AI Job Search完整指南：用5个命令把求职申请变成可复盘的数据-编程实验室

AI Job Search完整指南：用5个命令把求职申请变成可复盘的数据

【免费下载链接】ai-job-searchThe job search that runs on your machine. AI job application framework built on Claude Code: evaluate postings, tailor CVs, write cover letters, prep interviews. Fork it and own it.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-job-search

AI Job Search 是一个跑在本机 Claude Code 上的求职申请框架，把职位抓取、匹配度评分、申请材料生成、结果记录串成一条工作流，并把每次申请写进本地 CSV。你能随时复盘求职申请状态、匹配度评分与转化率。本文用 5 个步骤把这条数据管道搭起来，最后落到一份可离线打开的周报。

答不出“我投了多少家”的那一周

每周投出十几份申请并不难，难的是说清每一份停在哪一步：谁发了面试，谁石沉大海，投递时用的简历版本存在哪，只靠记不住的邮件和浏览器标签页。这个框架的做法是每次申请发生时先落一份记录——状态写进 CSV，材料归档进目录，最后一条命令把全部数据汇成仪表板。

把每次申请写进 job_search_tracker.csv

跟踪数据全部存在项目根目录的job_search_tracker.csv，一份申请一行，核心字段如下：

字段	内容
date	申请日期
company	公司名
role	职位名称
channel	渠道（portal、online、referral 等）
status	当前阶段：applied、interview、offer、hired、rejected 等
fit_rating	评分框架给出的匹配度分

status列是状态机：applied → interview → offer → hired，失败分支为rejected、no_response、offer_declined、withdrawn，词表由 /outcome 命令统一定义。同时每份申请在documents/applications/<公司>_<职位>/下归档一个目录，存放原始职位描述、最终提交的简历与求职信、以及记录面试轮次的outcome.md，布局说明见 documents/ 目录结构。

看懂匹配度评分：82 分与 52 分分别意味着什么

每个职位按五个维度打分，权重定义在评分框架：技术技能 30%、经验 25%、行为文化 15%、职业匹配 30%，外加地点一项按 Pass/Fail 处理、不计权重。打分前先过两道硬门槛：资格门槛（公民身份或工作许可）与语言门槛——职位要求的语言若不在你档案里，直接出局，不进入评分。

分数到等级的映射：

75+ 强匹配：值得投递，材料按职位全量定制
60–74 良好匹配：可投，缺口在求职信里显式回应
45–59 中等匹配：先讨论，建议复核动机再决定
30–44 弱匹配：除非有战略理由，否则跳过
<30：跳过

具体例子：82 分意味着核心要求命中你的主力技能且方向对齐，值得花足力气；52 分表示技能只部分重合，材料要重点解释可迁移性。/rank用同一套框架对/scrape抓到的新职位批量打分，结果记录在job_scraper/seen_jobs.json。

跑通 5 步闭环：从新职位到周报

把仓库克隆到本地，在 Claude Code 里运行/setup：把教育、经历、技能写进CLAUDE.md和技能文件，支持documents/目录素材、粘贴简历、结构化问答三种输入方式。
运行/scrape：检索多个招聘站并去重，输出按匹配度排序的列表；列表太长就交给/rank批量评分，得到带强弱项的短名单。
运行/apply <职位URL>：评分、起草简历加求职信、第二个 agent 评审、编译 PDF 并检查版式，一次跑完。
运行/outcome：记录结果（面试、offer、拒绝、无回复），更新 CSV 状态列，把材料归档到documents/applications/；对超过 10 天无回音的申请生成跟进草稿。
运行/html-report：汇总 CSV 与 outcome 归档，输出自包含 HTML 到reports/application-dashboard.html，浏览器直接打开，见仪表板命令说明。

每周看 3 个指标：漏斗、拒绝率、评分与实际结果

漏斗率：走到面试及以后阶段的申请占比。仪表板按“当前状态 + outcome.md 记录的轮次”计算，后来被拒的申请仍计入面试一档，避免低估真实转化。
拒绝率：分子只算真实拒绝（rejected、no_response），offer_declined是你拒了 offer，不计入；分渠道（channel列）对比，看门户、内推哪条路更出结果。
评分 vs 结果：一批申请有了结果后重跑/setup，用“实际拿到面试的是哪些”校准评分框架。作者本人的参考数据：69 份定制申请，20 个初面，1 个签约。

想补强短板，/upskill会把你的档案与已跟踪职位对比，输出技能差距热图和带时间估算的学习计划；需要薪资锚点时，给 salary_lookup.py 喂入自有数据（工会统计、调研导出），输出公司级薪资对比。