11 月 9 日的 GitHub 趋势榜上,两个帮人找工作的项目撞到了一起:career-ops 81,173 星,Dossier 4,696 星。招聘方拿 AI 筛候选人好几年了,这回工具终于递到求职者手里。
career-ops:投之前先把岗位筛一遍
career-ops 把自己叫「开源 AI 求职 Agent」。它不替你投简历,README 第一屏就写着:You press Submit。
实际流程是这样的:
- 贴一条 JD 进去,它先查这个岗位还开不开着,再拿你的 CV 打一个 1-5 的匹配分;
- 分数够,才按岗位改简历和 cover letter,输出 ATS 能读的版本;
- 顺手给面试准备和投递看板。
它跑在你已经在用的 AI CLI 里:Codex、OpenCode,或者当 Claude Code 插件用。装法一条命令:npx @santifer/career-ops init。
作者把自己找工作的数据放在第一屏:评估 740 个岗位,投 68 个,12 个面试,1 个 offer。算下来 672 个岗位在投之前就被他扔了,这才是这类工具真正省时间的地方。
81,173 星、14,941 fork、449 个 open issue,MIT 许可。fork 数是 star 的五分之一,不是那种只进收藏夹的项目。它也不绑死模型厂商,跟着你 CLI 里配的模型走;当 Claude Code 插件用,就吃 Claude 的订阅。
Dossier:一份 profile,生成每个岗位的专用简历
Dossier 走另一条路:自托管 Web 应用,用一份 profile 管住所有经历。profile 不是一份 PDF,而是结构化条目:经历、技能、项目、教育、证书、出版物、推荐人,按你排的顺序展示,还带一个只算必要项的完整度打分。每贴一个岗位,它读 JD、标出你和岗位的匹配点,然后只用 profile 里的事实写定制简历和求职信。不满意就在聊天框里改,改完导 PDF,投递看板从 draft 一路拖到 offer。
部署方式给得很全:Docker、Compose、Node、Ubuntu、CapRover、Coolify、Dokploy,还有 Windows/Linux 桌面版。数据库用 Postgres 或单个 SQLite 文件;模型可以走 Ollama、LM Studio 本地跑,也能接 OpenAI 兼容接口、Anthropic、Mistral。AGPL-3.0,4,696 星,10 月 3 日才建仓。
它和 career-ops 的差别是「资料主权」:一个是 CLI,文件放本机;一个是应用,数据进你自己的数据库。相同点是都不做 SaaS,简历不往他家服务器上传。自托管这套在 ARM 小主机上能不能跑,站里之前踩过一轮坑,可以看《十个 Agent 平台几个能装进自己机器》。
几句实话
第一,它们不创造经历。简历里没东西,AI 只能帮你排得像样一点,改不出第二个你。「ATS 友好」也只是让解析器别读错,不等于 HR 会多看一眼。
第二,1-5 分是模型打的,不是招聘经理打的。它说别投,可能误杀;它说很匹配,也可能只是关键词撞上了。当过滤器用,别当判决书。
第三,740/68/12/1 是一个人的样本,还是转行求职的样本。别拿它当行业基准,更别指望投 68 个就有一个 offer。
第四,隐私要自己看。career-ops 在本地跑,但接的是云模型时,JD 和简历照样发出去;Dossier 用托管模型同理,README 有 privacy 页写清楚什么发给谁。想稳就用本地模型,但小模型写出来的求职信,HR 也能闻出味。
第五,Dossier 是 AGPL-3.0。自己家里用没事,改完挂到网上给别人用,就得把改动开源;想拿它做闭源副业,先把许可证读一遍。
选型其实不复杂:已经在终端里跑 Codex、Claude Code 的,用 career-ops,装完多一个命令,不新增服务;想要网页、历史记录、家里不写代码的人也能用,选 Dossier,代价是多一台机器和一份数据库备份。
真要用,从一条你本来就要投的 JD 开始,别一上来把招聘网站账号交出去。工具的价值是让你少投错的,不是让你多投。