career-ops —— 求职指挥中心
把任意 AI 编码 CLI 变成一站式的求职中心：评估职位、生成 CV、扫描门户、跟踪申请。
证据显示SKILL.md明确要求先读取profile.yml和确认模式，且多个模式（如email）仅生成草稿而不发送，体现了人工确认和最小权限原则。但权限和确认细节不完整：部分模式（如scan、apply）涉及自动浏览器操作和数据抓取，但未明确要求用户确认每个外部访问；依赖Playwright和大量第三方服务，但未提供依赖安全审计或漏洞处理细节。数据流对用户不透明：数据存储位置（data/、reports/）和外部传输（如AI提供商）未完整披露。因此扣除，未达满分。
SKILL.md提供详细的模式路由和上下文加载逻辑，描述清晰，有入口逻辑。但关键路径未复现，错误处理和信息不足：依赖外部工具（如Playwright、Node.js）和外部服务，没有测试覆盖关键路径；对于异常输入（如未知模式、网络失败）缺少明确的错误反馈机制。因此扣分，仅部分关键路径可行。
技能明确针对AI job search场景，受众和场景清晰（评估、生成CV、扫描门户等），有明确的模式和触发条件（如auto-pipeline检测）。但环境适配有限：主要支持海外服务（如Greenhouse、Ashby等），对 mainland-China网络可达性和中文支持不足，未明确说明依赖海外服务的限制。因此扣分。
文档结构清晰，有主菜单和模式说明，信息分层良好，有FAQ和免责声明。但版本管理和维护责任不完整：SKILL.md本身没有版本号或changelog，依赖仓库级信息；已知限制未充分披露（如首轮评估不完美）。因此扣分。
静态评估无法验证结果正确性和完整性，不清楚输出是否直接可用。声称能生成ATS优化PDF和评估报告，但未提供示例输出或验证证据；边际价值和成本效益无证据。因此仅给低分。
仅有作者声明和营销性语言，无第三方执行证据，无测试覆盖关键路径。有CI工作流但未覆盖技能关键路径；没有可复现的测试结果。因此仅给低分。
- 核心功能依赖海外服务（如Greenhouse、Ashby等），在国内网络环境下可能无法访问或体验差，需注意。
这个 Skill 能做什么，适合哪些场景？
career-ops 是一个开源的求职搜索指挥中心，它把任意 AI 编码 CLI（如 Claude Code、Gemini、Codex、OpenCode 等）扩展成一个完整的求职流水线。它并非自动投递工具，而是筛选用途：用结构化的 A-F 评价体系（五个维度加权成 1.0-5.0 总分）帮你评估职位，只把时间花在高分机会上。它生成 ATS 优化的 PDF 简历、扫描主流招聘门户（Greenhouse、Ashby、Lever 等）、批量并行处理大量职位、在一个数据源里跟踪所有申请进度。核心设计是“人类在环”：AI 只负责评估和推荐，提交与否始终由你决定。系统采用 MIT 许可证，源码全开放，并可在免费或本地模型上运行。
读取你的简历（cv.md）和职业档案（config/profile.yml）；用五维评分模型对职位描述或 URL 进行 A-F 评估；生成 ATS 优化的 PDF 简历（基于 HTML 模板 + Playwright）；生成求职信和正式申请邮件草稿（绝不代发）；通过 Playwright 自动扫描 Greenhouse、Ashby、Lever 等招聘门户（预配置 45+ 公司）；批量并行评估多个职位（使用 headless CLI worker）；把评估结果、PDF 和状态写入 data/、reports/、output/ 目录；提供终端仪表盘（Go + Bubble Tea）浏览流水线；管理待处理 URL 队列（data/pipeline.md）。
- 求职者手上有多个职位 URL，想快速知道哪些值得投入——直接把 URL 粘贴进 CLI，运行自动流水线，获得评分、PDF 和跟踪条目。
- 求职者想批量评估十多个职位描述——运行 /career-ops batch，用并行子代理处理。
- 求职者想主动联系目标公司的人——用 /career-ops contacto 找到招聘经理或团队成员，生成 ≤300 字符的 LinkedIn 消息。
- 求职者要为面试做准备——用 /career-ops interview-prep 生成特定公司的准备文档，或 /career-ops interview/practice 进行模拟问答。
- 求职者想要一份针对特定职位优化的简历——用 /career-ops pdf 生成 ATS 友好的 PDF，或 /career-ops latex 导出 LaTeX 版本。
- 求职者搜索范围太窄——用 /career-ops titles 根据 CV 推荐相关职位名称，或 /career-ops discover 从公司列表解析出可扫描的 ATS 页面。
这个 Skill 有哪些优点和局限？
- 开源免费，MIT 许可证，并明确承诺对求职者永远免费。
- CLI 无关，支持 Claude Code、Codex、Gemini/Antigravity、OpenCode、Grok、Qwen 等多种 CLI。
- 端到端功能齐全：评估、CV、PDF、求职信、邮件、扫描、跟踪、批量处理。
- 设计为过滤器而非自动投递器，强调人工最终决策，避免垃圾投递。
- 文档和社区活跃（Discord），作者还提供了成功案例。
- 可运行在免费或本地模型上（如 OpenRouter、Ollama），降低使用成本。
- 首次评估质量可能不佳，需要你提供大量个人背景（CV、职业故事、偏好）来“训练”系统，上手成本较高。
- 系统主要针对 LLMOps / Agentic / PM 等英语言技术职位，对非英语市场或非技术领域支持有限（尽管有 eu-swe 等区域模式，但仅覆盖欧洲）。
- 作者声称已用于 740+ 职位评估和 100+ CV 生成，但这些数据来自个人使用，未经独立实证，仓库也没有明确的测试套件。
- 某些功能（如 Playwright 验证）依赖外部服务，可能在网络受限环境无法工作。
- 扫描功能主要支持 Greenhouse、Ashby、Lever 等，对其他 ATS（如 Workday）可能需要额外配置。
如何安装这个 Skill？
最快方式：在终端运行 npx @santifer/career-ops init（会克隆最新版到 ./career-ops 并安装依赖）。然后 cd career-ops && claude（或任意受支持的 CLI）。手动方式：git clone 该仓库，运行 npm install，如需要 PDF 生成再执行 npx playwright install chromium，接着 npm run doctor 检查环境，复制配置文件 cp config/profile.example.yml config/profile.yml 并填写，在项目根目录创建 cv.md。
如何使用这个 Skill？
在 career-ops 目录下打开你的 AI CLI（如 claude 或 codex）。首次启动会引导你对话式完成配置（CV、档案、目标职位）。之后，直接粘贴职位 URL 或描述即可触发自动流水线；如果 CLI 支持斜杠命令，可使用 /career-ops 加上模式名，例如：/career-ops scan 扫描门户、/career-ops pdf 生成简历、/career-ops tracker 查看状态。在 Codex 等不支持斜杠命令的 CLI 中用自然语言提示，例如："Run the career-ops scan mode and summarize new matches."
这个 Skill 与同类方案有什么区别？
仓库未明确点名替代品，但作者将其定位为“过滤器”而非“自动投递器”，对比了常见的基于关键词匹配的求职工具；此外，它只做本地处理，对比云端 SaaS 求职平台（如 LinkedIn 的付费工具）。