AI Job Search是什么

AI Job Search是基于Claude Code的开源AI求职框架，通过/setup建立详细职业档案，/scrape智能评估职位匹配度，/apply启动”起草-复审”双代理工作流，自动生成定制化的LaTeX简历与求职信。框架强调档案深度决定输出质量，支持职业路径发现，可适配不同地区招聘平台。

AI Job Search的主要功能

• 智能档案建立：通过交互式访谈或导入现有简历，自动生成涵盖教育背景、技能、行为评估及职业目标的结构化职业档案。
• 职位匹配与搜索：自动抓取多平台职位信息并基于技能、经验、文化契合度等维度智能评分，去重后推荐最匹配的工作机会。
• 双代理申请材料生成：运用”起草-复审”双代理工作流解析职位要求，自动生成经过事实核验的高度定制化 LaTeX 简历与求职信。
• 面试准备辅助：基于个人真实经历自动生成 STAR 行为面试案例库，提供结构化面试应答框架与技巧指导。
• 职业路径探索：通过深度分析可转移技能与历史工作模式，智能推荐用户未曾考虑的跨行业或新兴职业机会。
• 薪资基准对标：支持对接外部薪资数据集进行市场水平分析，为薪酬谈判提供数据参考依据。

如何使用AI Job Search

• 环境准备：安装 Claude Code CLI、Python 3.10+、Bun 和 LaTeX 发行版（TeX Live 或 MiKTeX）。
• Fork 并克隆仓库：gh repo fork MadsLorentzen/ai-job-search --clone。
• 安装搜索工具：进入各职位平台 CLI 目录（如 jobindex-search/cli）运行 bun install。
• 建立个人档案：运行 claude 进入 CLI，执行 /setup 命令，通过交互式访谈或导入现有简历填写背景、技能和职业目标。
• 搜索职位：执行 /scrape 自动抓取多平台职位并评估匹配度。
• 申请职位：执行 /apply <职位链接> 或粘贴职位描述，启动双代理工作流生成定制简历与求职信。

AI Job Search的核心优势

• 双代理质量保障：采用”起草-复审”双代理架构，起草代理生成材料后，审查代理独立研究公司背景并批判性评估，确保内容专业且真实，杜绝虚构经历。
• 真实性核验机制：所有申请材料必须与用户真实档案严格核验，系统绝不编造技能或经验，保证求职材料的诚信度与可验证性。
• 档案深度驱动：输出质量直接取决于输入档案的详细程度，详尽的职业描述（含具体项目、工具、量化成果）可生成高度精准的定制化内容，避免千篇一律的模板化申请。
• 职业路径发现：通过分析可转移技能和完整职业历史，智能推荐用户未曾考虑的跨行业机会或新兴角色组合，拓展求职视野。
• 专业级文档输出：自动生成 LaTeX 格式的简历与求职信，排版专业美观，支持自定义模板，直接满足正式求职场景要求。

AI Job Search的项目地址

• GitHub仓库：https://github.com/MadsLorentzen/ai-job-search

AI Job Search的同类竞品对比

AI Job Search的应用场景

• 大规模精准投递：适用需要申请大量职位但拒绝模板化的求职者，通过自动化生成针对每家公司深度定制的 LaTeX 简历与求职信，在保持高质量的同时提升投递效率。
• 跨行业/转行求职：适合希望转换职业跑道或进入新兴领域的用户，用职业路径发现功能识别可转移技能，将过往经验重新框架化为新领域的相关资质。
• 复杂背景梳理：适用职业经历多元、项目类型丰富的候选人，通过结构化档案建立，将分散的技能和成就整合为逻辑清晰的职业叙事，避免申请材料杂乱无章。
• 面试系统准备：针对需要应对行为面试（Behavioral Interview）的场景，基于真实经历自动生成 STAR 案例库，提供结构化的应答框架和深度公司研究支持。
• 专业领域求职：适合学术界、科研、高端技术岗位等需要精确表述专业能力的场景，用 LaTeX 生成符合行业标准的专业文档，确保技术术语和项目描述的准确性。