ai-job-search: 一个由 AI 驱动的求职申请框架，可自动执行抓取、定制化以及对专业 LaTeX 文档进行 ATS 验证

它解决了什么问题

寻找并申请工作通常是一个乏味且重复的手动过程，涉及重复编写求职信和定制简历。本项目提供了一个由 AI 驱动的框架，旨在自动化发现、评估和申请流程，同时确保输出高质量、专业的文档，且这些文档能够被申请人追踪系统 (ATS) 实际解析。

工作原理

该框架基于 Claude Code 构建，使用结构化的专业命令工作流来管理求职过程：

• Profiling: /setup 根据现有文档或面试内容创建候选人档案。
• Discovery: /scrape 搜索职位门户（内置了针对丹麦市场和 LinkedIn 的工具）以及 /rank 根据匹配度进行评分。
• Application: /apply 使用“起草者-审核者”代理流水线来创建定制化的 LaTeX 简历和求职信。它包含一个独特的 PDF 验证循环，用于编译文档并进行视觉检查以修复布局问题（例如孤立的标题），并使用 pdftotext 确保 PDF 文本层对 ATS 友好。
• Preparation: /interview 根据候选人的实际经验生成特定阶段的准备包并进行模拟面试。
• Management: /outcome 跟踪结果，而 /notion-sync 和 /html-report 则提供进度跟踪仪表板。

适合人群

希望在不牺牲质量或诚实度的前提下实现申请流程自动化的求职者，特别是那些习惯于使用 CLI 工具和 LaTeX 进行专业文档生成的求职者。

亮点

• Drafter-Reviewer Pipeline: 使用两个独立的代理分别进行起草和评判申请材料，以避免使用空洞的语言。
• PDF Layout Verification: 自动迭代 LaTeX 编译过程，直到布局整洁并符合页面限制。
• ATS Text-Layer Check: 验证编译后的 PDF 是否确实可以被解析器读取，防止常见的 LaTeX 字符错误。
• Relevance-Weighted Cutting: 当简历超出页面限制时，智能地移除相关性最低的经验，而不是仅仅删除最早的条目。
• Comprehensive Career Toolset: 包括技能差距分析 (/upskill)、公司研究和面试准备。