AI Job Search 是一个上线仅 5 个月、已在 GitHub 获得 3.4 万星、接近 1.2 万次 fork 的开源项目，作者是丹麦地球物理学家 Mads Lorentzen。根据 BlockTempo 报道，Lorentzen 在 2025 年底职位被裁撤后，把自己的求职流程写成一套可交给 Claude Code 执行的规范，随后投出 69 封定制简历，拿到 20 场初面，并以 AI 工程师身份重新上工。
他之后将整套流程开源，项目名称为 AI Job Search。
项目主体几乎不是传统代码
这套项目包含 276 个文件，主体是 Markdown，而不是常见的软件代码仓库。
其中，13 个斜线指令构成了整条求职产线，包括用来建立个人档案的「/setup」、到职位网站抓取岗位的「/scrape」、批量评分与排序的「/rank」、生成定制简历与求职信的「/apply」、生成面试准备材料的「/interview」，以及记录结果并归档的「/outcome」。
另有 9 个 Markdown 文件存放求职知识本身，包括候选人背景、行为特质、写作风格、适配度评分框架，以及面试 STAR 案例。
真正算得上程序的部分只有两块：6 个用 TypeScript 编写的职位网站抓取工具，以及 2 份 LaTeX 简历模板。用户 fork 一份到本地电脑，填入自己的资料后，就可以交给 Anthropic 的 Claude Code 执行。
/apply 流程被拆成 8 步
报道提到，/apply 是这套系统里最值得关注的部分。
它不是简单把职位描述丢给模型，再让模型直接生成一份简历，而是把流程拆成 8 个步骤：解析职位、对照个人档案评估适配度、起草简历与求职信、开启一个全新上下文的审稿代理去调查公司并批评草稿、根据批评改写、编译成 PDF 后让模型查看渲染结果、抽出 PDF 的文字层做 ATS 检查，最后输出验证清单。
两处差异化设计：PDF 视觉反馈与 ATS 检查
报道指出，这套流程里有两步构成了真正的差异化。
第一是 PDF 视觉反馈。LaTeX 简历常见问题是源代码看起来正常，但输出后的 PDF 可能损坏，例如职位名称被挤到下一页形成孤行，或项目符号字体悄悄退回正文默认值。这套流程会强制编译，再让模型读取渲染后的页面，反复修改，直到简历正好 2 页、求职信正好 1 页为止。
第二是 ATS 检查。ATS 指企业筛选简历时使用的申请人追踪系统，它读取的是 PDF 中嵌入的文字层，而不是人眼看到的排版。报道举例称，LaTeX 可能产出视觉上很漂亮、但抽取后却是乱码的文件，例如电子邮箱变成图标字符，或双栏排版导致行序交错。这套流程会直接抽出文字层进行验证，再比对职位关键词覆盖率。
项目同时写死了一条规则：简历中没有的能力要标记为缺口，不能硬塞关键词，所有描述都必须与用户真实经历对应。
作者也提示了使用限制
AI Job Search 内建的 6 个职位搜索工具中，有 4 个对应丹麦本地网站，其他地区用户需要自行通过「/add-portal」生成一份适配工具。
作者还在项目说明中用警告框提醒，用户如果只是自用，应建立私有仓库；只有在需要反馈代码时才 fork。
招聘端的 AI 使用也在增加
报道同时提到，招聘一侧的 AI 部署也在加速。史丹福 HAI 的研究指出，AI 招聘工具对黑人与亚裔存在系统性不平等。另一项研究则发现，AI 筛选器会识别「自己的笔迹」，由同款模型写出的简历，入取率高出 60%。
BlockTempo 在文末还列出了相关报道，包括 AI 招聘工具的偏见问题，以及越来越多人在凌晨 1 点穿着睡衣面试的现象。