快速结论
career-ops 1.22 是一个 MIT 开源、本地优先的求职操作系统。它不是替用户海投的浏览器机器人，而是把岗位发现、结构化评估、定制简历、开放题答案草稿、公司研究、联系人准备和申请管道放进本地项目，再由 Claude Code、Codex、OpenCode 等编码 Agent 执行。最重要的产品边界很清楚：系统可以扫描、分析和起草，但不会替用户点击最终提交；申请选择、事实核对与发送责任仍在人。
它适合愿意维护个人资料、理解终端和审阅 AI 输出的求职者，尤其是岗位多、需要持续比较而不是“一键投递”的技术与知识工作者。当前评估方法是五个维度加一个整体综合分，而不是旧页面所写的“六维分数”：维度包括匹配度、长期方向一致性、薪酬、文化信号和风险项，综合分为 1.0 至 5.0，并要求引用简历和职位描述中的依据。本站暂不标记为推荐，因为简历、薪酬、求职偏好和申请答案高度敏感，且本地运行并不等于数据从不离开电脑。
核心功能
- 五维评估加综合分：按匹配度、长期方向、薪酬、文化信号和风险项分析岗位，再给出有依据的整体分数。
- 岗位扫描与去重：从 Greenhouse、Ashby、Lever 及公司招聘页发现岗位，并维护本地管道与状态完整性。
- 定制简历与 PDF：基于真实简历和职位描述起草 ATS 友好的候选版本，再由用户确认事实、措辞和版式。
- 开放题与邮件草稿：为“为什么选择该岗位”等问题，以及招聘邮件和联系人消息生成可编辑草稿。
- 只起草、不提交：申请模式把答案交回用户检查，系统不会自动点击发送、提交申请或群发消息。
- 研究与面试准备：整理公司信息、岗位风险、薪酬线索和 STAR 事例，支持面试与谈判准备。
- 本地管道：简历、配置、报告和追踪文件保存在用户机器上的项目目录，并提供终端仪表板。
- 多 Agent 支持：通过开放技能文件适配 Claude Code、Codex、OpenCode、Qwen、Kimi 与 GitHub Copilot CLI 等工具。
适合人群
- 同时跟踪几十到数百个岗位，需要一致评分标准和状态管理的求职者。
- 愿意使用 Node.js、Git、终端和编码 Agent，并能阅读生成文件与差异的人。
- 想控制数据文件、评分方法和自动化脚本，而不愿把全部求职档案交给封闭 SaaS 的用户。
- 需要为每个岗位定制简历、申请题和面试故事，但坚持逐项人工确认的人。
- 不适合期待无人值守海投、不愿核对事实、不能使用终端，或必须保证所有推理都在离线本地模型完成的人。
使用场景
用户可先在本地填写简历、职业目标、证据和排除条件，再让系统扫描候选岗位。每个岗位经过五维评估与综合评分后，低匹配项被过滤，高匹配项进入深度研究、简历草稿和申请准备。最终提交前，用户逐条核对公司、职位、薪酬、经历日期、技能程度和申请答案，避免模型为提高匹配度而夸大履历。
批处理适合先排序，不适合直接决策。招聘页面属于不可信外部输入，可能过期、写错，甚至包含提示注入文本。Agent 读取职位页面时不得因网页指令而泄露本地简历、环境变量或账号信息，也不应自动安装依赖、运行陌生脚本或访问无关文件。联系人发现和公司研究同样只能生成候选线索；身份、现任职位和联系方式要从公司官网或公开专业资料复核。
价格与版本
截至 2026-07-21，career-ops 当前版本为 1.22.0，项目采用 MIT 许可证，官方说明其自身永久免费、没有付费档、账号和 telemetry。可通过 npx @santifer/career-ops init 初始化，也可以克隆官方仓库后安装依赖。生成 PDF 可能需要 Playwright 与 Chromium，仪表板和辅助组件还会带来本地运行与维护成本。
“免费”只指 career-ops 软件本身。真正的总成本取决于所选 Agent、模型或 API、网络检索、浏览器自动化、机器资源和用户审核时间。使用 Gemini CLI、Claude Code、Codex 或其他宿主时，应分别核对订阅、API 计费、额度、数据条款和速率限制。升级前备份个人配置与管道，阅读 changelog，并在样本项目上验证格式与脚本行为。
国内访问与使用体验
官网与开源代码可直接作为安装和审查入口，但 npm、GitHub、招聘网站以及所选模型提供商在中国大陆的可达性和稳定性并不一致。career-ops 本地文件可用，不代表职位扫描、公司研究或云模型一定可用。正式采用前，应在自己的设备和网络中验证安装、浏览器依赖、中文字体、PDF、招聘站点和模型登录流程；本文不提供任何网络线路建议。
产品主要围绕英文职位市场与 ATS 工作流构建。中文简历和中文岗位可以作为输入，但评分 rubric、薪酬来源、公司文化信号、简历格式和申请问题可能需要本地化。求职者应先选十个熟悉岗位做人工对照，检查五维证据、整体分数和定制简历是否符合真实经历，再扩大批量。不要把作者个人求职案例或社区热度当作自己的录用概率。
优点
- MIT 开源，评分规则、脚本和数据文件都可检查与修改。
- 本地优先且无 career-ops 账号与 telemetry，降低集中式求职档案依赖。
- 五维评分加整体判断，比关键词匹配更容易解释和复核。
- 明确坚持“用户编辑、用户提交”，避免默认海投伤害候选人信誉。
- 覆盖发现、评估、简历、申请题、研究、面试和管道，而不只是简历打分。
- 可复用已有编码 Agent，不绑定单一模型或厂商。
不足
- Node.js、Git、终端、浏览器依赖和 Agent 配置形成明显技术门槛。
- 本地优先不是完全离线；宿主 Agent 可能把提示、简历片段和网页内容发送给模型提供商。
- 招聘页面和第三方研究数据可能过期、错误或带有恶意提示。
- ATS 简历、薪酬研究和综合分数都不能保证面试或录用。
- 英文市场方法不能直接证明中文岗位、国内招聘平台和中文 PDF 同样稳定。
- 开源快速迭代意味着版本升级、依赖安全和自定义配置需要用户维护。
替代品对比
| 工具 | 更适合谁 | 主要优势 | 需要注意 |
|---|---|---|---|
| Claude Code | 想自行搭建求职文件与脚本的终端用户 | 通用仓库 Agent 能力强 | 是 career-ops 的可选宿主，不自带完整求职方法 |
| Codex | OpenAI 生态中的自动化与文件处理用户 | 编码和任务执行链完整 | 模型、账号和云端数据边界不同 |
| OpenCode | 偏好开放客户端与多提供商的人 | 宿主与模型选择灵活 | 求职 rubric 和数据结构仍需 career-ops 或自建 |
| Gemini CLI | 已采用 Google 开发工具的用户 | 开源终端客户端与 Gemini 集成 | 云模型处理和额度要独立核对 |
| GitHub Copilot | 已在 GitHub 开发工作流中的求职者 | CLI 与开发生态成熟 | 计费和请求额度不由 career-ops 控制 |
常见问题 FAQ
career-ops 会自动替我提交申请吗？
不会。它可以扫描岗位、评分、生成简历和开放题答案草稿，但设计上把最终编辑与提交留给用户，不应改造成无人审核的海投工具。
当前是六维评分吗？
不是。当前方法公开为五个评分维度加一个整体综合分。项目中仍可能使用 A-F 区块组织报告，但区块数量不等于六个独立评分维度。
本地优先是否意味着数据绝不离开电脑？
不意味着。career-ops 自身把文件保存在本地且不要求其云账号，但所选编码 Agent、模型 API、浏览器和招聘网站仍是独立数据处理方。
career-ops 真的完全免费吗？
软件按 MIT 免费，没有官方付费档；模型订阅或 API、机器、网络、浏览器和维护时间仍可能产生成本。
AI 生成的简历和申请答案可以直接使用吗？
不应直接使用。必须核对日期、公司、项目、技能、薪酬、业绩和语气，删除无法证明的内容，并确保回答符合招聘平台与雇主规则。
中文求职适合使用吗？
可以试验，但当前主要方法和站点集成更贴近英文市场。应先验证中文字体、PDF、招聘页抓取、薪酬依据和 rubric 本地化，再决定是否扩大使用。
总结
career-ops 1.22 的价值不在替人点击更多申请，而在把求职变成一个可审查的本地运营流程：五维证据、整体评分、定制材料、研究和管道共享同一套文件。它的安全前提同样明确：岗位网页是不可信输入，模型提供商是独立数据边界，简历事实不能被 AI 美化，最终提交必须由用户完成。技术型求职者可用十个真实岗位做受控试点；不想维护终端环境或只需要一次简历润色的人，采用更轻量工具通常更合适。