被裁员的地球物理博士，用 Claude Code 搭了一套求职流程：投了 69 份，拿到 1 个 offer，现在 5.7 万人在用

今天 GitHub 日榜排第一的项目，单日涨了 3856 颗星，但它并不是新项目。

它叫 ai-job-search，3 月份就建好了，早在 7 月份的时候已经火过一轮了，当时一天涨了 5000 多颗星。现在总星数是 5.7 万，fork 数 1.8 万。fork 和 star 的比例差不多是 1 比 3，比大部分热门项目都高得多。原因也很简单：这个项目本来就是让你 fork 一份、填上自己的资料之后才能用的，不是装上就能跑的软件。

我把项目文档、几个讨论最多的 Issues 和社区改版列表都翻了一遍，下面按我关心的顺序来讲：它到底怎么帮你找工作、要花多少钱、国内能不能用，还有一个涉及隐私的坑。

作者自己就是第一个用户

项目作者 Mads Lorentzen 是丹麦的一位地球物理博士。2025 年底他的岗位被裁掉了，于是他用 Claude Code 搭了这套流程来给自己找工作，据他自己说他每周都在用这个工具。

他公布了自己的求职数据：一共投了 69 份定制过的申请，拿到了 20 次初面，最后签了 1 份合同，2026 年 6 月入职，新岗位是 AI 工程师。

还有一个细节我觉得挺有意思：他在面试时会主动告诉面试官自己是用这套工具求职的。按他的说法，这件事没有成为减分项，反而经常能聊出一段正经的技术讨论。毕竟他要应聘的就是 AI 工程师，这套工具本身就是一个现成的作品。

三个命令串起整个流程

整个框架的主线就是三个命令，全部在 Claude Code 里输入：

/setup          建立个人档案
/scrape         去招聘网站搜岗位
/apply <链接>    针对某个岗位生成简历和求职信

/setup 有三种建档方式：把你的简历 PDF、LinkedIn 导出文件、学历证明、推荐信等放进 documents/ 文件夹让它自己读；或者直接在对话里粘贴一份简历；或者让它一问一答地访谈你。建好之后，你的经历、技能、性格测评、写作风格都会存成一组 Markdown 文件。

/scrape 会去招聘网站搜和你档案匹配的岗位，去重之后按匹配度排好序给你看。如果搜出来的岗位太多，还可以先运行 /rank 批量打分，挑出一个短名单。

真正干活的是 /apply。你给它一个岗位链接（有的招聘网站会拦截自动访问，这时也可以直接粘贴岗位描述），它会按下面这个顺序走一遍：

解析岗位描述，从技能、经验、文化、地点、职业方向五个维度评估你和岗位的匹配度
用 LaTeX 起草一份定制简历和一封求职信
另外启动一个审稿 Agent，让它去查这家公司的资料，然后挑草稿的毛病
根据审稿意见修改
编译成 PDF，检查排版
模拟招聘系统（ATS）读取 PDF 的文字层，检查关键词覆盖情况
输出最终版本和一份核对清单

除了这条主线，还有 /interview 做面试准备（包括模拟面试）、/outcome 记录每次申请的结果、/gmail-sync 从邮箱里识别面试邀请和拒信、/html-report 生成一个离线的求职数据看板，加上清空数据用的 /reset，一共 14 个命令。

我觉得设计得最用心的三个地方

第一个是写稿和审稿分开。 写简历的 Agent 和审稿的 Agent 是两个独立的上下文。审稿的那个是全新启动的，它没有看过前面的推理过程，只看草稿和公司资料，所以更容易发现「关键词漏了」「说法太空泛」这类问题。这和我们平时写完东西找同事帮忙看一遍是一个道理，自己写的东西自己很难看出毛病。

第二个是会真的去看 PDF 长什么样。 用过 LaTeX 写简历的人应该都碰到过：.tex 文件看着没问题，编译出来职位标题孤零零地掉到了下一页，或者求职信多出来半页。/apply 会编译 PDF 并读取渲染后的页面，一直调整到简历正好 2 页、求职信正好 1 页、签名完整显示为止。

如果简历超出了 2 页需要删内容，它也不是简单地从最老的经历开始删，而是给每一行打分：和目标岗位的相关度、在全文里是否重复、求职信有没有引用到它，然后从总分最低的那一行开始删。所以一段很老、但正好命中岗位关键词的经历，是有可能比最近一份工作里的某条描述保留得更久的。

第三个是不编造经历。 这一点在整个项目里反复出现。ATS 检查时如果发现岗位要求的某个关键词你的档案里没有，它会把这个缺口明确标出来，而不是硬塞进简历里。面试准备也一样，碰到你确实没做过的东西，它给的是诚实的过渡回答，不会帮你编一段经历出来。

我觉得这一点很重要。用 AI 改简历最大的风险就是它顺手帮你「润色」出一些你没做过的事情，到了面试时如果正好被问到就很尴尬了。

再聊聊费用：它是比较费 token 的

先说门槛：Claude Code 没有免费额度，你需要订阅 Claude Pro / Max / Team，或者用 Anthropic API 按 token 付费。项目本身也建议，如果只是偶尔用一下，按 API 付费通常更便宜一些。

另外本地还需要装 Python 3.10 以上版本、Bun，以及一套完整的 LaTeX 环境（简历用 lualatex 编译，求职信用 xelatex 编译）。LaTeX 这一项是最重的，估计也是大部分人会卡住的一步。

token 消耗是 Issues 里被吐槽最多的问题。项目建好没几天，就有人开了一个标题是「This app is inefficient!」的 Issue，说几个简单的命令就把额度用光了。8 月份又有人反馈 /rank 一分钟吃掉了 27 万 token。后来一位贡献者把原因拆成了三点：每次运行都要把整个岗位记录文件在上下文里来回搬两次，单次运行打分的岗位数量没有上限，每个打分 Agent 的提示词里都塞了一整套网页抓取的升级流程。他排查完提了两个 PR，9 月初发布的 v1.7.1 已经合并，加上了 --limit 参数来限制一次打分多少个岗位。

作者对这个问题的态度我觉得挺实在的。项目说明里专门写了一句：PDF 排版检查这一步会花掉一部分前面省下来的 token，这是用 token 换来更少的排版错误。

所以如果你打算用它，建议先用 /apply 针对一两个你真正想去的岗位跑一下，看看一次大概消耗多少额度，再决定要不要批量 /rank。

国内能不能用：主线可以，搜岗位要靠社区改版

这个项目的核心流程（建档、评估匹配度、写稿审稿）是不分国家和语言的，但内置的岗位搜索工具是给丹麦市场做的，包括 Jobindex、Jobnet 这几个丹麦招聘网站。另外还内置了两个不限国家的搜索工具：一个走 LinkedIn 公开的职位接口（项目里特别注明这违反 LinkedIn 的服务条款，只建议个人少量使用），另一个是技术岗位聚合站 freehire.me 的公开 API。

其他国家的用户主要靠 fork 改版。项目在 Discussions 里专门开了一个帖子收集社区改版，目前列出来的已经有 40 多个，覆盖印度、德国、巴西、波兰、马来西亚、越南等十几个市场，还有移植到 Codex、OpenCode、Google Antigravity、DeepSeek Harness 上的版本。

和国内相关的有三个：

cypggs/ai-job-search-cn：中文化改版
youngledo/ai-job-search：加了一层面向中国大陆市场的配置，岗位描述主要靠手动粘贴
offer-harvester：有中文说明，对接的是实习僧、腾讯招聘和一些公司的校招官网

这几个改版里都没有看到对接 Boss 直聘、智联、猎聘的。所以对国内用户来说，比较现实的用法是：岗位自己在招聘 App 上找，看中了就把岗位描述复制下来，用 /apply 粘贴进去，让它帮你做匹配评估、改简历和写求职信。这部分功能是完全不受地区影响的。

另外项目也提供了 /add-portal 命令，给它一个招聘网站的地址，它会自己分析页面结构、生成一个搜索工具并试跑一次。不过需要登录才能看的网站它会直接拒绝，国内大部分招聘平台都属于这种情况。

上手之前一定要知道的隐私问题

这是我觉得最容易出事的地方，所以单独拿出来说。

正常的上手步骤是先 fork 仓库再 clone 到本地：

gh repo fork MadsLorentzen/ai-job-search --clone
cd ai-job-search
python3 tools/install_portal_clis.py

问题在于：GitHub 上公开仓库的 fork 一定也是公开的，没法设成私有。而 /setup 会把你的姓名、联系方式、工作经历、期望薪资写进仓库里被 Git 跟踪的文件。如果你按习惯 commit、push，你的完整简历和期望薪资就公开在 GitHub 上了。

项目文档里用很醒目的方式提醒了这一点：如果只是自己求职用，不打算给上游贡献代码，不要 fork，而是新建一个私有仓库，把原项目设成 upstream 来同步更新，具体步骤在 SETUP.md 的第 8 节。看到 fork 数有 1.8 万，我还是挺担心有一部分人没注意到这段提醒的。

还有一个小坑来自 Issues：有用户反映 LinkedIn 搜索偶尔会冒出「幽灵岗位」，点进去要么不存在，要么是另一个不相关的职位，而 Claude 还给这些岗位打了高匹配分。最后查出来的原因是 LinkedIn 的岗位关闭之后，原链接不会报 404，而是悄悄跳转到一个相似的在招岗位。v1.7.0 已经通过识别「No longer accepting applications」的提示来过滤这类岗位了，但这也说明，AI 推荐给你的岗位，投递之前最好还是自己点进去确认一下。

一个小建议

ai-job-search 追求的是每一份申请的质量，而不是海投的数量。作者自己 69 份申请拿到 20 次面试，靠的是每一份都根据岗位改过，而不是一天投 100 家。如果你正在找工作、手里也有 Claude 的订阅，可以先建一个私有仓库，跑一遍 /setup，再挑一个真正想去的岗位试试 /apply，看看它改出来的简历和你自己写的差别在哪里。

项目地址：

https://github.com/MadsLorentzen/ai-job-search

资料来源：

GitHub 仓库：https://github.com/MadsLorentzen/ai-job-search
社区改版汇总（Discussion #78）：https://github.com/MadsLorentzen/ai-job-search/discussions/78
token 消耗讨论：https://github.com/MadsLorentzen/ai-job-search/issues/2 、https://github.com/MadsLorentzen/ai-job-search/issues/395
LinkedIn 幽灵岗位问题：https://github.com/MadsLorentzen/ai-job-search/issues/331
DEV Community 评测：https://dev.to/andrew-ooo/ai-job-search-review-claude-code-as-your-job-hunter-18c7