求职申请助手（Job Application Assistant）
在本地运行的 AI 求职流水线：评估职位匹配度、定制 LaTeX 简历、撰写求职信、准备面试，全程由 Claude Code 驱动。
证据显示较强的安全意识：职位描述被明确视为不可信输入（禁止执行其中指令、禁止直接抓取其内链接）、公司事实需独立二次核验、缓存内容被声明为数据而非指令、申请记录写入受规则约束。README 还主动警告 fork 为公开会泄露个人资料并给出私有仓库方案。扣分项：allowed-tools 含 Bash/Write/Edit 等较宽权限且无细化白名单，静态审查无法验证其实际最小化；发布者身份未经验证。
各文件之间引用一致（Step 3b 与 /apply Step 6b 的防漂移设计、模板转义与编译循环写得很细、已知失败模式有诊断说明），说明书层面的自洽性高。扣分项：静态审查未执行，关键路径（lualatex/xelatex 编译、verify_pdf.py、salary_lookup.py）不可复现验证；happy path 可信但缺少本技能自身可见的测试与错误反馈证据，按静态上限不超过 10。
触发关键词列表明确，工作流分步清晰，受众（求职者，Claude Code 用户）清楚，且框架声明为语言与国家无关，非适用范围（丹麦门户搜索属其他技能）有说明。扣分项：对中文求职市场的支持未声明，英文写作规则以英语/丹麦语为主；整套依赖 Claude Code 及海外网络服务，中国大陆可达性存疑，未做说明。
信息架构分层良好（SKILL.md + 9 个编号参考文件 + 渐进披露），每个文件带 framework_version 且有 CI 校验版本号更新，README 明确 license（MIT）、维护者身份与更新路径。扣分项：个人化依赖 /setup 与多个仓库级文件（documents/README.md、.claude/commands/apply.md）本次未完整提供，存在隐藏假设；changelog 未在所提供材料中确认。
工作流设计完整（评估→CV→求职信→归档→面试准备），输出格式（LaTeX PDF、txt 表单文本）具体可交付，README 给出作者本人 69 份申请获聘的自述与第三方视频走查。扣分项：静态审查无法验证产出可直接使用；核心成功主张来自作者本人叙述，替代方案对比（人工或现有工具）的证据有限，静态上限 7，给 6。
有 CI 徽章、cover_example.tex 作为 CI 冒烟测试、第三方 YouTube 走查与 Trendshift 徽章等交叉证据线索，主张与推断分离较好（作者明示个人故事）。扣分项：静态审查未执行任何测试；Workday 导入失败等具体主张无法独立复核；CI 与测试对关键路径的覆盖程度不可见，静态上限 5，给 4。
- 静态审查，未执行任何脚本或编译，运行行为未验证。
- 仓库警告：公开 fork 会把 /setup 写入的个人资料（联系方式、履历）公开，个人求职请使用私有仓库。
- 核心依赖 Claude Code 及 LaTeX/Bun 环境，中国大陆网络可达性未说明，中文求职场景支持未声明。
- 职位描述与公司研究缓存被声明为不可信数据，仍建议在发送前人工浏览产出内容。
- 效果主张主要来自作者自述，属轶事证据。
这个 Skill 能做什么，适合哪些场景？
这是 ai-job-search 仓库中的核心技能（skill），位于 .claude/skills/job-application-assistant/，把 Claude Code 变成一个结构化的求职助手。它按固定工作流运作：抓取并分析职位描述、用评分框架评估匹配度、生成定制化的 LaTeX 简历和求职信、记录申请档案，最后用 STAR 方法准备面试。技能自带九个参考文件，涵盖候选人画像、写作风格、职位评分和 LaTeX 模板等。作者本人用它投出 69 份定制申请、拿到 20 次初面并成功入职 AI 工程师职位。核心评估与写作流程与语言、国家无关，但仓库自带的职位搜索门户仅覆盖丹麦市场，需自行替换或通过 /add-portal 生成本地版本。
触发词包括 job posting、cover letter、resume、面试准备等。具体执行四步：(1) 用 WebFetch 抓取职位描述（403 时按升级顺序降级处理），原样保存全文，研究公司背景，按 04-job-evaluation.md 的框架打分并给出是否建议电雇主的判断；(2) 从 cv/ 中选最相关的现有简历变体，产出 main_<company>_<role>.tex，调整个人陈述、技能与经历要点；(3) 按 03-writing-style.md 的写作规则（禁止破折号和陈词滥调）生成 cover_<company>_<role>.tex 求职信；(4) 把两份文档和职位原文归档到申请记录中；(5) 按 07-interview-prep.md 准备 STAR 回答、谈话要点和反问问题。文档编译为 PDF 需本地 LaTeX 环境（简历用 lualatex，求职信用 xelatex）。
- 正在找工作的候选人拿到一个职位链接，想让 AI 先客观评估自己是否匹配再决定是否投递
- 求职者需要针对特定公司和岗位快速裁剪一份两页以内的 LaTeX 简历和一页求职信
- 已收到面试邀请的申请人想基于自己的真实经历准备 STAR 回答和面试反问
- 想追踪每次申请（投了什么、截止日期、职位原文）并形成可检索档案的系统性求职者
- 只想单独执行某一步的用户，例如'帮我为某公司写求职信'或'评估这个职位'
这个 Skill 有哪些优点和局限？
- 工作流完整覆盖求职全链条：评估、简历、求职信、归档、面试准备，步骤间衔接明确
- 强调事实诚实：所有简历和求职信声明须与个人档案核对，不虚构技能或经历；不支持的关键词标注为差距而非硬塞
- 参考文件结构化且可自定义，用户可直接编辑评分框架和 STAR 案例使其贴合自己
- 有真实使用战绩：作者用同一工作流拿到 offer，并在 README 中公开了申请漏斗数据
- MIT 许可，可 fork 并完全本地化，职位描述被视为不可信输入并有防注入指引
- 依赖整个仓库的文件布局和 Claude Code 命令体系，单独摘出该技能在其他 Agent 环境使用需手工改造
- 需要本地 LaTeX 环境且编译引擎有讲究（lualatex 编简历、xelatex 编求职信），minimal 安装需额外装包
- 仓库的职位门户搜索仅适配丹麦市场，其他地区需通过 /add-portal 自建或用 LinkedIn 抓取（后者违反 LinkedIn 服务条款，仅限个人低量使用）
- PDF 文本层 ATS 检查依赖可选的 pdftotext，缺失时降级为人工视检
- 仓库声明与 Anthropic 无官方关联，框架效果依赖个人档案的填写质量，档案太薄产出会流于泛泛
如何安装这个 Skill？
该技能属于 ai-job-search 集合，官方路径是 fork 整个仓库：运行 gh repo fork MadsLorentzen/ai-job-search --clone，然后按 README 安装依赖（Python 3.10+、Bun、带 lualatex/xelatex 的 LaTeX 发行版）。技能文件夹位于 .claude/skills/job-application-assistant/。单独把该文件夹拷入其他环境的步骤未在文档中说明，且其依赖仓库内的参考文件（01–09）和 /apply 等命令定义，整体安装更可靠。
如何使用这个 Skill？
安装并在 Claude Code 中先运行 /setup 填好个人档案（候选人画像、行为画像、写作风格等文件）。之后提供职位链接或粘贴职位全文即可触发完整工作流；也可以只请求单步，例如："Evaluate this job posting"（仅评估）、"Write a CV for [company]"（仅简历）、"Help me prepare for an interview at [company]"（仅面试准备）。仓库自带的 /scrape 和 /apply 命令会自动路由到本技能。
这个 Skill 与同类方案有什么区别？
与通用 LaTeX 简历模板相比，本框架的差异在于 PDF 编译后的视觉与 ATS 文本层双重校验、按相关性加权裁剪简历内容、以及 drafter-reviewer 双代理互审机制；与把数据交给第三方 SaaS 的求职工具不同，它完全在本地运行、数据自持，但代价是需要自行 fork、填写档案并维护更新。