AI Job Search 是什么
ai job search 是一个基于 claude code 构建的开源 ai 驱动求职框架。用户可通过 /setup 指令构建详尽的职业档案，利用 /scrape 功能智能抓取并评估岗位匹配度，再通过 /apply 启动“起草-复审”双代理协同流程，自动生成高度个性化的 latex 简历与求职信。该框架强调：档案越深入，输出越精准；支持职业路径挖掘，并可灵活适配全球主流招聘平台。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
AI Job Search 的核心功能
- 智能职业档案构建：支持交互式问答引导或现有简历导入，自动提炼教育经历、硬软技能、行为特质及长期职业愿景，形成标准化、可扩展的职业数字档案。
- 多源职位匹配与筛选：实时爬取多个招聘平台岗位数据，依据技能重合度、经验年限、公司文化关键词等多维指标打分排序，自动去重后推送高契合度机会。
- 双代理驱动的申请材料生成：依托“起草代理”解析JD并初稿撰写，“复审代理”独立调研企业背景、验证事实逻辑、优化叙事结构，最终输出经双重校验的 LaTeX 简历与求职信。
- STAR 行为面试辅助系统：基于用户真实项目与经历，自动生成符合 STAR（情境-任务-行动-结果）模型的案例库，并提供应答模板、常见问题预测与表达技巧提示。
- 跨域职业路径推荐：深度挖掘可迁移能力图谱与历史角色演进轨迹，识别潜在适配的新行业、新职能或复合型岗位，拓展职业可能性边界。
- 动态薪资对标分析：集成第三方薪酬数据库接口，结合地域、职级、行业维度生成市场薪资区间报告，为谈薪阶段提供客观数据支撑。
如何使用 AI Job Search
- 环境搭建：安装 Claude Code CLI 工具、Python 3.10 或更高版本、Bun 运行时，以及完整 LaTeX 发行版（如 TeX Live 或 MiKTeX）。
-
获取代码：执行
gh repo fork MadsLorentzen/ai-job-search --clone完成仓库 Fork 并本地克隆。 -
安装平台插件：进入对应招聘平台 CLI 子目录（例如
jobindex-search/cli），运行bun install安装依赖。 -
初始化个人档案：启动
claudeCLI，输入/setup，按提示完成背景信息录入或上传已有简历，系统将结构化生成职业档案。 -
执行岗位扫描：调用
/scrape命令，自动拉取目标平台最新职位并完成智能匹配评分。 -
发起职位申请：输入
/apply或直接粘贴目标 JD，触发双代理工作流，一键生成定制化申请文档。
AI Job Search 的独特优势
- 双代理质量闭环：采用分离式“起草+复审”架构——起草代理专注内容生成，复审代理则独立开展公司研究、逻辑审查与事实核查，杜绝主观臆断与虚假包装。
- 强真实性约束机制：所有输出严格锚定用户原始档案，禁止任何虚构技能、项目或成果；每处陈述均可回溯至档案条目，保障材料可信、可验证、经得起背调。
- 深度档案决定输出精度：输出颗粒度直接受输入信息丰富度影响；详述具体技术栈、量化成果、协作角色等细节，将显著提升生成内容的专业性与针对性，彻底告别泛化模板。
- 职业跃迁洞察力：不仅匹配相似岗位，更通过技能网络建模与职业演化分析，揭示隐藏于过往经历中的跨领域潜力，助力转行、跨界或新兴赛道切入。
- 专业级排版交付能力：原生支持 LaTeX 输出，兼顾学术严谨性与视觉专业性；提供主题模板切换与源码级编辑权限，满足高端技术岗、科研岗等对格式与术语零容错的严苛要求。
AI Job Search 的项目地址
AI Job Search 与主流工具对比
| 对比维度 | AI Job Search | LoopCV | Teal |
|---|---|---|---|
| **产品定位** | 开源智能求职框架 | 全自动批量申请平台 | 求职跟踪与优化工作台 |
| **技术架构** | 基于 Claude Code CLI 的本地框架 | SaaS 云平台 | SaaS 云平台 |
| **自动化程度** | 半自动（需执行 /apply 命令触发） | 全自动（7×24 小时后台持续申请） | 手动（单份优化辅助） |
| **定制化能力** | 极高（LaTeX 源码级定制，双代理重构叙事） | 中等（基于档案自动填充字段） | 中高（模块化编辑建议） |
| **真实性保障** | **双代理核验**（审查代理确保零虚构） | 依赖用户预设档案准确性 | 用户自行确保，AI 提供优化建议 |
| **技术门槛** | **高**（需配置 Python、Bun、LaTeX 环境） | **低**（纯网页操作） | **低**（浏览器扩展 + 网页） |
AI Job Search 的典型应用场景
- 高质量规模化投递：面向需高频申请数十甚至上百岗位的求职者，兼顾效率与个性化——每份申请均基于目标公司语境重构叙事，避免“海投即海废”。
- 跨行业转型攻坚：适用于计划从传统行业切入 AI、ESG、Web3 等新兴领域的人群，借助路径发现功能，将原有经验转化为目标领域的竞争力证据链。
- 复杂履历结构化整合：适合自由职业者、连续创业者或多线程项目参与者，通过档案建模将碎片化成果组织为连贯、有力的职业成长主线。
- 行为面试系统备战：针对咨询、金融、科技类企业高频使用的 STAR 面试法，快速生成覆盖多场景的真实案例集，并同步输出公司研究摘要与提问预判。
- 高门槛专业岗位求职：服务于博士、研究员、架构师等需精准呈现技术深度与学术贡献的群体，以 LaTeX 保证公式、图表、参考文献等专业元素的规范呈现。
