让 Claude 帮你找工作：这个开源库把求职变成自动线
让 Claude 帮你找工作：这个开源库把求职变成自动线
GitHub 上刚火了一个叫 ai-job-search 的开源项目，它把 Claude Code 变成能自己筛岗位、写简历、做模拟面试的求职助理。我的判断是：它不是替代人，但确实把求职里最耗时的“定制化”环节从几小时压到几分钟，擅用 AI 的求职者会因此拿到不对称优势。
先看发生了什么
据 GitHub 仓库 MadsLorentzen/ai-job-search 的 README 介绍，这是一个基于 Claude Code 构建的 AI 求职申请框架，上线三个多月已有 8,800+ Star。开发者是丹麦工程师，默认的岗位搜索模块对接的是丹麦求职市场，但整个工作流——自我画像、匹配评估、简历生成——被刻意设计成“语言和国家无关”，替换成本地招聘网站就能用。为方便理解，下面把它当做一套求职自动化“工具组”来展开。
先读懂你，再替你去看岗位
/setup 命令支持三种方式建立你的完整画像：读取文档文件夹、粘贴现有简历、或对话式问答。它会自动识别已有材料，把学历、技能、项目经历、求职偏好整理成结构化档案。这不是简单的简历解析，而是把“你是谁、能干什么、想往哪走”变成后面所有自动步骤的决策基础。
找岗位不只是关键词匹配，它给每个机会打分
/scrape 在多个招聘网站搜索，去重后按匹配度排序展示结果——不是丢给你一堆链接，而是直接用你的自画像去衡量每个岗位。匹配评分让决策变得可重复，而不是被第一条看着还行的岗位牵着走。虽然默认搜的是丹麦网站，但 README 明确把它设计为可替换模式，相当于给出了分布式搜索技能的标准件。
一个负责写，另一个负责挑刺
/apply 是重头戏：它调用两个 Claude 代理协同工作。起草者根据你的画像和岗位描述生成 LaTeX 排版的简历和求职信，可以自动做 ATS 扫描检查，再把稿件交给审查者代理逐条评判，然后根据反馈修改，最后输出终稿。我的判断是，这种“先写后审再改”的设计，本质上是把求职顾问和简历工作室塞进了一个命令行——虽然它不能代替人对自身经历的判断，但能消灭大量格式调整和用词纠结的重复动作。
帮你发现软肋，再给你补课方案
/upskill 命令会对照你追踪的岗位要求，分析当前的技能差距，输出一份优先级热力图与学习方案，甚至找好公开学习资源并给出时间预估。这不是简单的“你缺 Python”提示，而是把求职主动规划变成一种可持续的周期行为，让这套框架的价值超出投递本身。
| 命令 | 功能 | 核心价值 |
|---|---|---|
| /setup | 建立个人画像 | 从材料中提炼结构化档案 |
| /scrape | 搜索并打分岗位 | 用自画像匹配，而非关键词 |
| /apply | 双代理协作生成申请 | 起草+审查，消灭重复劳动 |
| /upskill | 分析技能差距 | 给出学习方案与时间预估 |
谁该关注
适合正在主动求职且能熟练使用命令行和 Claude Code 的开发者，尤其是需要频繁投递海外或全英文岗位的人；不适合对技术工具链完全陌生，或网络环境无法稳定访问 Claude API 的读者。目前还不能说它能取代任何人的决策，但至少在时间和质量上有实感提升。
最后说两句
ai-job-search 的模式代表了一种趋势：让 AI 接管求职流程中低决策却高重复的环节，而最后的判断权仍交给申请者本人。如果你关心 AI 如何改变知识工作的分工，这个库是一个不错的观察样本。下一篇我们会继续追踪 AI 代理在个人生产力领域的落地动向，欢迎保持关注。