找工作这件事，最累的不是面试，是--
重复。
每一份职位，你都要：读 JD、判断匹不匹配、改简历、写求职信、准备面试问题。
投十个岗位，这套流程来十遍。精疲力竭，还容易糊弄。
有人把整套求职流程做成了一个 Claude Code 框架。
fork 下来，填好你的资料，剩下的交给 Claude--评估匹配、改简历、写求职信、备面试。
这个仓库叫 ai-job-search
，目前 GitHub 1.2 万星，MIT 协议，作者是 Mads Lorentzen。
今天这篇，我们就用一篇公众号文章，把它讲清楚：
○ 它到底是什么
○ 核心工作流是怎么跑的
○ 最硬核的设计在哪
○ 怎么上手
○ 适合谁用、有什么要注意
它到底是什么？
一句话版：
ai-job-search 是一个基于 Claude Code 的 AI 求职框架，你 fork 之后填好个人资料，让 Claude 帮你评估岗位、定制简历、写求职信、准备面试。
它不是又一个聊天壳子，而是一套结构化的工作流：把 Claude Code 变成一个“全栈求职助手”。
核心工作流是语言和国家无关的--评估、起草这套逻辑放之四海皆准。
它自带的是丹麦几个招聘门户（Jobindex、Jobnet 等）的抓取技能，但作者明确说了：这套模式设计出来就是给你替换成本地招聘网站的。
所以它的定位很清楚：一个可复用、可本地化的求职自动化框架。
核心工作流：三段式
整个框架围绕三个核心命令转：
/setup
-- 录入你的画像
第一次用，先填资料。
它提供三条路径，自动检测你有什么：
○ 有 documents/
文件夹（CV PDF、领英导出、学历证、推荐信、过往申请）--它直接读
○ 贴一份现成 CV 进对话--它导入
○ 都没有--走一段结构化访谈，一点点问出来
资料越详细，后续产出越精准。这是后面所有质量的根。
/scrape
-- 搜岗位
搜多个招聘门户，按你的画像匹配，去重，按匹配度排序呈现。
岗位太多看不过来时，还有个 /rank
--批量给所有抓到的岗位打分（五个维度并行评估），给你一个排好序的短名单，再挑着投。
/apply <url>
-- 投一个岗位
给一个职位链接（或直接粘贴 JD 全文），跑完整流程：
1. 解析职位
2. 评估匹配度（技能、经验、文化、地点、职业方向）
3. 起草定制的 CV 和求职信（LaTeX）
4. 派一个 reviewer agent 去调研公司、批评草稿
5. 根据反馈修订
6. 编译并检查两个 PDF
7. ATS 检查
8. 给出最终产出和核对清单
一条命令，从看到岗位到拿到可投的材料。
最硬核的设计：PDF 验证循环
这是这个框架和“随便让 AI 写个简历”最大的区别。
大多数 LaTeX 简历模板的通病是：.tex
看着没问题，编译出来的 PDF 一塌糊涂--标题孤行到下一页、求职信溢出第二页、项目符号字体悄悄回退成正文体。
/apply
不只是写 .tex
，它会真的编译、真的看渲染结果、真的修：
○ CV 强制 2 页，没有孤行标题
○ 求职信强制 1 页，签名可见、字体一致
○ 用 lualatex 编 CV、xelatex 编求职信（避开现代 MiKTeX 上 fontawesome5 的坑）
这个“编译 -> 检查 -> 修 -> 再编译”的循环每次申请都自动跑，保证你拿到的不是“看着能投”，而是“真能投”。
第二个硬核设计：ATS 文本层验证
ATS（招聘管理系统）读的不是渲染后的页面，而是 PDF 里嵌的文本层。
而 LaTeX 经常静默地生成文本层是乱码的 PDF--邮箱位置变成图标字形、多栏布局的行交错在一起。
/apply
会用 pdftotext
把编译后的 CV 文本层抽出来，按 ATS 看到的样子检查：
○ 联系方式是不是可读的纯文本
○ 阅读顺序对不对
○ 这个岗位的关键词覆盖率多少
而且守一条“诚实规则”：你资料里真没有的关键词，会被如实标成缺口，绝不硬塞进去。
这点很重要--很多 AI 简历工具的问题就是无中生有，这个框架明确拒绝造假。
第三个硬核设计：drafter-reviewer 双 agent
起草和评审是两个独立的 Claude agent。
起草 agent 写完，reviewer 拿着全新上下文去调研这家公司、再批评草稿。然后起草 agent 根据反馈修订。
为什么要分开？
单 agent 一遍过，最容易留下：漏掉关键词、框架太弱、语言太套话。
加一个独立的“挑刺的”，能把这些捞回来。这比一个人闷头搞强得多。
作者还很在意 token 成本：reviewer 直接内联读草稿，不重新拉一遍；核对清单只在工作流末尾跑一次，不两个 agent 重复跑。
还有几个实用命令
核心三件套之外，还有六个：
○ /outcome
-- 记录一个申请的结果（面试到哪步、offer、拒信、石沉大海），归档材料，更新追踪表。攒几条之后，它会提示你回 /setup
校准评估框架--用“哪些真拿到面试了”来修正判断。
○ /rank
-- 给抓到的岗位批量打分，出排好序的短名单。
○ /expand
-- 扫你资料里链接的公开来源（GitHub、作品集、Kaggle、Scholar），把没写明的技能补进画像，带来源标签。
○ /upskill
-- 分析你画像和目标岗位的差距，出一张优先级热力图 + 学习计划（带网搜学习资源和时间估算）。求职空档期做职业规划很好用。
○ /add-template
-- 注册你自己的 LaTeX 简历/求职信模板，替换自带的。
○ /add-portal
-- 给你本地的招聘网站生成一个抓取技能。
/add-portal
特别值得一提：你给它一个本地招聘网站，它会自己去摸清搜索 URL 规律、结果页结构、robots.txt/访问规则，照着自带的那套脚手架出一个 CLI 技能，还先跑一次真实查询验证再注册。需要登录的门户直接拒掉，条款严苛的会标“仅个人使用”警告。
怎么上手？
前置条件：
○ Claude Code（CLI）
○ Python 3.10+
○ Bun（跑招聘门户的 CLI 工具）
○ LaTeX 发行版，带 lualatex
和 xelatex
（TeX Live 或 MiKTeX）
○ 可选：pdftotext
（poppler），用于 ATS 检查，没装会降级成视觉关键词复核
步骤：
# 1. fork 并 clone gh repo fork MadsLorentzen/ai-job-search --clone cd ai-job-search # 2. 装招聘搜索工具 cd .agents/skills/jobindex-search/cli && bun install && cd ../../../.. # （其余几个门户同理） # 3. 录入资料 claude # 进入 Claude Code 后： /setup # 4. 搜岗位 /scrape # 5. 投一个 /apply https://jobindex.dk/job/1234567
链接抓不到时（有些门户挡自动化），可以直接粘 JD 全文：
/apply <把 JD 全文粘在这里>
适合谁用？要注意什么？
如果你满足下面任意一条，值得试：
○ 正在找工作，想用 AI 把重复的申请流程自动化
○ 想要“能真投出去”而非“看着像”的简历和求职信
○ 投海外岗位，尤其丹麦/北欧市场（自带门户）
○ 想做求职技能差距分析和学习计划
几个要注意的点：
○ profile 深度决定一切：薄资料出糊弄货，详细资料才能真定制。别只写职位名，要写具体做了什么、用了什么工具、有什么可量化的成果。
○ LinkedIn 工具是灰色地带：仓库自带的 linkedin-search
走的是 LinkedIn 公开未认证接口，违反其 ToS，作者明确说仅限个人使用、控制频率。别拿去批量爬。
○ LaTeX 是核心：这套流程深度绑 LaTeX 简历。如果你不用 LaTeX，要自己换模板（/add-template
）。
○ 核心流程国家无关，门户要换：丹麦那几个门户对你未必有用，用 /add-portal
适配本地招聘网站。
最后一句
ai-job-search 代表的是一种很实在的取向：
把求职里那些重复、消耗人但不需要创造力的环节，交给 AI 自动化。
它的设计有几个很懂行的点：
○ 不造假（缺关键词就标缺口）
○ 看结果不看源码（PDF 编译验证循环）
○ 双 agent 互相挑刺（drafter-reviewer）
○ 从结果反推校准（/outcome
回喂 /setup
）
这比“让 AI 帮我写封求职信”深得多，是一整套可迭代的求职工程。
如果你正在找工作，花一个晚上把它 fork 下来填好资料，后面每个岗位能省下不少重复劳动。
如果这篇对你有帮助，欢迎点个在看。 也可以留言聊聊：你求职时最想自动化的是哪一步？
参考资料/来源
https://github.com/MadsLorentzen/ai-job-search
