AI 求职指挥台 — Career-Ops Copilot

你现在运行 career-ops-copilot 技能。目标：让你 host coding CLI 变成一台求 职流水线主控台——粘一个招聘链接进去，它就把「这份 offer 值不值得投」拆成六 维评分，把简历按 JD 关键词重排成 ATS 友好的 PDF，把研究做进 cover letter，把 你的过去经历攒成可复用的面试故事库，再把这一条 offer 写进一张长期可追踪的 pipeline 表。

底层是 @santifer/career-ops （MIT、npm 官方 bootstrapper + 完整 job-search skill；作者 @santifer 用它评估 740+ 岗位、生成 100+ 定制 CV 后拿到 Head of Applied AI offer 的开源版本；WIRED / Business Insider 报道过）。 它是跨 CLI 的开源工具集——Claude Code / Codex / Antigravity CLI / Qwen / OpenCode / GitHub Copilot CLI / Kimi / Grok Build CLI 全部开箱即用，全部通过 AGENTS.md / .claude/ / .opencode/ 等文件夹自动被识别。

课程只做约定式约束——把安装命令、三条主指令、五种真实产物路径钉死；不新 增任何 wrapper、不新增 Clawvard 一方 SDK service、不新增 Clawvard 后端调用点。

这门课做什么（边界写在第一屏）

• ✅ 做：粘一个招聘链接或 JD → auto-pipeline 跑完六维评分 + 骗招 / 幽灵岗 鉴别 → 生成 ATS-optimized 定制 CV PDF + 研究驱动的 cover letter PDF → 更新 pipeline 追踪表 → 沉淀面试故事库。全部产物在你本机、路径固定、可复现。
• ✅ agent-in-the-loop：所有评估、CV 改写、cover letter 生成推理跑在你 host coding CLI 已经登录的模型账户上——Claude Code 走你的 Claude 订阅、Codex 走 ChatGPT 订阅、Antigravity CLI 走 Google 订阅、Qwen / Kimi 走各自订阅。课程 不要求你另外提供 Anthropic / OpenAI / Google 独立 API key。
• ✅ 本地渲染：PDF 由本机 Playwright + Chromium 无头浏览器渲染 ATS-safe HTML 模板，字体嵌入、关键词可被 PDF 抽取器读到。招聘门户（Greenhouse / Ashby / Lever / 公司自建页）由同一份 Playwright 抓取，无第三方 SaaS key。
• ✅ 产物真实可追溯：五份文件全部落到 ./career-ops/ 的固定路径下 （reports/*.md、output/*.pdf、data/applications.md、 interview-prep/story-bank.md），你自己可直接 open / grep / push。
• ❌ 不做：不代你按投递按钮（HITL — 你自己 review 每一份 PDF 后再发）； 不当作 mass-apply 喷投工具（作者刻意设计了 4.0/5 阈值，默认劝退低分岗位）； 不替代 ai-doc（那门课是通用 docx 排版，没有 JD 匹配 / 骗招鉴别 / pipeline 追踪）。

一句话定位：这不是投递机，是筛子。它帮你把 200 个岗位过掉 190 个，剩下的 10 个每一个都拿到定制 CV + cover letter + 面试准备。

前置条件

• 本机 Node ≥ 18 + npm（node -v 检查；npx 随 Node 一起装）
• 本机 git（git --version 检查；bootstrapper 需要它从 GitHub 拉取 career-ops 仓库最新 release tag）
• 一款支持 open agent skill standard 的 coding CLI 并已登录自己的订阅， 任选其一：
  • Claude Code（走 Claude 订阅）
  • Codex（走 ChatGPT 订阅）
  • Antigravity CLI（走 Google 订阅；career-ops 官方文档里明确提到免费档也能跑 完整 pipeline，见上游 docs/FREE_TIER.md）
  • Qwen Code / OpenCode / GitHub Copilot CLI / Kimi / Grok Build CLI
• 课程不需要你另外提供 Anthropic / OpenAI / Google 独立 API key
• 课程不需要你注册任何付费 SaaS（Greenhouse / Ashby / Lever 门户是公开 HTTP，本地 Playwright 无头浏览器抓取即可）

安装

一次性初始化（在你想放 career-ops 目录的地方跑）：

# 1) 一句话把 career-ops 拉到 ./career-ops，装 npm 依赖
npx @santifer/career-ops init

# 2) 装 Playwright 的 Chromium（用于 PDF 渲染 + 门户抓取；一次性 ~300 MB）
cd career-ops
npx playwright install chromium

init 只做两件事：git clone 官方 github.com/santifer/career-ops 的最新 release tag、跑 npm install。它故意不为你预置 cv.md / config/profile.yml / portals.yml——这些空缺是上游 AGENTS.md 里 "First Run — Onboarding" 触发器；进入 CLI 后 agent 会主动问你「简历粘进来 / LinkedIn 链接 / 描述一下经历」三选一，帮你把这些文件填出来。

再打开你 host coding CLI（不同 CLI 命令不同，示例）：

cd career-ops

# Claude Code:
claude

# Codex:
codex

# Antigravity CLI:
agy

# Qwen Code / OpenCode / GitHub Copilot CLI / Kimi / Grok Build CLI:
# 走各自的 CLI 命令即可

三条主指令 + 一次典型工作流

1) 首次跑：conversational onboarding（一次性）

第一次在 ./career-ops 里打开 CLI，agent 会读 AGENTS.md 里的 First Run Onboarding 协议，自动检查是否有 cv.md / config/profile.yml / modes/_profile.md / portals.yml，缺什么问什么：

• CV：粘现有简历 / LinkedIn URL / 口述经历，三选一；agent 会写成 cv.md。
• Profile：姓名、邮箱、时区、目标岗位方向、薪资底线、你不接受的红线 （比如「不做 RTO」/「只接 EU 时区」）；agent 会写到 config/profile.yml 和 modes/_profile.md。
• Portals（可选但强烈推荐）：agent 用 templates/portals.example.yml 帮你生成一份 45+ 家公司预配置的 portals.yml，你可以再让它按你目标岗位调 title_filter.positive 关键词。

设置完就得到「知道你是谁 / 你想要什么」的第一版工作区。

2) 主指令 A：粘 JD URL 触发 auto-pipeline（跑一次评估 + CV）

在 ./career-ops 目录的 CLI 会话里直接说：

Evaluate this JD with career-ops auto-pipeline:
https://example-portal.com/company/senior-ai-platform-engineer

或（Claude Code / Antigravity / Grok 等支持 slash 的 CLI）：

/career-ops https://example-portal.com/company/senior-ai-platform-engineer

auto-pipeline（modes/auto-pipeline.md）会跑完这几步：

最后 agent 会在对话里告诉你：分数、报告和 PDF 落到哪、这条要不要 写进 tracker（默认写）、建议下一步动作（申请 / 观察 / 放弃）。默认策略 是低于 4.0/5 劝你不要投——career-ops 是筛子，不是喷投机。

3) 主指令 B：/career-ops cover <slug> — 为已评估过的岗位出 cover letter

/career-ops cover aurora-labs

（Codex 等无 slash 的 CLI 就说：Run career-ops cover mode for aurora-labs。）

modes/cover.md 会走一段互动 4 段 prompt：

1. why this company — 问你为什么选它（answer 用你已知信息 + 让 agent 做 有限研究）
2. their problems — 让 agent 找出他们最近说过要解决的问题（GTM、tech blog、 最近招聘趋势）
3. my approach — 你的过去哪些经历直接对应这些问题
4. tone — 想要什么口气（confident / grateful / peer-to-peer / senior IC）

每段给一个 draft，你回 approve 或 rewrite <指令>。全部 approve 之后走同 一套 HTML + Playwright 管线渲染 A4 cover letter PDF，落到 output/{slug}-cover.pdf（默认路径）或按 --out 指定。tracker 里对应 row 会自动补上 cover-letter 状态和 PDF 相对路径。

4) 主指令 C：/career-ops tracker — 读 pipeline

/career-ops tracker

（Codex 说 Run career-ops tracker mode。）读 data/applications.md，按状态 分组展示：等回复的、需要 follow-up 的、超时的、面试中的、拿到 offer 的。 data/follow-ups.md 里存的 follow-up cadence 会被这里一并汇总。

四份 canonical 产物路径

课程把上游默认路径钉死，方便 QA 和用户可复现：

• ./career-ops/reports/{###}-{company-slug}-{YYYY-MM-DD}.md — 完整六维岗位评估报告 + 岗位真实性检查（Markdown），header 带 URL / 真实性等级 / 分数 / 关联 PDF 路径。
• ./career-ops/output/cv-{name}-{slug}-{date}.pdf — ATS-optimized 定制 CV PDF（Playwright 渲染，字体嵌入， ligature-disabled，PDF 抽取器能读到关键词）。
• ./career-ops/output/{slug}-cover.pdf — 研究驱动的 cover letter PDF，同一套渲染管线。
• ./career-ops/data/applications.md — pipeline tracker（Markdown 表），一条 offer 一行，字段包括 #、日期、公 司、角色、分数、状态、PDF 路径、报告路径、备注。
• ./career-ops/interview-prep/story-bank.md — 面试故事库（每评估一份新岗位就追加 3 条经过结构化的过去经历——情景 / 任务 / 动作 / 结果 / 反思，长期变成你自己的可复用故事库）。

与相邻课的边界

• 本课 = 求职流水线主控台，从 JD 到 tracker 一条链。方向是筛选 + 定 制。
• ai-doc = 通用 docx 排版（简历 / 周报 / 合同都可以）；没有 JD 匹配、评分、骗招鉴别、cover letter、 pipeline 追踪。
• web-to-knowledge-base = 把网页抓成知识库；不是求职专用，也不生成 CV / cover letter。
• 上游还带一个 interview-prep mode（/career-ops interview <slug>）， 基于本轮面试故事库 + 目标岗位再做一次针对性面试准备；这是本课的自然 延伸，不额外开一门课。

用户可见文案约束

• 所有用户可见链接一律 https://clawvard.school（Clawvard 官方唯一课程域名）。
• 卡片、popularTask label、output 用真求职者说的话： 「粘一个招聘链接，拿到评估报告 + 定制 CV + cover letter」，不要出现内部 评分块字母代号或方法学缩写原文。
• 详情页 "你会拿到 / What you get" 内嵌 career-ops-copilot-demo.html：真实评分卡 + 真实 CV PDF 缩略图 + 真实 cover letter PDF 缩略图 + pipeline 追踪表缩略行 + 3 条面试故事 preview。

学习完成后

告诉用户：

我已经学会了 career-ops-copilot（Clawvard 课程页 https://clawvard.school/courses/career-ops-copilot）。给我一个招聘链接或 整段 JD，我在你本机跑：

1. 一次性 npx @santifer/career-ops init + npx playwright install chromium 拉起工作区；
2. 首次跑做 conversational onboarding，写 cv.md / config/profile.yml / portals.yml；
3. 粘 JD → auto-pipeline 出 reports/*.md（六维评分 + 骗招鉴别） + output/cv-*.pdf（ATS-safe 定制 CV） + tracker 一行；
4. /career-ops cover <slug> 出 output/{slug}-cover.pdf；
5. tracker 长期沉淀在 data/applications.md，故事库沉淀在 interview-prep/story-bank.md。

全程用你 host coding CLI 已经登录的模型订阅推理，不要你另外的 Anthropic / OpenAI / Google key，也不接第三方付费 SaaS。默认会劝你别投分数低于 4.0/5 的岗位——career-ops 是筛子，不是投递机。