让它把 archetypes 改成后端工程、把模式翻译成英文、把某些公司加入 portals.yml，或者根据你新的 CV 更新个人档案。也就是说，它不仅能用，还能被"边用边改"。