被裁转行AI工程师！2.9万星AI求职全链路工具
在当前求职环境承压的背景下，一款名为ai-job-search的开源项目在代码托管平台上收获了超过2.9万的星标，热度可见一斑。
这款工具的开发者是一名地球物理学家，在遭遇裁员后，他借助Claude Code搭建了这套自动化求职框架，最终通过投递69份简历、获得20次面试机会的成绩，成功转行成为AI工程师。
不过相比开发者本人的求职经历，这套框架的核心设计才是真正值得关注的亮点。
多数人使用AI辅助求职时，仅仅将大语言模型当作文案润色工具：粘贴职位描述，让模型修改简历、调整求职信，之后手动复制粘贴完成申请流程。但ai-job-search的不同之处在于，它重构了整个求职全链路，从职位筛选、匹配度评估、简历定制、求职信撰写到面试准备、申请追踪，全部实现了自动化。
这套框架最巧妙的设计在于双智能体互审机制：其中起草者智能体根据用户的职业档案生成定制化的简历和求职信；而评审者智能体则会在全新上下文环境下启动，独立调研目标企业，从第三方视角对初稿提出批判性修改意见，这一设计有效解决了单次AI生成内容质量不稳定的痛点。
整个工具通过四个核心命令覆盖求职全流程：
/setup：用于建立个人职业档案，支持三种创建方式：读取指定文档文件夹内的简历PDF、职业平台导出文件、学历证书和推荐信；导入单份简历文件；或是通过对话式访谈逐步完善档案信息。
/scrape：用于搜索并排序匹配的职位，工具内置了部分本土求职平台的搜索功能，但核心框架不受地域限制，用户可以通过/add-portal命令快速扩展到任意地区的求职平台，同时还附带了零依赖的通用职位搜索工具，支持全球任意国家的职位搜索。
/apply是整个框架最核心的功能模块，具体包含以下步骤：解析目标职位的描述文本，从技能、经验、企业文化、工作地点、职业发展等多个维度评估匹配度，使用标准化格式生成定制化简历和求职信，启动评审者智能体调研目标公司并审核初稿，基于反馈意见完成内容修订，之后自动编译并检查PDF格式，确保简历恰好两页、求职信一页、签名清晰可见、字体统一规范，最后完成招聘系统兼容性验证，提取PDF文本层确认联系方式完整、关键词覆盖率达标，确保招聘系统能够正确解析简历内容，最终输出最终版本的申请材料和完整的验证清单。
/interview：针对已提交的申请，生成阶段性的面试准备包，内容包括目标公司调研信息、面试官背景资料、高频面试问题梳理、结构化案例映射，还支持模拟面试练习。
这款项目另一个让人安心的特点是所有数据都存储在用户本地设备中，并非基于云端的服务，完全不用担心个人隐私泄露的风险。用户复刻代码后即可完全自主掌控项目，可根据自身需求自由修改调整。
开发者分享了完整的申请漏斗数据：69份简历投递 → 20次面试邀请 → 最终拿到正式offer，这样的转化率在求职市场中已经属于较高水平。
如果你正在求职，尤其是技术类岗位，这套框架能够帮你节省大量重复性的行政工作；如果你是产品经理或是独立开发者，这个项目本身就是一个非常优秀的智能体工作流编排案例，它清晰展示了如何将复杂且主观性强的任务拆解为可由AI执行的标准化流程，这也正是AI应用从单一问答工具向全流程工作流代理演进的正确方向。
项目地址：github.com
