跳转到内容
全部开发指南

ai-job-search 教程：用 Claude Code 搭一套求职工作流，从建档、搜职位到定制简历和求职信

AIGoCode发布于 更新于

ai-job-search 教程：用 Claude Code 搭一套求职工作流，从建档、搜职位到定制简历和求职信 封面

找工作时最耗精力的往往不是面试，而是前面的重复劳动：每天刷好几个招聘网站，判断哪些职位值得投，再针对每个职位改一版简历、写一封求职信。投得越多，越容易变成复制粘贴，质量也跟着下降。

ai-job-search（GitHub 仓库 ai-job-search-dev/ai-job-search，MIT 协议）把这套流程整理成了 Claude Code 里的一组命令。作者是一位地球物理学背景的工程师，2025 年底岗位被裁后，他用这套工作流做自己的求职：投出 69 份定制申请，拿到 20 次初面，最后签下一份 AI 工程师的工作。项目与 Anthropic 没有关联。

这篇按实际使用顺序，讲清楚它需要什么环境、怎么安装、各个命令做什么，以及 /apply 是怎么生成简历和求职信的。

它能做什么

核心流程由 6 个命令串起来，从空白档案一直走到记录结果：

  1. /setup：建立你的个人档案；
  2. /scrape：在招聘网站上搜索匹配的职位；
  3. /rank：给搜到的职位批量打分，排出候选清单；
  4. /apply：评估匹配度，起草、评审并编译定制的简历和求职信；
  5. /interview：针对具体面试轮次准备资料，并可以做模拟面试；
  6. /outcome：记录每份申请的结果，并在需要时起草跟进邮件。

ai-job-search 的主要命令按求职顺序排列

其中建档、匹配评估和"起草加评审"的申请流程与语言、国家无关。仓库自带的招聘网站搜索工具是针对丹麦市场做的，但可以按同样的模式换成你所在地区的招聘网站。

准备环境

开始之前需要准备这几样：

  • Claude Code：没有免费额度，需要 Claude Pro、Max、Team 订阅，或者 Anthropic API 额度；
  • Python 3.10 及以上：运行 tools/ 目录里的脚本；
  • Bun：运行各个招聘网站的搜索命令行工具；
  • LaTeX 发行版：需要包含 lualatex 和 xelatex，可以选 TeX Live、MacTeX、TinyTeX 或 MiKTeX。简历用 lualatex 编译，求职信用 xelatex 编译；
  • pypdf（可选）：用于 /apply 里的 ATS 可读性检查。没装的话会退而使用 Poppler 的 pdftotext，两个都没有时只做人工式的关键词检查。

用的是 Codex、Gemini CLI 等其他 Agent 工具的话，官方建议从仓库里的 AGENTS.md 开始看，招聘网站搜索工具可以直接用，完整工作流有社区做的适配版本。

第一步：获取代码，注意隐私

官方给出的方式是 fork 后克隆：

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

这里有一个很重要的提醒：公开仓库的 fork 永远是公开的，GitHub 不允许把它设成私有。而 /setup 会把你的姓名、联系方式、工作经历、期望薪资写进会被 Git 跟踪的文件里。

所以如果只是自己求职、不打算给项目贡献代码，官方建议改用一个私有仓库，再把原仓库添加为 upstream 远程，用来接收后续更新。具体做法在仓库 SETUP.md 的第 8 节。只在本地提交、不推送也可以。追踪表、薪资数据、documents/ 目录和申请存档这些最敏感的文件已经被加入了忽略列表，不会进入 Git。

第二步：安装搜索工具

在仓库根目录执行：

python3 tools/install_portal_clis.py

这个脚本会给 .agents/skills/ 下的每个招聘网站命令行工具执行依赖安装。安装时会禁用安装脚本，遇到声明了安装期生命周期脚本等可疑配置的工具会跳过并报告，加 --dry-run 参数可以先看它要装什么。

第三步：用 /setup 建立档案

在仓库目录启动 Claude Code，然后输入 /setup。它提供三种建档方式，会自动判断你手上有什么材料再询问：

  1. 读取 documents/ 文件夹，里面可以放简历 PDF、LinkedIn 导出文件、学位证书、推荐信、过去的申请材料；
  2. 直接在对话里粘贴一份简历；
  3. 通过一问一答的访谈来建立档案。

使用文件夹方式时可以反复运行，补充了新材料再跑一次即可。

第四步：搜索并筛选职位

输入 /scrape，它会在多个招聘网站上搜索和你档案匹配的职位，去重后按匹配度排序。看中哪个可以直接对它运行 /apply。搜到的职位太多时，先运行 /rank：它会用匹配框架给所有新职位批量打分，给出每个职位的优势和差距，硬性排除条件直接否决，临近截止的会标出来，失效的职位标为过期。

仓库自带的搜索工具包括：

  • 4 个丹麦招聘网站：Jobbank、Jobdanmark、Jobindex、Jobnet；
  • linkedin-search：基于 LinkedIn 公开的免登录接口，用参数指定地点，比如 -l "Remote"，适用于任何地区。不过自动访问违反 LinkedIn 的服务条款，官方明确说只适合个人使用，而且要控制访问量；
  • freehire-search：调用 freehire.me 聚合站的公开 REST 接口，偏向软件、数据、工程、DevOps 和远程岗位，返回的是结构化数据。

不在丹麦的话，可以用 /add-portal 给本地的招聘网站生成一个搜索工具。它会先研究这个网站的搜索地址格式、结果页结构和访问规则，按现有工具的结构搭好，再实际跑一次查询，确认可用后才注册。需要登录才能访问的网站会被拒绝。

第五步：用 /apply 生成简历和求职信

/apply 后面可以跟职位链接，也可以在链接打不开时直接粘贴职位描述全文。它会跑完下面这套流程：

  1. 解析职位描述；
  2. 从技能、经验、文化、地点、职业方向几个维度评估匹配度；
  3. 用 LaTeX 起草定制的简历和求职信；
  4. 启动一个评审 Agent，调研公司并挑出草稿的问题；
  5. 根据评审意见修改；
  6. 编译两份 PDF，并查看渲染结果反复调整，直到简历正好 2 页、没有孤立的条目标题，求职信正好 1 页、签名可见、字体一致；
  7. 对简历做 ATS 检查：提取 PDF 的文字层，按招聘系统解析的方式确认联系方式是可识别的文字、没有乱码、阅读顺序正常，再统计职位关键词的覆盖情况；
  8. 附上核对清单输出最终结果。

/apply 的完整流程：从解析职位到 ATS 文字层检查

这套流程有几条硬性原则。简历和求职信里的所有内容都会对照你的真实档案核验，不会编造技能或经历。档案确实支持的关键词才会补进去，真正的差距会如实保留，绝不硬塞关键词。简历超过 2 页时，也不是机械地从最早的经历开始删，而是按"和目标职位的相关度、在文中是否重复、求职信是否依赖它"综合打分，先删得分最低的那一行。

另外，职位描述被当作不可信的输入。工作流不会执行里面嵌入的指令，也不会访问正文里的链接，并且会先检查隐藏文字、不可见字符这类可疑内容。不过官方也提醒，这些防护是指令层面的，并不是沙箱，在不熟悉的招聘网站上，发出申请前最好自己看一遍抓取和生成的内容。

其他命令

核心流程之外，还有这些命令可以按需使用：

  • /interview：根据申请存档（当时的职位描述、提交的简历和求职信、之前轮次的反馈）准备面试资料，把可能的问题对应到你的 STAR 案例，并可以进行模拟面试；
  • /outcome：记录面试进展、录用或拒绝，存档提交过的材料；/outcome followup 会找出 10 天没有回音的申请，起草跟进邮件，但只起草不发送；
  • /gmail-sync：从 Gmail 读取面试邀请、录用、拒绝等信号，批量提出状态更新建议，经你确认后才写入；
  • /notion-sync：通过官方 Notion MCP 把求职进度单向同步到 Notion 数据库，方便在手机上查看；
  • /html-report：生成一个可以离线打开的 HTML 求职看板；
  • /expand：扫描档案里已经关联的公开资料（比如 GitHub、个人网站），补充档案里没写出来的技能；
  • /upskill：分析你和目标职位之间的技能差距，给出学习计划；
  • /add-template：注册自己的简历或求职信模板；
  • /reset：清空档案或文档，执行前会列出要删除的内容，需要输入确认词才会执行。

适合谁用

  • 投递量大、想把每份申请都做定制，但不想每次从零改简历的人；
  • 已经在用 Claude Code，想看看一个完整的多 Agent 工作流是怎么组织的开发者；
  • 想把这套模式改造成自己所在地区招聘网站版本的人。

这个仓库本身也是学习 Claude Code 项目结构的好例子：命令、Skill、CLAUDE.md 都在里面。想先弄清这些配置分别放在哪里，可以看 Claude Code 的 .claude 文件夹怎么配？

在 AIGoCode 上接入 Claude Code 后，就可以按上面的步骤把 ai-job-search 跑起来。

参考链接