今天要介绍的项目是 ai-job-search——一个在 GitHub 今日趋势榜上以 +3,700 stars/天 的势头冲到 AI 类目前列的求职神器。它把当下最火的 AI Agent 能力，用到了每个人迟早都要面对的真实场景里：找工作。
📌 项目简介
ai-job-search 是一个构建在 Claude Code 之上的 AI 驱动求职申请框架。你只需要 Fork 仓库、填写个人档案，剩下的「评估岗位匹配度 → 定制简历 → 撰写求职信 → 模拟面试」全部交给 Claude 自动完成。它不是 Anthropic 官方项目，但是把 Claude Code 的 Skill / Agent 能力落进高频真实场景的范本作品。
▲ ai-job-search 工作流演示（Fork → /setup → /scrape → /apply）
💻 安装要求和过程
环境要求
- Claude Code CLI（Anthropic 官方命令行工具）
- Python 3.10+
- Bun（用于运行职位搜索 CLI）
- LaTeX 发行版：需含
lualatex与xelatex，推荐 TeX Live / MacTeX / TinyTeX / MiKTeX（CV 用 lualatex，求职信用 xelatex） - 可选：
pdftotext（poppler），用于 ATS 文本层校验；缺失时自动降级为视觉检查
快速安装
# 1. Fork 并克隆仓库
gh repo fork MadsLorentzen/ai-job-search --clone
cd ai-job-search
# 2. 安装职位搜索工具（需要 Bun）
bun install
# 3. 启动 Claude Code 并初始化个人档案
claude
# 在交互中执行 /setup（三种方式：导入 documents/ 文件夹、粘贴简历、AI 访谈引导）初始化完成后，即可用 /scrape 搜索职位、/apply <岗位URL> 或粘贴 JD 文本来发起申请。
✨ 核心功能
- 🎯 草稿-评审申请工作流（
/apply）：强制 PDF 编译 + 可视化检查，内含 PDF 验证循环（防排版破碎）、ATS 文本层校验（用pdftotext抽取关键词与联系人）、按匹配度加权删减、起草与评审双 Agent 分离——直接解决 AI 写简历最易翻车的「排版崩了、关键词被吃」问题。 - 🔍 多门户职位搜索与排序（
/scrape、/rank）：跨多个招聘板抓取、去重、按适配度排序，并支持批量打分，把精力留给最匹配的岗位。 - 🎤 面试备战（
/interview）：基于历史归档生成分阶段准备包与模拟面试，提前演练高频问题与回答要点。 - 📈 档案增强与技能差距分析（
/expand、/upskill）：从公开来源丰富个人档案，分析技能差距并生成针对性学习计划。 - 🧰 可扩展模板与门户（
/add-template、/add-portal）：注册自定义 LaTeX 模板，或生成本地招聘板搜索技能，轻松适配不同国家 / 地区市场（默认职位搜索面向丹麦，可替换）。
🚀 典型使用场景
- 海投变精准投递：把一份通用简历交给框架，针对每个岗位自动生成匹配度最高的定制版简历与求职信，告别「千人一面」。
- 面试前冲刺：让 Agent 根据目标岗位和你的档案，生成模拟面试问题与回答要点，提前查漏补缺。
- 求职数据闭环：用
/outcome记录每个岗位的投递阶段、offer 与拒信，逐步沉淀属于自己的求职知识库。
💡 推荐理由
作为常年和 Agent 打交道的人，我第一眼就被它的「草稿-评审」双 Agent 设计打动——它没有一上来就让你无脑海投，而是把求职拆成「评估 → 定制 → 评审 → 面试」几个严肃环节。尤其是 PDF 验证循环 + ATS 文本层检查，精准命中了 AI 写简历最容易翻车的点。整套流程语言与国家无关，模板基于 moderncv 与自定义 cover 类，产出物专业度高。如果你正在找工作、或经常帮人改简历，这个项目值得立刻试一试。
🔗 下载地址
- GitHub 仓库：https://github.com/MadsLorentzen/ai-job-search
- 安装文档（SETUP.md）：仓库内 SETUP.md
- 许可证：MIT License（可自由 Fork、修改、商用）
本文由自动化任务整理发布，数据截至 2026-07-10，stars 持续增长中。