文章目录
仓库地址：MadsLorentzen/ai-job-search
它更像一个“求职工作台”：你先把自己的经历、技能、目标岗位、写作风格整理进去，然后让 Claude Code 帮你做这些事：
一句话：它解决的不是“帮你一键拿 offer”，而是把混乱的求职流程变成一个可复盘、可迭代的系统。
求职最麻烦的地方，往往不是写一份简历。
真正痛的是：
ai-job-search 的第一性原理很简单：
求职不是一次性动作，而是一个循环。
资料输入 → 岗位筛选 → 匹配判断 → 定制申请 → 记录结果 → 反向优化。
这个仓库就是围绕这个循环搭起来的。
适合你，如果：
不太适合你，如果：
特别注意：这个仓库内置的很多岗位搜索工具偏丹麦市场，比如 Jobindex、Jobnet、Jobbank。中文全球读者不必纠结这些。最实用的用法是：
/apply 让系统评估和生成申请材料你需要准备几个工具。
这是整个工作流的运行环境。这个仓库本质上是给 Claude Code 准备的一套命令、技能和文件结构。
按仓库说明，可以通过 npm 安装：
npm install -g @anthropic-ai/claude-code主要用于可选的薪资查询工具。如果你不用薪资数据，也不会影响主流程。
检查版本：
python --versionWindows 上也可以试：
py --version仓库里的岗位搜索 CLI 用 Bun 运行。即使你不在丹麦，LinkedIn 搜索工具也会用到它。
Windows PowerShell：
powershell -ExecutionPolicy Bypass -c "irm https://bun.sh/install.ps1 | iex"这是很多新手最容易卡住的地方。
这个仓库会生成 .tex 简历和 cover letter，再编译成 PDF：
lualatexxelatexWindows 可以装 MiKTeX，macOS 可以装 MacTeX，Linux 可以装 TeX Live。
它用于 ATS 检查。
ATS 是很多公司用来筛简历的系统。它看的不是 PDF 长什么样，而是 PDF 里面的文字层能不能被正确提取。
如果你没装 pdftotext，系统会跳过机械检查，但主流程仍然能跑。
先 fork 或 clone 仓库：
gh repo fork MadsLorentzen/ai-job-search --clone
cd ai-job-search如果不用 GitHub CLI，也可以在 GitHub 页面手动 fork，然后 clone 自己的仓库。
接着安装岗位搜索工具依赖。PowerShell 里可以这样跑：
$tools = @("jobbank-search", "jobdanmark-search", "jobindex-search", "jobnet-search", "linkedin-search")
foreach ($tool in $tools) {
Set-Location ".agents/skills/$tool/cli"
bun install
Set-Location "..\..\..\.."
}然后进入仓库，启动 Claude Code：
claude在 Claude Code 里运行：
/setup/setup 是最重要的第一步。它会帮你建立个人求职档案。
它有三种方式：
读取 documents/ 文件夹
你把 CV、LinkedIn PDF、证书、推荐信放进去，它自动整理。
导入单份 CV
适合你暂时只有一份简历的情况。
访谈模式
它会一步步问你教育、经历、技能、目标岗位、偏好等信息。
新手推荐第一种：先把你的 master CV 和 LinkedIn 导出的 PDF 放进：
documents/cv/
documents/linkedin/然后运行 /setup。
资料越完整，后面生成的简历和 cover letter 越不像套话。
/setup建立和更新你的个人档案。
什么时候用：
/scrape搜索岗位。
但要注意：仓库内置的多个搜索工具偏丹麦市场。全球读者可以把它当作示例，不一定作为主入口。
你更常用的方式可能是自己去 LinkedIn、官网、Boss、猎聘、Indeed 等平台找岗位，然后把岗位描述复制给 /apply。
/rank当 /scrape 找到很多岗位时，用 /rank 批量评分，筛出更值得投的岗位。
它是初筛，不是最终判断。真正申请前，/apply 还会重新评估。
/apply这是最核心的申请命令。
用法：
/apply https://example.com/job-posting如果网页抓不到，直接粘贴岗位描述：
/apply [把完整 JD 粘贴在这里]它会先做匹配评估，包括：
然后它会问你要不要继续。
如果你同意，它才会生成：
这点很好，因为它不是鼓励你乱投，而是先帮你判断值不值得投。
/outcome记录一次投递的结果。
比如：
这一步很重要。
如果你不记录结果，系统永远不知道什么岗位真的适合你。记录多了以后，你可以重新跑 /setup，让系统根据真实反馈校准后续判断。
/expand从你公开资料里补充能力标签，比如 GitHub、作品集、Google Scholar、Kaggle 等。
适合资料比较丰富的人。
/upskill分析你的能力和目标岗位之间的差距，然后生成学习计划。
适合你发现很多岗位都卡在同一类技能上，比如云平台、MLOps、SQL、系统设计。
/add-template接入你自己的 LaTeX 简历模板。
默认模板能用，但如果你有自己的风格，可以用这个命令注册。
/add-portal接入本地招聘网站。
如果你不在丹麦，又想让系统自动搜索你所在国家的招聘网站，可以研究这个命令。它会尝试生成新的岗位搜索 skill。
假设你在 LinkedIn 看到一个岗位。
你可以这样做：
/apply [粘贴岗位描述]系统会先告诉你：
如果你觉得值得投，再让它继续生成材料。
它会生成针对这个岗位的 CV 和 cover letter，并检查 PDF 是否正常。它还会尽量确认 ATS 能读到你的邮箱、电话、关键词和经历。
这比“拿一份通用简历到处投”靠谱得多。
AI 不是魔法。你只给它职位名称，它只能写套话。
你要给它真实素材：
这个仓库认真做了 PDF 检查，所以 LaTeX 是核心依赖。
如果你只是想看文字，可以先跑通前半段。但真正生成可投递 PDF，还是要装好 LaTeX。
不用纠结。
这些内置工具展示的是“岗位搜索 skill 怎么写”。全球读者优先用 LinkedIn 或手动粘贴 JD。
短期看，编出来的简历可能更漂亮。
长期看，这会毁掉整个系统的判断。因为它会基于假资料继续推荐岗位、写 cover letter、准备面试。
这个工具最有价值的地方，是帮你更好地表达真实经历，而不是制造假经历。
很多人投递失败，不是因为能力不行，而是因为没有反馈闭环。
/outcome 看起来只是记一条结果，但积累几次以后，它能帮你看出：
第一天：
documents//setup每周：
/rank 或自己初筛每次申请：
/apply每次有结果：
/outcome 记录每个月：
/setupai-job-search 不是懒人海投神器。
它更像一个认真、细致、有记忆的求职助理。你给它越真实、越完整的资料，它越能帮你把经历翻译成岗位需要的语言。
对新手来说，最简单的开始方式就是：
/setup然后找一个真实岗位，复制 JD，跑：
/apply [岗位描述]先跑通一次，你就会明白它的价值。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。