让智能体先给岗位打分再决定投不投：评估 740 个岗位，只投 68 个，拿到 1 个 offer
速览卡
- 分类：生活办事 / 求职
- 结果：评估 740 个岗位 → 投递 68 个 → 12 个面试流程 → 1 个 offer（Head of Applied AI）（已实现，作者自述）
- 状态：漏斗数字公开在项目文档与作者个人站；工具本身约 74,000 星（chen.media 2026-10 中旬报道口径，数字变动快，发布前需再核当日星数）
- 成本：工具免费；AI CLI 成本取决于所选提供方
- 耗时：搭建 1-2 小时，之后批量运行
一句话
求职最浪费时间的不是投递，是把时间花在不匹配的岗位上——这个开源系统先让智能体逐个给岗位打分，低于 4.0/5 直接劝退，只为值得投的岗位定制简历，而且永远不替你按提交。
原作者怎么做的
- 作者先为自己的求职搭了这套系统：把 CV、求职意向和明确拒绝的条件通过对话喂给智能体，让它先“认识你”。
- 扫描模式定期检查 100 多家目标公司的招聘页（Greenhouse/Ashby/Lever 等），发现新岗位先验证链接还活着、岗位还开着。
- 每个岗位按固定报告结构对着真实 CV 打 1-5 分；低于 4.0/5 明确建议跳过（可人工推翻，但系统默认劝退）。
- 对值得投的岗位：生成 ATS 可读的定制 CV PDF、求职信草稿和申请表每个开放问题的答案草稿，并登记进本地追踪表。
- 最后一步永远是人工：作者逐个审阅、修改、自己按提交——系统没有任何自动投递动作。
结果
- 作者本人漏斗：740 个岗位评估 → 68 次投递 → 12 个面试流程 → 1 个 offer（Head of Applied AI）（已实现，作者自述）。
- 作者拿到 offer 半年后离职，全职维护这个开源项目（作者自述）。
- 注意样本只有作者 1 人，且其背景是 16 年产品/创业经历；漏斗是“过滤效率”的证据，不是“用了一定拿 offer”的承诺。
提示词结构
「这是我的 CV 和我想找/拒绝的岗位类型：[粘贴]。请逐个处理下面这些岗位链接：先确认岗位还开放，再按 1-5 分对着我的 CV 打分并说明理由；低于 4.0 分的只给一句劝退理由，不要写任何材料；4.0 分及以上的，生成一份针对该岗位的定制 CV 要点和申请问题答案草稿。不要替我提交或发送任何东西，全部停在草稿等我确认。」（据项目 README 的模式说明反推，非原文照录）
中国读者怎么迁移
国内没有 Greenhouse/Ashby 这套 ATS 生态，但“先打分过滤、再定制、人工提交”的顺序可搬到 BOSS 直聘/猎聘/公司官网岗位页：让智能体先对着你的简历给岗位列表打分，只对高分岗位逐个改简历。注意平台条款——只做读取与打分，不做自动投递/自动打招呼，既合规也避免海投伤账号。
风险与限制
- 与本站已发布的 JobAgent（258 投递→8 面试→3 offer）同属求职题材：区别是 JobAgent 偏“读完广告再投递”，Career-Ops 偏“打分过滤、永不代投”。是否同题材连发，请审批时一并决定；如介意，可把本条压后一期。
- 效果强依赖喂入的 CV 与偏好质量，作者明确说“最初几次评估不会太好”，需要一周左右的磨合。
- 岗位页抓取受目标站点条款与反爬限制；批量扫描前先确认频率与方式合规。
- 星数、版本号等数字变动快，发布前必须按当日 GitHub 页面再核一次，不沿用本条数字。