AI Job Search 求职进度监控指南三步搭建你的求职数据看板【免费下载链接】ai-job-searchThe job search that runs on your machine. AI job application framework built on Claude Code: evaluate postings, tailor CVs, write cover letters, prep interviews. Fork it and own it.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-job-search投了 50 个岗位却记不清哪家公司回了、卡在哪一轮、简历到底行不行这就是求职进度监控要解决的问题。AI Job Search 框架基于本地文件把从投递到结果归档的全流程串成一条数据链路让求职从凭感觉变成可量化的过程。 它到底解决了什么没有它申请散落在网页标签、邮件和备忘录里超过 30 份申请后就说不清哪家给了面试有它每份申请都写进job_search_tracker.csv状态Applied / Interview / Offer / Hired / Rejected一列看清。没有它「为什么总被拒」只能靠猜有它每份申请带 0-100 的匹配度评分积累 3-4 个结果后就能对比评分和结局的关系。没有它简历、求职信、职位原文投完就丢有它材料自动归档到documents/applications/公司_职位/面试前随时能翻出面试官读过的版本。⚙️ 核心机制拆解整条监控链路是「输入 → 处理 → 输出」三段式输入是你日常命令产生的每条申请数据处理层做状态归一化、漏斗统计和归档合并输出是一个浏览器直接打开的自包含 HTML 看板。三类数据源喂进追踪表申请记录每次/apply提交后日期、公司、职位、渠道、状态、匹配度评分写入job_search_tracker.csv结果记录/outcome写入面试轮次、offer 或拒信并同步归档申请材料邮件信号/gmail-sync扫描邮箱中的面试邀请、offer 等状态线索经你逐批确认后才更新追踪表状态归一化让统计不失真系统把手写的任意状态映射到 6 个标准桶Drafted、Active、Interview、Offer、Hired、Rejected/Closed。关键设计是漏斗统计按「到达的最远阶段」而非「当前状态」计算——一位后来被拒但曾进初面的候选人仍计入漏斗的 Interview 档避免前段转化率被系统性低估。本地生成、零依赖的看板/html-report从追踪表和归档目录生成单个 HTML 文件图表是手写内联 SVG无服务器、无网络请求完全离线可打开随时重跑即得最新快照。 关键能力拆解一眼看清转化漏斗看板核心是「投递 → 面试 → Offer → 录用」的水平漏斗图。漏斗转化率按最远到达阶段统计拒信不会污染初面率拒绝率口径只算拒信与无回应你主动放弃的 offer 不算失败渠道效果在线投递、内推、其他渠道各自多少条进了漏斗典型场景投满 10 份后发现漏斗卡在第一级说明问题在简历而不是岗位选择。按匹配度评分筛选高匹配职位评分框架定义在 04-job-evaluation.md五个维度——技术技能、经验、行为文化、位置物流、职业契合——各 0-100 分另有资格与语言两道硬门槛先于评分生效不达标直接否决。/rank批量打分多个智能体并行拉取全部新职位并行评分输出带诚实力缺点的排序短名单否决优先搬迁、语言等 deal-breaker 直接出局截止日期临近的会挂紧急标记用结果回校几个申请出结果后可用真实结局校准评分权重静默申请自动跟进/outcome followup扫描超过 10 天没回音的申请起草简短得体的跟进信。只用已提交材料里的说法不编造新卖点只起草不发送每份申请最多两次记录新面试轮次的同一轮顺手给出感谢信看板同步到 Notion 随时可看/notion-sync把管道发布为 Notion 数据库的只读视图一份申请一行本地文件仍是唯一事实源不回写任何东西手机上也能瞄一眼进度。️ 三步上手克隆仓库执行git clone https://gitcode.com/GitHub_Trending/ai/ai-job-search并进入目录获得完整命令集与空追踪表录入你的档案运行claude进入 Claude Code输入/setup指向 documents/ 文件夹简历 PDF、LinkedIn 导出等或走问答完成后得到一套档案文件搜索并投递运行/scrape搜职位看中后/apply 链接你会看到匹配度评分加定制版简历与求职信记录结果每次收到回音就/outcome状态更新、材料归档追踪表多一行生成看板运行/html-report浏览器打开reports/application-dashboard.html状态卡片和漏斗图即刻呈现 你能拿到哪些数据申请转化率判断该优化简历还是调整目标岗位面试通过率定位卡在哪一轮决定面试准备的发力点渠道效果对比决定往哪个渠道加大投入行业分布判断哪些行业值得继续批量投递匹配度评分与结局的关联验证评分框架是否符合市场反向调权重⚡ 进阶与避坑试试这些进阶用法试试/setup之后跑/expand它会扫描你档案里链接的 GitHub、Kaggle 等公开来源补上简历里没显式写出的技能试试 salary_lookup.py 薪资对标喂入你自有的薪资数据/apply时会告诉你目标公司薪酬相对市场的水平试试/upskill分析你的档案与在追职位之间的技能差距输出带时间估算的优先级学习计划别踩这些坑不要把档案填薄只写职位头衔的档案产出的是通用简历把具体项目、工具、量化成果写进去不要把看板当一次性产物/html-report是生成时刻的快照每次/apply或/outcome之后都要重跑不要跳过邮件信号的确认环节/gmail-sync永远以批量提案形式呈现你批准后才写入追踪表这个人工把关习惯请保留把散落的申请变成可查询、可筛选的数据把「感觉被拒」变成漏斗上的具体指标把每份申请材料归档成面试准备的弹药库让评分框架能被真实结果持续校准记住决定求职效率的不是多投了几封而是你能多快把「发生了什么」变成下一步动作。【免费下载链接】ai-job-searchThe job search that runs on your machine. AI job application framework built on Claude Code: evaluate postings, tailor CVs, write cover letters, prep interviews. Fork it and own it.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-job-search创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AI Job Search 求职进度监控指南：三步搭建你的求职数据看板
AI Job Search 求职进度监控指南三步搭建你的求职数据看板【免费下载链接】ai-job-searchThe job search that runs on your machine. AI job application framework built on Claude Code: evaluate postings, tailor CVs, write cover letters, prep interviews. Fork it and own it.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-job-search投了 50 个岗位却记不清哪家公司回了、卡在哪一轮、简历到底行不行这就是求职进度监控要解决的问题。AI Job Search 框架基于本地文件把从投递到结果归档的全流程串成一条数据链路让求职从凭感觉变成可量化的过程。 它到底解决了什么没有它申请散落在网页标签、邮件和备忘录里超过 30 份申请后就说不清哪家给了面试有它每份申请都写进job_search_tracker.csv状态Applied / Interview / Offer / Hired / Rejected一列看清。没有它「为什么总被拒」只能靠猜有它每份申请带 0-100 的匹配度评分积累 3-4 个结果后就能对比评分和结局的关系。没有它简历、求职信、职位原文投完就丢有它材料自动归档到documents/applications/公司_职位/面试前随时能翻出面试官读过的版本。⚙️ 核心机制拆解整条监控链路是「输入 → 处理 → 输出」三段式输入是你日常命令产生的每条申请数据处理层做状态归一化、漏斗统计和归档合并输出是一个浏览器直接打开的自包含 HTML 看板。三类数据源喂进追踪表申请记录每次/apply提交后日期、公司、职位、渠道、状态、匹配度评分写入job_search_tracker.csv结果记录/outcome写入面试轮次、offer 或拒信并同步归档申请材料邮件信号/gmail-sync扫描邮箱中的面试邀请、offer 等状态线索经你逐批确认后才更新追踪表状态归一化让统计不失真系统把手写的任意状态映射到 6 个标准桶Drafted、Active、Interview、Offer、Hired、Rejected/Closed。关键设计是漏斗统计按「到达的最远阶段」而非「当前状态」计算——一位后来被拒但曾进初面的候选人仍计入漏斗的 Interview 档避免前段转化率被系统性低估。本地生成、零依赖的看板/html-report从追踪表和归档目录生成单个 HTML 文件图表是手写内联 SVG无服务器、无网络请求完全离线可打开随时重跑即得最新快照。 关键能力拆解一眼看清转化漏斗看板核心是「投递 → 面试 → Offer → 录用」的水平漏斗图。漏斗转化率按最远到达阶段统计拒信不会污染初面率拒绝率口径只算拒信与无回应你主动放弃的 offer 不算失败渠道效果在线投递、内推、其他渠道各自多少条进了漏斗典型场景投满 10 份后发现漏斗卡在第一级说明问题在简历而不是岗位选择。按匹配度评分筛选高匹配职位评分框架定义在 04-job-evaluation.md五个维度——技术技能、经验、行为文化、位置物流、职业契合——各 0-100 分另有资格与语言两道硬门槛先于评分生效不达标直接否决。/rank批量打分多个智能体并行拉取全部新职位并行评分输出带诚实力缺点的排序短名单否决优先搬迁、语言等 deal-breaker 直接出局截止日期临近的会挂紧急标记用结果回校几个申请出结果后可用真实结局校准评分权重静默申请自动跟进/outcome followup扫描超过 10 天没回音的申请起草简短得体的跟进信。只用已提交材料里的说法不编造新卖点只起草不发送每份申请最多两次记录新面试轮次的同一轮顺手给出感谢信看板同步到 Notion 随时可看/notion-sync把管道发布为 Notion 数据库的只读视图一份申请一行本地文件仍是唯一事实源不回写任何东西手机上也能瞄一眼进度。️ 三步上手克隆仓库执行git clone https://gitcode.com/GitHub_Trending/ai/ai-job-search并进入目录获得完整命令集与空追踪表录入你的档案运行claude进入 Claude Code输入/setup指向 documents/ 文件夹简历 PDF、LinkedIn 导出等或走问答完成后得到一套档案文件搜索并投递运行/scrape搜职位看中后/apply 链接你会看到匹配度评分加定制版简历与求职信记录结果每次收到回音就/outcome状态更新、材料归档追踪表多一行生成看板运行/html-report浏览器打开reports/application-dashboard.html状态卡片和漏斗图即刻呈现 你能拿到哪些数据申请转化率判断该优化简历还是调整目标岗位面试通过率定位卡在哪一轮决定面试准备的发力点渠道效果对比决定往哪个渠道加大投入行业分布判断哪些行业值得继续批量投递匹配度评分与结局的关联验证评分框架是否符合市场反向调权重⚡ 进阶与避坑试试这些进阶用法试试/setup之后跑/expand它会扫描你档案里链接的 GitHub、Kaggle 等公开来源补上简历里没显式写出的技能试试 salary_lookup.py 薪资对标喂入你自有的薪资数据/apply时会告诉你目标公司薪酬相对市场的水平试试/upskill分析你的档案与在追职位之间的技能差距输出带时间估算的优先级学习计划别踩这些坑不要把档案填薄只写职位头衔的档案产出的是通用简历把具体项目、工具、量化成果写进去不要把看板当一次性产物/html-report是生成时刻的快照每次/apply或/outcome之后都要重跑不要跳过邮件信号的确认环节/gmail-sync永远以批量提案形式呈现你批准后才写入追踪表这个人工把关习惯请保留把散落的申请变成可查询、可筛选的数据把「感觉被拒」变成漏斗上的具体指标把每份申请材料归档成面试准备的弹药库让评分框架能被真实结果持续校准记住决定求职效率的不是多投了几封而是你能多快把「发生了什么」变成下一步动作。【免费下载链接】ai-job-searchThe job search that runs on your machine. AI job application framework built on Claude Code: evaluate postings, tailor CVs, write cover letters, prep interviews. Fork it and own it.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-job-search创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考