CLI Career-Ops 本地优先的AI求职与岗位评估智能体

海投简历最消耗心力的，不是写材料，而是「判断该不该投」。一个岗位描述（JD）动辄几百字，你得先读懂它要什么人、自己和它差在哪、值不值得花一下午改简历。更现实的是，很多岗位根本不匹配，投了也是石沉大海，还要承受一次次被拒的消耗。career-ops-hq 开源的 Career-Ops 把这套「筛选—评估—准备」的流程做成了跑在你自己电脑里的 AI 求职智能体：粘贴一个 JD 或链接，它自动给岗位打分、指出你简历的缺口、生成针对性材料，全程数据留在本地，不上传到任何第三方。

它不是一个网页工具，而是一个直接装进你现有 AI 命令行（Claude Code、Codex、Qwen、OpenCode 等）的本地代理。项目采用 MIT 协议，JavaScript 编写，当前版本 career-ops-v1.38.0，最近更新在 2026 年 10 月 26 日，GitHub 星数已超过 7.7 万，是近期「AI 求职」方向最热门的开源项目之一，社区里许多正在求职的人把它当作日常标配。

项目基本信息

一、项目介绍

Career-Ops 的核心是一个统一的 /career-ops 命令，背后串起了岗位分类、A–H 八步评估、公司调研、STAR 故事生成和 PDF 导出。你只要贴一个 JD 链接或正文，它先判断岗位原型（LLMOps / Agentic / PM / SA 等），再逐项比对你的 CV，标出匹配度、能力缺口和需要补的素材。它还提供 Auto-Pipeline 模式，一条命令跑完「评估+报告+PDF+进度追踪」全流程，把原来要分好几步做的事收进一个工作流。

除了单条评估，它支持批量处理（pipeline 模式消费待处理队列）、funded 公司发现、终端仪表盘（TUI）浏览你的求职管道，以及用 claude -p / opencode run 做并行无头批处理。首次启动它会像招聘员入职一样，通过聊天了解你的 CV、目标和底线，之后越用越懂你，给出的建议也越来越贴身。

二、核心优势

第一，数据留在本地。每一次申请都不上传到作者服务器，隐私可控，适合处理含个人信息的简历。第二，评估结构化。八步法把「合不合适」变成可对照的清单，避免凭感觉海投。第三，材料一键生成。针对具体岗位产出定制版简历要点与面试故事，省去重复劳动。第四，融入你已有工作流。它寄生在你常用的 AI CLI 里，不用切到新工具。第五，免费可本地跑模型。官方明确支持预算内的本地/免费模型，不强制付费 API。

三、适用场景

最适合正在主动求职、且被海量 JD 淹没的人：用它快速过滤不值得投的岗位，把精力留给高匹配度机会；也适合需要反复定制简历与面试故事的转岗者。对招聘侧，它能反向帮你把 JD 写得更准。由于完全本地，它对重视隐私、不想把简历交给各家 SaaS 的用户尤其友好，也避免了简历被第三方留存的风险。

四、安装教程

最快捷的一行命令（需要 Node.js）：

npx @santifer/career-ops init

也可以全局安装后使用：

npm i -g @santifer/career-ops
cd career-ops
claude        # 或 codex / qwen / opencode，打开你的 AI CLI

若要用到 PDF 导出，额外装一次浏览器内核：npx playwright install chromium（非 Debian/Ubuntu 发行版需自行补系统库）。常见报错多为 Node 版本过低或 chromium 未装，按提示安装即可，无需复杂的环境变量配置。

五、使用示例

进入 career-ops 目录并打开 AI CLI 后，直接下指令：

/career-ops "Senior AI Engineer at Anthropic..."

智能体会输出该岗位的八步评估报告、与你的匹配度、建议补充的 STAR 故事，并用 pipeline 模式把结果写进本地进度表。你也可以让它扫描一批待处理链接：

/career-ops pipeline

真实的输入输出是：输入一个 JD，输出一份带评分、缺口清单和可投递材料建议的结构化报告，全程不离开你的机器，信息也始终留在本地磁盘上。

六、常见问题

问：我的简历会泄露吗？默认全部存本地，不上传作者方。问：一定要付费模型吗？不一定，官方提供免费/本地模型方案。问：PDF 生成失败？通常是缺 chromium，运行 playwright install 即可。问：能批量处理吗？用 pipeline 模式消费待处理队列，或用无头 CLI 并行跑。问：报告准吗？它给的是结构化参考，最终判断仍由你做。

七、总结

Career-Ops 把「该不该投、差在哪、怎么补」这件最费脑子的事，固化成了本地可复用的 AI 工作流。对正在求职、又不想把简历交给各家 SaaS 的人，这套 MIT 协议的开源智能体值得一试，让你把时间花在高匹配度的机会上，而不是重复地复制粘贴。