今天的榜单中，竟然涌现出一个求职类的项目，让我有些惊讶。于是我就仔细的看了看这个项目，发现他竟然把求职这件事拆成了可编程的工作流，而且拆得还很细。接下来，请和我一起来详细看看这个项目。
ai-job-search是一个基于Claude Code的AI求职框架，3月底由丹麦开发者Mads Lorentzen发布在GitHub上。它的核心思路不是帮你自动海投，而是把求职拆成几个关键步骤——评估你与岗位的匹配度、生成量身定制的LaTeX简历和求职信、由一个独立审查代理挑毛病、修订后编译检查PDF排版，整个过程在Claude Code里驱动。
打个比方：如果AIHawk（feder-cr那个的自动填表工具）做的是"数量"——打开浏览器自动帮你填100份申请表格——那ai-job-search做的是"质量"。它不替你点提交按钮，它替你想这份申请应该怎么写。你拿到的是一个经过ATS验证、排版精确到页数、有审查代理批评过的PDF文件包。
同类选手中还有一个更成熟的项目：santifer的career-ops，同样是基于Claude Code的求职框架，但它的侧重点是管道化批量处理——多Worker并行、Go TUI仪表盘、A-F评分系统——更像一个求职操作系统。AIHawk的侧重点是网页自动化填表。ai-job-search夹在中间，体量最小（34次提交），却有一个独特的卖点：它在LaTeX简历编译检查和ATS文本层验证这两个环节做得最彻底。
说到底，大部分AI辅助求职工具的问题在这里：它们生成简历之后，你还是要自己检查排版、确认页数、看看ATS会不会把你的联系信息读成一堆乱码。ai-job-search把这个环节也自动化了。/apply命令的第6步是编译PDF并视觉检查——简历必须恰好2页，求职信恰好1页，孤立的条目标题、字体回退、签名不可见这些问题都会触发自动修复。第7步用pdftotext提取PDF的文本层，验证ATS解析器看到的内容是否和渲染页面一致。
这套PDF验证循环是它跟其他方案拉开差距的地方。LaTeX简历最常见的问题不是内容，是渲染结果出bug：moderncv在MiKTeX下把标题渲染成黑色而非蓝色、itemize间距在某些编译器下坍缩、图标字形替代了联系信息。手动排版被这些问题折磨过的人能立刻理解这套自动化检查的价值。
安装依赖不算轻量。你需要Claude Code CLI、Python 3.10+、Bun、LaTeX发行版（含lualatex和xelatex），以及可选的pdftotext。Quick Start是：
gh repo fork MadsLorentzen/ai-job-search --clone cd ai-job-search cd .agents/skills/jobbank-search/cli && bun install && cd ../../../.. claude /setup填好个人资料后，用/scrape搜索职位，选一个感兴趣的走/apply。资料越详细效果越好——不只是罗列技能名称，而是描述你在什么场景下用过什么工具、做了什么事、取得了什么结果。
目前内置的职位搜索工具专为丹麦市场设计（Jobindex、Jobnet等四个门户），其他国家需要跑/add-portal自建。好在提供了一个国家无关的linkedin-search，基于LinkedIn公开未认证端点，零运行时依赖，-l "Berlin, Germany"一类的参数就能切换地区。不过自动化访问LinkedIn违反其服务条款，README也明确建议保持低频率且仅供个人使用。
另一个硬门槛是LaTeX生态环境。lualatex编译简历，xelatex编译求职信（因为cover.cls依赖fontspec），排除了pdflatex。MiKTeX用户尤其需要留意fontawesome5字体扩展的兼容性问题。如果你从来没有碰过LaTeX，在本地搭好编译环境本身就是一个不小的工程。薪资基准测试工具还需要用户自己提供数据——工会统计或Glassdoor导出——没有数据就跳过这一步。
项目还很年轻，3月底才发布，34次提交，MIT协议。但它最近一周的更新节奏明显加快：7月6日加了模板管理命令/add-template，7月7日加了ATS文本层验证，今天又上了/outcome命令做申请结果追踪与框架校准。创始人显然在持续打磨这个工作流，而且每次迭代都打在了求职场景的真实痛点上。
什么样的读者适合用它？假如你的求职思路是"我宁愿少投几份但每一份都高度定制"，且你对排版质量有要求（投欧洲市场的话LaTeX简历几乎是标配），不介意花时间搭建环境和填写详细资料。它不适合追求速度的人——如果你需要的是三天内海投200个岗位，career-ops的批量管道或AIHawk的自动填表更合适。也不适合不熟悉命令行的求职者，全程没有图形界面。
项目最大的不确定性来自第三方平台限制。LinkedIn服务条款、各求职门户的反爬策略、招聘平台API的不稳定——这些不是代码能解决的问题，而是依赖外部环境的脆弱环节。/add-portal会拒绝需要认证的门户，遇到限制性条款会弹出警告，但用户最终还是需要自己判断合规边界。
项目地址：https://github.com/MadsLorentzen/ai-job-search 竞品参考： - santifer/career-ops：https://github.com/santifer/career-ops - feder-cr/Jobs_Applier_AI_Agent_AIHawk：https://github.com/feder-cr/Jobs_Applier_AI_Agent_AIHawk
