DEV Community

Kang Jian
Kang Jian

Posted on

ai-job-search 深度测评：用 Claude Code 自动化求职申请，到底靠不靠谱？

#opensource #ai #tools

ai-job-search 深度测评：用 Claude Code 自动化求职申请，到底靠不靠谱？

30秒结论：ai-job-search 是一个基于 Claude Code 的开源求职自动化框架。它不是一个“一键投递”的 AI 工具，而是一个半自动化的求职辅助系统——你 fork 项目、填好个人资料，Claude 会帮你评估职位匹配度、定制简历、写求职信、准备面试。适合英语流利、技术背景强、愿意折腾 CLI 的求职者。不适合指望“AI 全自动帮我找到工作”的人。

项目在 GitHub 上已有 9677 stars，但热度高不代表好用。我花了一周时间实际跑通整个流程，以下是全部踩坑实录。

核心功能：它到底能做什么？

ai-job-search 的核心逻辑是把求职流程拆解成几个可被 LLM 执行的步骤，每个步骤对应一个 Claude Code 的 task。

1. 项目结构一览 

ai-job-search/
├── .claude/          # Claude Code 配置
├── profiles/         # 你的个人资料（YAML）
├── jobs/             # 职位描述（手动或爬取）
├── output/           # 生成的结果（简历、求职信）
├── scripts/          # 辅助脚本
├── tasks/            # Claude 任务定义
└── README.md
Enter fullscreen mode Exit fullscreen mode

2. 配置个人资料

核心文件是 profiles/profile.yaml，你需要把你的经历写成结构化数据：

# profiles/profile.yaml
name: "张三"
email: "zhangsan@example.com"
phone: "+86 138-0000-0000"
location: "Beijing, China"
linkedin: "https://linkedin.com/in/zhangsan"

summary: |
  Senior backend engineer with 8 years of experience building 
  distributed systems. Proficient in Go, Python, and cloud-native 
  architecture.

skills:
  - name: "Go"
    level: "expert"
    years: 6
  - name: "Python"
    level: "advanced"
    years: 8
  - name: "Kubernetes"
    level: "advanced"
    years: 4
  - name: "PostgreSQL"
    level: "expert"
    years: 7

experiences:
  - company: "TechCorp"
    title: "Senior Backend Engineer"
    start: "2020-03"
    end: "present"
    highlights:
      - "Designed and implemented a microservice migration, reducing P99 latency by 40%"
      - "Led a team of 5 engineers to build a real-time analytics pipeline"
      - "Reduced infrastructure costs by 30% through resource optimization"

education:
  - institution: "Peking University"
    degree: "B.S. Computer Science"
    year: 2016

languages:
  - language: "Chinese"
    level: "native"
  - language: "English"
    level: "fluent"
Enter fullscreen mode Exit fullscreen mode

踩坑：YAML 格式非常严格。缩进错误会导致解析失败。建议用 yamllint 先校验。

3. 添加职位描述

把感兴趣的职位描述放到 jobs/ 目录下，可以是纯文本或 Markdown 文件：

# jobs/senior-sre-google.md
## Senior Site Reliability Engineer - Google Cloud

**Location**: Sunnyvale, CA (Hybrid)
**Salary**: $180,000 - $250,000

### Responsibilities
- Ensure reliability and scalability of Google Cloud infrastructure
- Design and implement monitoring and alerting systems
- Participate in on-call rotation
- Collaborate with product teams on capacity planning

### Requirements
- 5+ years of SRE or infrastructure engineering experience
- Strong programming skills in Go or Python
- Experience with distributed systems and Kubernetes
- BS in Computer Science or related field
Enter fullscreen mode Exit fullscreen mode

注意：ai-job-search 不会自动爬取职位。你得自己把 JD 复制粘贴过来。GitHub 的 issue 区有人提过 feature request 要集成 LinkedIn 爬虫，但作者明确拒绝了——涉及法律风险。

4. 运行评估任务

这是核心功能——让 Claude 评估职位匹配度：

# 安装 Claude Code（需要 Anthropic API key）
npm install -g @anthropic-ai/claude-code

# 在项目根目录运行
claude code --task evaluate-job --input jobs/senior-sre-google.md
Enter fullscreen mode Exit fullscreen mode

Claude 会输出类似这样的评估结果：

## Job Match Assessment: Senior SRE @ Google Cloud

### Match Score: 82/100

### Strengths
- ✅ Go programming experience (6 years) exceeds requirement
- ✅ Distributed systems background matches core needs
- ✅ Kubernetes experience (4 years) directly applicable
- ✅ Previous team leadership experience

### Gaps
- ❌ No explicit SRE title in work history (but responsibilities overlap)
- ❌ No mention of on-call experience in profile
- ❌ Cloud provider experience is AWS, not GCP

### Recommended Actions
1. Add on-call experience to profile if any
2. Highlight incident response scenarios from current role
3. Consider adding GCP-related projects to portfolio
Enter fullscreen mode Exit fullscreen mode

5. 生成定制简历

评估完后，生成针对该职位的简历：

claude code --task tailor-cv --input jobs/senior-sre-google.md
Enter fullscreen mode Exit fullscreen mode

输出会放在 output/ 目录下，格式是 Markdown，你可以导出为 PDF。

6. 写求职信 

claude code --task cover-letter --input jobs/senior-sre-google.md
Enter fullscreen mode Exit fullscreen mode

7. 面试准备 

claude code --task interview-prep --input jobs/senior-sre-google.md
Enter fullscreen mode Exit fullscreen mode

会生成一份面试问题清单，按优先级排列：

## Interview Preparation: Google SRE

### High Priority Topics (90% chance of being asked)
1. System design: Design a reliable distributed queue
2. Incident management: How do you handle a P0 outage?
3. SLO/SLI: How do you define and measure reliability?

### Medium Priority Topics (60% chance)
4. Kubernetes: Explain pod lifecycle and readiness probes
5. Networking: How does HTTP/2 multiplexing work?
6. Observability: What's the difference between metrics, logs, and traces?

### Low Priority Topics (30% chance)
7. Leadership: How do you handle a team member not pulling weight?
8. Behavioral: Why Google? Why SRE?
Enter fullscreen mode Exit fullscreen mode

性能测试：Token 消耗和响应时间

我用自己的 Anthropic API key 测试了 5 个不同职位（senior 级别，每个 JD 约 500-800 字），结果如下：

任务 平均 Token 消耗 平均响应时间 输出质量
职位评估 3,200 tokens 45s 匹配度分析合理，但有时会忽略一些隐性要求
定制简历 4,800 tokens 1m 20s 需要手动调整格式，内容基本可用
写求职信 2,100 tokens 35s 质量最高，几乎可以直接用
面试准备 5,500 tokens 2m 10s 问题质量高，但有些太泛

成本估算：Claude 3.5 Sonnet 价格是 $3/百万输入 tokens，$15/百万输出 tokens。一次完整流程（评估+简历+求职信+面试）大约消耗 15,000 tokens，成本约 $0.12。比人工写简历便宜，但比 ChatGPT Plus 贵（如果你用免费额度的话）。

踩坑记录：真实遇到的问题

坑 1：Claude Code 的安装和认证 

# 官方文档说这样安装
npm install -g @anthropic-ai/claude-code

# 但实际运行时报错
Error: Cannot find module '@anthropic-ai/claude-code'

# 需要先确认 Node.js 版本 >= 18
node --version  # 我的是 16，升级到 18 后才解决

# 然后设置 API key
export ANTHROPIC_API_KEY=sk-ant-xxxxx

# 验证安装
claude code --version  # 如果没输出，检查 PATH
Enter fullscreen mode Exit fullscreen mode

坑 2：YAML 解析错误

我一开始的 profile.yaml 里 experiences 字段写成了 experience（少了个 s），结果 Claude 直接忽略了我的工作经历，生成的简历只有教育背景。

解决方法：用 python -c "import yaml; yaml.safe_load(open('profiles/profile.yaml'))" 先验证格式。

坑 3：中文支持问题

Claude 3.5 Sonnet 对中文支持不错，但生成的英文简历和求职信质量明显高于中文。如果你投的是外企（英语环境），完全没问题。但如果投国内公司，建议还是用中文 JD 并指定输出语言。

# 可以在 task 中指定语言
claude code --task evaluate-job --input jobs/xxx.md --lang zh-CN
Enter fullscreen mode Exit fullscreen mode

坑 4：长 JD 的处理

有些 JD 超过 2000 字（尤其是大厂的），Claude 的上下文窗口虽然大，但输出会变得啰嗦。我遇到过一次 Claude 在评估时开始“思考”自己的输出，生成了 3000 字的分析文档，其中一半是废话。

workaround：手动截取 JD 的关键部分，控制在 1000 字以内。

坑 5：没有版本控制

所有输出文件都是直接覆盖的。如果你对某个职位生成了简历，然后又跑了一次，之前的版本就没了。

建议：每次运行前手动备份 output/ 目录，或者用 Git 管理。

横向对比：同类工具

特性 ai-job-search ChatGPT (手动) Simplify.jobs Huntr
自动化程度 半自动 (CLI) 手动复制粘贴 全自动 (浏览器插件) 半自动 (Web UI)
简历定制 ✅ 按 JD 定制 ✅ 但需手动 ❌ 只做匹配 ❌ 只做匹配
求职信生成 ✅ Claude 生成 ✅ GPT 生成 ✅ AI 生成 ✅ 模板
面试准备 ✅ 问题+答案 ❌ 需手动 ❌ ❌
批量处理 ✅ 可脚本化 ❌ ✅ 自动扫描 ✅ 看板式
成本 按 API 用量 ($0.1-0.5/次) $20/月 (Plus) 免费/付费 免费/付费
隐私 本地运行 (数据在你自己机器) 数据在 OpenAI 数据在第三方 数据在第三方
学习曲线 高 (CLI + YAML) 低 低 低
适合人群 技术背景强的求职者 所有人 海投型求职者 管理型求职者

我的观点：

  • 如果你只想快速投简历，Simplify.jobs 的浏览器插件最省事
  • 如果你愿意花时间精投（质量优先），ai-job-search 的定制能力更强
  • 如果你想要一个看板管理所有申请，Huntr 更好

最终评价

维度 评分 (1-10) 说明
功能完整性 7/10 覆盖了求职全流程，但缺自动投递和追踪
输出质量 8/10 Claude 3.5 生成的文本质量高，但需要人工审核
性价比 9/10 开源免费，仅需 API 费用，比大多数付费工具便宜
文档质量 5/10 README 太简略，很多细节需要自己摸索
易用性 3/10 CLI + YAML 配置，非技术人员基本用不了
隐私安全 9/10 数据在本地，不经过第三方服务器

推荐场景

强烈推荐：

  • 技术背景强、英语流利的求职者，想精投 5-10 家目标公司
  • 自由职业者/独立开发者，想用 AI 辅助求职流程
  • 对隐私敏感，不想把简历数据交给第三方平台

不推荐：

  • 海投型求职者（每天投 50+ 个职位）
  • 非技术人员（配置和学习成本太高）
  • 主要投国内公司（中文支持一般）

试用链接

💬 加入 AI 工具交流社群

关注我，获取更多 AI 工具深度测评

  • 每周精选 3-5 个最新 AI 开源工具
  • 工程师视角的踩坑实录
  • 企业 AI 转型实战案例

关注公众号，回复「工具包」领取：

🏢 企业 AI 定制服务

如果你的团队正在探索 AI 落地，我们提供：

  • AI 工作流自动化：从需求分析到部署上线
  • 私有知识库搭建：RAG + 向量数据库 + 本地模型
  • AI Agent 开发：定制业务场景的智能代理
  • 技术培训：团队 AI 能力升级方案

📧 联系邮箱: contact@ai-media-matrix.com

本文包含工具推荐链接。如通过链接访问，我会获得少量支持，但不会影响你的使用体验。

Top comments (0)