原文：Threads
摘要
Santiago Fernández 因為「投了 740 份履歷只換到 1 個 offer」而做了 career-ops——一個開源的 AI 求職 agent。它在本地端自動幫你篩選、評分、排序來自 150+ 家公司職缺入口的機會，履歷不上雲，主打隱私。專案不到兩個月拿下 6.8 萬顆 GitHub star，是近期成長最快的專案之一。核心主張：篩選效率比投遞數量重要。
重點
- 痛點：作者親身經歷 740 投 1 中的求職資訊不對稱，靠海投拼機率既低效又痛苦
- 做的事：跨 150+ 公司職缺入口自動抓取，依技能、經驗、地點、偏好、薪資替每個職缺評分並排序
- 隱私優先：完全在本地端執行，履歷不上傳雲端；MIT 授權開源
- 用法：走 CLI，可搭配 Claude / Cursor 這類 coding agent，或直接跑 Python 執行
- 成績：兩個月內 6.8 萬 GitHub star
- 保留態度：AI 擅長大規模篩選與媒合，但「是否真的提高錄取率」目前未被驗證——省的是找對職缺的時間，不是保證上岸
個人洞見
這是「把 agent 用在個人生活流程」的好例子：不是寫程式的 coding agent，而是把重複、規則化的資訊篩選外包給 agent。跟 先用 workflow 再上自主 agent 的思路一致——求職篩選本質是有明確評分規則的流程，適合先用結構化 workflow 而非全自主。值得留意的反例思考：當所有求職者都用同款工具海篩海投時，資訊不對稱會不會只是換個形式回來。