1. 痛点突围:它究竟击穿了什么工程死穴?

传统的在线招聘 SaaS 平台将用户的履历与薪资期望锁在闭源数据库中,求职者不仅丧失了对核心数据的控制权,还要面对僵化的表单填写和黑盒筛选算法。MadsLorentzen 开发的 ai-job-search 架构打破了这一范式。该项目将整个求职流程直接锚定在开发者的本地机器上,以 Claude Code 作为主执行代理,利用 Git 作为版本控制工具管理投递历史,将求职转化漏斗重构为一个可编程、可测试、可定制的本地命令行流水线。

💡 架构核心洞见:通过将求职档案降维存储为本地纯文本,并将投递动作抽象为 CLI 脚本,该架构彻底消除了第三方招聘网站的平台锁定效应。

2. 核心架构与底层数据流向解析

ai-job-search 采用模块化的本地代理架构。核心执行状态通过本地文件树保存,用户交互通过 Claude Code 终端界面输入指令触发。整个运行周期由三个核心阶段交替驱动,各组件之间通过标准输入输出与文件系统进行数据交换。

[ Claude Code CLI ] ---> [ Python/Bun Runtime ] ---> [ Local Storage Layer ]
        │                         │                           │
        ▼                         ▼                           ▼
  /setup /scrape          Portal CLI Scrapers            Profile Markdown
        │                         │                           │
        └─────────────────────────┼───────────────────────────┘
                                  ▼
                      [ LaTeX CV & Cover Letter Generator ]

系统启动时,/setup 指令读取 documents/ 目录中的原始 PDF 简历或 LinkedIn 导出数据,解析并写入本地结构化档案。当执行 /scrape 时,框架调用基于 Bun 编写的各招聘门户 CLI 抓取目标岗位。执行 /apply <url> 后,动态执行引擎调用大模型对职位描述与本地档案执行余弦相似度匹配与契合度评分,随后通过 LaTeX 编译器实时渲染出定制化简历与求职信。

3. 技术选型与性能横与硬核对比

选型维度 本方案 (ai-job-search) 传统在线招聘 SaaS 浏览器自动化脚本 (Selenium) 生产环境收益
数据存储 本地 Markdown 与 PDF 云端闭源关系型数据库 无持久化或临时 JSON 确保隐私安全,支持 Git 审计
执行引擎 Claude Code CLI + Bun 集中式 Web 后端服务 本地无头浏览器实例 规避平台风控,支持高并发解析
排版引擎 本地 LaTeX 动态编译 HTML 转 PDF 或固定模板 页面截图或网页打印 生成严格符合 ATS 标准的文档
扩展成本 编写轻量 Bun CLI 脚本 依赖平台开放 API 权限 频繁适配前端 DOM 变动 极低的学习成本与维护开销
计费模式 按 API Token 实际消耗 固定月费或高级订阅 免费但消耗大量本地算力 按需付费,杜绝闲置浪费

该架构放弃了笨重的浏览器自动化方案,转而通过轻量级 TypeScript 脚本对接各大求职门户的公开接口或静态抓取端点,显著降低了运行时的内存开销与选择器失效的概率。

4. 手把手极客实操:从零构建最小闭环

在开始构建本地求职流水线前,需要确保系统已安装 Python 3.10+、Bun 运行环境以及完整的 TeX Live 或 MacTeX 发行版。以下是克隆仓库与初始化环境的完整命令序列:

# 克隆公共仓库到本地并进入目录
gh repo fork MadsLorentzen/ai-job-search --clone
cd ai-job-search

# 自动发现并安装各招聘门户的 Bun 依赖组件
python3 tools/install_portal_clis.py

# 可选:安装用于 ATS 兼容性解析的纯 Python 解析库
pip install pypdf

# 启动 Claude Code 交互式终端
claude

在启动 Claude Code 终端后,输入 /setup 指令导入历史简历。系统会自动扫描工作目录下的 documents/ 文件夹,提取结构化特征并写入本地配置文件,随后便可执行 /scrape 搜索目标岗位并通过 /apply <url> 生成定制化申请材料。

5. 生产落地踩坑指南与避坑建议 (Gotchas)

在实际运行这套框架的过程中,由于涉及本地 LaTeX 编译与第三方 CLI 工具调用,部分系统环境会触发特定异常。

⚠️ 避坑预警 [TeX 编译报错]:在运行 /apply 生成 PDF 简历时,若使用过时的 pdflatex 容易导致 fontawesome5 字体扩展错误。解决方案是确保系统默认调用 lualatex 或 xelatex 编译引擎,并在极简 TeX 环境下提前安装缺失的宏包。

⚠️ 避坑预警 [公开 Fork 隐私泄漏]:由于 GitHub 不允许对公共仓库进行私有 Fork,直接执行 /setup 会将包含真实姓名、联系方式与薪资预期的个人档案写入被 Git 追踪的文件中。解决方案是手动将仓库转为私有状态,或者以原仓库作为 upstream 在本地建立独立的私有库。