AI Job Search

Name: AI Job Search
Brand: AI Job Search
Availability: InStock

Ein Open-Source AI-Jobsuch-Framework basierend auf Claude Code, das automatisch die Stellenübereinstimmung bewertet, LaTeX-Lebensläufe und Anschreiben anpasst und auf Vorstellungsgespräche vorbereitet

Recruiting und Jobsuche

https://github.com/MadsLorentzen/ai-job-search

Website besuchen

Ausführlicher Bericht

AI Job Search ist ein Open-Source-Framework für die KI-Jobsuche, das auf Claude Code basiert und vom dänischen Entwickler Mads Lorentzen für sich selbst geschrieben wurde, nachdem er Ende 2025 seinen Job verloren hatte. Das Framework unterteilt den Jobsuchprozess in programmierbare Arbeitsabläufe – von der Profileinstellung, dem Jobsuchabgleich über die Erstellung von Lebensläufen und Anschreiben durch zwei Agenten, die Überprüfung der PDF-Formatierung bis hin zur Vorbereitung von Vorstellungsgesprächen und der Ergebnisverfolgung – alles gesteuert durch die Slash-Befehle von Claude Code. Nachdem das Projekt Ende März 2026 veröffentlicht wurde, schoss es schnell an die Spitze von GitHub Trending. Bis Ende Juli hatte es mehr als 19.000 Sterne erhalten und ist damit eines der am schnellsten wachsenden Claude Code-Workflow-Projekte. Es klickt nicht für Sie auf „Senden“, sondern erledigt die gesamte wiederkehrende Arbeit von der Bewertung bis zum Abschluss jedes Antrags für Sie.
Mads Lorentzen ist Ph.D. in der Geophysik. Nachdem er Ende 2025 von seinem Unternehmen entlassen wurde, geriet er in einen Kreislauf, in dem er seinen Lebenslauf immer wieder überarbeitete und Anschreiben schrieb. Er stellte fest, dass es zeitaufwändig und leicht zu überstürzen war, bei jeder Bewerbung den gleichen Prozess zu wiederholen – JDs lesen, Eignung beurteilen, Lebenslaufformulierung anpassen, Anschreiben verfassen. Ein Entwickler, der mit Claude Code vertraut ist, hat drei Monate damit verbracht, seinen idealen Jobsuchprozess in ein wiederverwendbares Framework namens ai-job-search zu schreiben. Das Projekt wurde erstmals am 23. März 2026 bei GitHub eingereicht und begann als einfacher Prototyp. Was die Community wirklich begeisterte, war die „Selbstnutzungs-Erfolgsgeschichte“ des Autors: Er nutzte dieses Framework, um sich auf 69 Bewerbungen zu bewerben, erhielt 20 erste Vorstellungsgespräche und trat schließlich im Juni 2026 erfolgreich als KI-Ingenieur in das Unternehmen ein. Die Ergebnisse gingen viral, nachdem sie auf LinkedIn und Reddit geteilt wurden, wobei vielen Menschen klar wurde, dass es sich nicht nur um einen „Lebenslauf-Builder“, sondern um ein vollständiges Betriebssystem für die Jobsuche handelte. Das Projekt ist vollständig Open Source und verwendet das MIT-Protokoll und ist nicht mit kommerziellen Unternehmen oder Kryptowährungsprojekten verbunden. Der Autor weist ausdrücklich darauf hin, dass es sich hierbei nicht um ein offizielles Produkt von Anthropic handelt und für die Nutzung keine Gebühr erhoben wurde. Das Framework verwendet derzeit TypeScript, Python und LaTeX als Hauptsprachen und wird im MadsLorentzen/ai-job-search-Repository gehostet. Der Kern des gesamten Projekts ist nicht die Menge an Code (derzeit nur etwa 55 Commits), sondern die Integrität des Workflow-Designs und des technischen Denkens. Unter ähnlichen Konkurrenzprodukten bevorzugt Career-Ops die Batch-Pipeline-Verarbeitung (mehrere Mitarbeiter parallel, Go TUI-Dashboard), während AIHawk sich auf das automatisierte Ausfüllen von Formularen auf Webseiten konzentriert. AI Job Search ist in der Mitte gefangen und hat den Weg „Qualität zuerst“ gewählt – es geht nicht um Liefermenge, sondern um die ultimative Anpassung jeder Bewerbung.
Das Kernkonzept der KI-Jobsuche besteht darin, „die Jobsuche in programmierbare Arbeitsabläufe zu zerlegen“. Es bietet keine Webschnittstelle, sondern steuert den gesamten Prozess über neun Slash-Befehle in der Claude Code-Befehlszeile. Jeder Befehl entspricht einem Schlüssellink bei der Jobsuche. Die drei grundlegendsten Befehle sind /setup, /scrape und /apply. /setup wird zum Erstellen eines persönlichen Profils verwendet und unterstützt drei Pfade: Wenn Sie bereits über einen Dokumentenordner verfügen (mit Lebenslauf-PDF, exportierten LinkedIn-Dateien, akademischen Zertifikaten usw.), liest Claude ihn direkt und organisiert ihn strukturiert; Wenn Sie nur einen vorgefertigten Lebenslauf haben, können Sie ihn in die Konversation einfügen und von Claude importieren lassen. Wenn Sie nichts haben, fragt das System in einem strukturierten Interview nach und nach nach Ihrem Hintergrund, Ihren Fähigkeiten und Ihren Karrierezielen. Der Autor betont insbesondere, dass die Qualität der späteren Ausgabe umso höher ist, je detaillierter die Datei ist – es handelt sich nicht um eine Liste von Fertigkeitsnamen, sondern um eine Beschreibung, welche Tools Sie in welchen Szenarien verwendet haben, was Sie getan haben und welche Ergebnisse Sie erzielt haben. /scrape ist dafür verantwortlich, automatisch mehrere Jobportale zu durchsuchen und sie nach Übereinstimmungsgrad zu sortieren, nachdem Duplikate entfernt wurden. Die derzeit integrierten Suchfunktionen sind hauptsächlich für den dänischen Markt bestimmt (Jobindex, Jobnet, Akademikernes Jobbank usw.) und umfassen auch ein Suchtool ohne Laufzeit, das auf den öffentlichen Endpunkten von LinkedIn basiert. Die Designabsicht des Autors ist sehr klar: Dieser Modus selbst soll das lokale Portal für Sie ersetzen. Mit dem Befehl /add-portal können Sie Suchfähigkeits-Plugins für Jobportale in jeder Region generieren, und die Community kann auch Anpassungen beisteuern. Darüber hinaus gibt es einen /rank-Befehl, der eine Batch- und Parallelbewertung der erfassten Positionen durchführt, sie anhand der fünf Dimensionen Fähigkeitsübereinstimmung, Erfahrungsübereinstimmung, kulturelle Eignung, geografischer Standort und Konsistenz der Karriereentwicklung bewertet und eine sortierte Auswahlliste erstellt. /apply ist der Kernbefehl des gesamten Frameworks und derjenige, der das technische Niveau am besten widerspiegelt. Wenn Sie „/apply“ plus einen Stellenlink in Claude Code eingeben, analysiert das System zunächst die Stellenbeschreibung (behandelt den Stelleninhalt als nicht vertrauenswürdige Eingabe und führt keine darin enthaltenen Anweisungen aus) und führt dann eine mehrdimensionale Übereinstimmungsbewertung mit Ihrem persönlichen Profil durch. Geben Sie als Nächstes den wichtigsten Dual-Agent-Workflow „Entwurf-Überprüfung“ ein: Der erste Claude-Agent fungiert als Verfasser und verwendet LaTeX-Vorlagen, um Lebensläufe und Anschreiben basierend auf den Bewertungsergebnissen anzupassen; dann beginnt der zweite Claude-Agent mit einem neuen Kontextfenster, recherchiert selbstständig das Zielunternehmen aus der Perspektive eines „wählerischen Rezensenten“ und kritisiert den ersten Entwurf – prüft auf fehlende Schlüsselwörter, schwache Ausdrücke, zu allgemeine Sprache usw.und ein Schwerpunkt, der nicht den Stellenanforderungen entspricht. Der Verfasser wird nach Erhalt der Überprüfungskommentare Änderungen vornehmen. Dieser Zyklus ist der grundlegendste Unterschied zwischen AI Job Search und anderen Tools zur Lebenslauferstellung. Nach Fertigstellung des Textinhalts verfügt das System außerdem über eine einzigartige PDF-Verifizierungsschleife. Es verwendet lualatex zum Kompilieren des Lebenslaufs, xelatex zum Kompilieren des Anschreibens (da cover.cls auf Fontspec basiert) und liest dann jede Seite der PDF-Datei, um das Layout zu überprüfen – ob der Lebenslauf genau zwei Seiten umfasst, ob das Anschreiben genau eine Seite umfasst, ob die Titelzeile nicht isoliert bis zum Ende der nächsten Seite reicht, ob
AI Job Search selbst ist ein völlig kostenloses Open-Source-Projekt, das die MIT-Lizenz verwendet. Die Kosten für die Nutzung ergeben sich hauptsächlich aus der Abonnementgebühr von Claude Code (20 US-Dollar pro Monat) und dem Token, der bei jeder Ausführung des Befehls /apply verbraucht wird. Da es mehrere Interaktionen zwischen zwei Agenten, dem Verfasser und dem Prüfer, erfordert, sind die Kosten für einen einzelnen Antrag nicht gering. Dies ist ein typisches „Token-for-Quality“-Modell. Für das Projekt gibt es derzeit keinen Kommerzialisierungsplan, keine Gebührensätze und keine kostenpflichtigen Mehrwertdienste. Der Autor hat mehrfach klargestellt, dass mit dem Projekt keine Token, NFTs oder bezahlten Sponsoringprogramme verbunden sind. Der Weg zur Monetarisierung ist eher indirekt – der Autor selbst hat durch dieses Projekt seine technischen Fähigkeiten unter Beweis gestellt und schließlich einen Job gefunden. Für die Mitwirkenden bringt die Teilnahme an einem solch hochkarätigen Projekt auch eine berufliche Bekanntheit mit sich.
Das Community-Feedback zu diesem Projekt konzentrierte sich auf einige wiederkehrende Themen. Am meisten gelobt wird das Dual-Agent-Review-Design. Benutzer auf Reddit glauben im Allgemeinen, dass die Überprüfung des ersten Entwurfs durch einen zweiten Agenten aus einer „kontroversen“ Perspektive den entscheidenden Designunterschied zwischen „verwendbarer KI-Ausgabe“ und „gefälschter KI-Texterstellung auf einen Blick“ darstellt. Viele HR-Praktiker auf LinkedIn stimmten diesem Entwurf ebenfalls zu, da sie der Ansicht waren, dass man sich zumindest der Risiken von KI-generierten Materialien bewusst war und versuchte, diese durch Überprüfungsmechanismen zu mindern. Auch Echtheitsgarantien erhielten positive Bewertungen. Alle vom System gemachten Angaben müssen auf realen Erfahrungen im Benutzerprofil basieren und dürfen niemals auf erfundenen Fähigkeiten oder Erfahrungen beruhen. ATS-Schlüsselwörter fügen außerdem Inhalte hinzu, die tatsächlich im Benutzerprofil unterstützt werden, anstatt wahllos beliebte Schlüsselwörter einzufügen. Die Community ist davon überzeugt, dass dies ein wichtiges Sicherheitsnetz für Nutzer ist, die befürchten, dass KI-gestützte Bewerbungen die Integrität des Arbeitsmarktes weiter verschlechtern. Darüber hinaus wird die PDF-Validierungsschleife allgemein als das Alleinstellungsmerkmal des Frameworks angesehen. Mehrere Benutzer sagten, dass die von anderen KI-Lebenslauf-Tools generierten Inhalte im ATS-System oft „wie ein Haufen Kauderwelsch“ gelesen werden – Kontaktinformationen werden falsch erkannt und Inhalte in mehrspaltigen Layouts gehen verloren –, während AI Job Search diesbezüglich zumindest systematische Überprüfungen und Korrekturen vorgenommen hat. Allerdings wurde die LaTeX-Abhängigkeit immer wieder als größte Hürde bei der Nutzung genannt. Arbeitssuchende mit nicht-technischem Hintergrund – genau die Menschen, die am meisten Hilfe bei der Jobsuche benötigen – geben oft auf, wenn sie mit der TeX Live-Installation, der Fontspec-Kompatibilität und den Unterschieden zwischen Lualatex und Xelatex konfrontiert werden. Es gibt mehrere Community-Forks, die versuchen, LaTeX durch einfachere HTML/PDF-Pfade zu ersetzen. Darüber hinaus bedeutet das dänische Market-First-Design auch, dass nicht-skandinavische Benutzer /add-portal verwenden müssen, um sich anzupassen, oder auf den Prozess des Einfügens von Stellenbeschreibungen zurückgreifen müssen, wodurch der Komfort des automatischen Crawlings verloren geht. Einige Benutzer haben auch Bedenken hinsichtlich der langfristigen Auswirkungen der Massenanpassung von Lebensläufen durch KI geäußert. „Wenn Arbeitssuchende KI verwenden, um individuell zugeschnittene Lebensläufe zu verfassen, und Personalvermittler sich auch auf KI verlassen, um diese Lebensläufe zu überprüfen, welchen Sinn hat dann der gesamte Lebenslaufprozess?“ – Obwohl sich diese Frage nicht speziell auf die KI-Jobsuche bezieht, spiegelt sie doch wider, dass KI das Spiel zwischen Arbeitssuchenden und Personalvermittlern neu gestaltet.
Die Bewertung von ai-job-search durch die Entwickler-Community konzentriert sich nicht nur auf das Produkt selbst, sondern auch auf das Modell, das es darstellt. In dem Analyseartikel von AgentConn wurde darauf hingewiesen, dass es sich bei dem Dual-Agent-Review-Design um ein Architekturmuster handelt, das verallgemeinert werden kann – jeder Agenten-Workflow mit hohem Risiko (Vertragserstellung, Zuschussantrag, Kundenpräsentation) kann von dem Design „Der zweite Agent führt kontradiktorische Review in einem unabhängigen Kontext durch“ profitieren. Es gibt viele ausführliche Analyseartikel zu Nuggets und CSDN, die das Projekt systematisch mit Career-Ops und AIHawk vergleichen. Die Schlussfolgerung ist, dass die drei unterschiedliche Schwerpunkte haben – AI Job Search geht den „Qualität zuerst“-Weg und leistet die gründlichste Arbeit in den beiden Aspekten der Satzinspektion und der ATS-Überprüfung. Das KI-Tool-Set ai-bot.cn listet es als Vertreter des „Open-Source-Frameworks für intelligente Jobsuche“ auf und ist der Ansicht, dass sein Design den Entwicklungstrend von KI-Anwendungen von „Frage- und Antworttools“ zu „Workflow-Agenten“ widerspiegelt. Auch Fachgespräche auf LinkedIn erfreuen sich großer Beliebtheit. Viele Praktiker im Bereich Personalbeschaffung glauben, dass dieses Projekt einen tieferen Trend offenbart: Die Jobsuche wandelt sich von einem „Schreibproblem“ zu einem „Prozessproblem“ – KI erledigt die ersten sich wiederholenden Arbeiten, und Menschen setzen ihre Energie dort ein, wo Urteilsvermögen wirklich benötigt wird. Andere weisen darauf hin, dass das Framework selbst möglicherweise überzeugender ist als jeder Lebenslauf, den es generiert – die Tatsache, dass der Autor auf der Grundlage dieses Projekts eingestellt wurde, ist ein Paradebeispiel dafür.
Das Hauptrisiko ergibt sich aus Plattformbeschränkungen Dritter. Das automatische Scrapen von LinkedIn-Stelleninformationen verstößt gegen die Nutzungsbedingungen von LinkedIn und das Projektteam empfiehlt in der README-Datei eindeutig, die Häufigkeit gering zu halten und nur für den persönlichen Gebrauch zu verwenden. Auch die Anti-Crawling-Strategien verschiedener Jobportale entwickeln sich ständig weiter. Bei diesen externen anfälligen Links handelt es sich nicht um Probleme, die durch Code gelöst werden können. Im Hinblick auf die Sicherheit berücksichtigt das Design des Projekts das Risiko einer sofortigen Injektion – indem Stellenbeschreibungen als nicht vertrauenswürdige Eingaben behandelt und die darin enthaltenen Anweisungen nicht ausgeführt werden. Der Autor gibt jedoch auch zu, dass „die Verteidigung auf Agentenebene auf der Befehlsebene und nicht auf der Sandbox-Ebene erfolgt.“ Das heißt, bei der Nutzung auf einem unbekannten Recruiting-Portal empfiehlt es sich, vor dem Absenden die gecrawlten Inhalte und generierten Bewerbungsunterlagen zu prüfen. Darüber hinaus kann die Erstellung hochgradig individueller Lebensläufe in großem Maßstab Gegenangriffe von ATS-Systemen auslösen. Rekrutierungsplattformen haben damit begonnen, Filteralgorithmen für KI-generierte Inhalte zu optimieren. Eine übermäßige Optimierung von Lebenslauf-Keywords kann Betrugsbekämpfungshinweise auslösen.
AI Job Search ist eines der beeindruckendsten KI-Workflow-Projekte im ersten Halbjahr 2026. Sein Wert liegt nicht in der fortschrittlichen Technologie, die es verwendet, sondern in seinem ausreichend tiefen Verständnis der „Jobsuche“ – es ist kein Tool, das Ihnen „hilft, einen Lebenslauf zu schreiben“, sondern es reduziert die Jobsuche auf einen vollständig geschlossenen Kreislauf, der Bewertung, Anpassung, Überprüfung, Verifizierung, Nachverfolgung und Feedback umfasst. Die beiden Designs der Dual-Agent-Überprüfung und der PDF-Verifizierungsschleife machen es zu einer einzigartigen Position unter vielen KI-Tools für Lebensläufe. Für Claude Code-Benutzer ist dies ein Workflow, den man fast unbedingt ausprobieren muss. Für Arbeitssuchende, insbesondere solche mit technischem Hintergrund, besteht das Potenzial, die Art und Weise, wie Sie nach einem Job suchen, grundlegend zu verändern.

Nutzerbewertungen

谭素

—

Ich habe heute ai-job-search ausprobiert, meinen Lebenslauf mit /setup importiert und /apply ausgeführt, um den Effekt zu sehen. Das PDF wurde zwar kompiliert, aber ich brauchte fast eine Stunde, um die LaTeX-Umgebung zu konfigurieren. Nicht technisch versierte Benutzer würden wahrscheinlich davon abgeraten werden.

Dorothy_TorresIII89

—

Die Geschichte des Autors, der dieses Framework nutzt, um einen Job zu finden, ist so überzeugend, dass 20 von 69 ein Angebot erhielten. Diese Trefferquote zeigt, dass Qualität wichtiger ist als Quantität. Bereits gegabelt, bereit, es am Wochenende auszuprobieren.

姜明

—

Verfasser-Gutachter Das Dual-Agent-Design ist ein Highlight. Wenn Sie einen unabhängigen Agenten mit der Überprüfung Ihres Lebenslaufs beauftragen, fühlt es sich so an, als würde ihn jemand für Sie prüfen, was viel zuverlässiger ist als diese einmal erstellten Tools.

afy1l

—

Bewertung: 9/10 für funktionales Design, 6/10 für Installationsschwelle. Sie sagen, es ist stark oder nicht, es ist sehr stark. Aber Sie möchten, dass ich zuerst Bun, dann LaTeX und dann Lualatex und Xelatex installiere. Viele Menschen geben an diesem Punkt auf.

MJohnson_Plus

—

Der ATS-Überprüfungsschritt funktioniert. Ich habe meinen Lebenslauf zuvor mit anderen Tools erstellt, aber nachdem ich ihn eingereicht hatte, sagte der Personalvermittler, dass die Kontaktinformationen nicht einmal vorgelesen wurden. ai-job-search kann zumindest die PDF-Textebene überprüfen, was sehr gut ist.

MargaretAnderson_2020

—

Die lokale Nutzungserfahrung in Dänemark ist sehr gut und die integrierte Jobindex- und Jobnet-Suche funktioniert sofort. Außerhalb Nordeuropas müssen Sie /add-portal jedoch selbst konfigurieren. Die Unterstützung für den chinesischen Markt ist grundsätzlich gleich Null. Ich hoffe, dass jemand in der Community es anpassen kann.

Samuel.RuizJr

—

Nachdem ich es zwei Wochen lang verwendet habe, ist mein größtes Gefühl, dass der von /apply generierte Lebenslauf tatsächlich keine Vorlage zum Ausfüllen von Lücken ist, sondern den Fokus tatsächlich an die Stellenbeschreibung anpasst. Aber der Token-Verbrauch ist wirklich nicht gering. Nachdem er eine Anwendung ausgeführt hat, fühlt es sich an, als würde Claude Geld verbrennen.

WilliamKim168

—

Ehrlich gesagt habe ich ein wenig Angst, dass dieses Tool den Arbeitsmarkt ruinieren wird. Wenn jeder KI verwendet, um individuell zugeschnittene Lebensläufe zu verfassen, und Personalvermittler sich auch bei der Überprüfung auf KI verlassen, wie viel Bedeutung wird der Lebenslauf dann noch haben?

ZThomas7

—

Der Autor hat die Sicherheit sehr gut berücksichtigt. Er behandelt die Stellenbeschreibung als nicht vertrauenswürdige Eingabe und wird die darin enthaltenen Anweisungen nicht ausführen. Allerdings heißt es in der README-Datei auch ganz offen, dass es sich bei der Agentenverteidigung nicht um eine Sandbox handelt und man bei unbekannten Portalen vorsichtig sein sollte. Diese Ehrlichkeit ist beruhigend.

Shirley.Davis_88

—

Im Vergleich zu Career-Ops und AIHawk. Career-Ops bevorzugt Batch-Pipelines, 200 Jobs in drei Tagen; KI-Jobsuche ist intensive Landwirtschaft. Es kommt darauf an, was Sie wollen, ich wähle Letzteres.

INguyen_2023

—

Die PDF-Validierungsschleife ist wirklich großartig. Was ich beim manuellen Schreiben eines LaTeX-Lebenslaufs am meisten befürchte, ist, dass die Formatierung nach der Kompilierung zusammenbricht. Es kann automatisch die Anzahl der Seiten überprüfen, Titel isolieren und auf Schriftarten zurückgreifen, was die größten Probleme für LaTeX-Benutzer löst.

MsRichardWest_x

—

Die Wachstumsrate von 19K Star ist keine Übertreibung. Dieses Projekt stellt einen Trend dar – KI-Anwendungen entwickeln sich von „Frage-und-Antwort-Tools“ hin zu „Workflow-Agenten“. Es geht nicht nur um ein paar weitere Gespräche, es geht darum, Dinge tatsächlich zu erledigen.

Jason282

—

Nach der Installation habe ich zum ersten Mal /scrape ausgeführt. Sechs Portale wurden parallel durchsucht und neu geordnet. Die Ergebnisse wurden übersichtlich dargestellt. Allerdings nutzt die LinkedIn-Suche öffentliche Endpunkte, was als Grauzone betrachtet werden sollte. Es ist für Einzelpersonen in Ordnung, niedrige Frequenzen zu verwenden, aber hohe Frequenzen sind definitiv riskant.

cHAINbASE

—

Was mich am meisten beeindruckt, ist der Grundsatz „Fähigkeiten niemals erfinden“. Viele KI-Lebenslauf-Tools füllen Ihren Lebenslauf mit Dingen, die Sie noch nie gemacht haben, aber sie verwenden einen Prüfer-Agenten, um die Authentizität zu überprüfen, und dieses Endergebnis bleibt erhalten.

trueCaitlinChen_pro

—

Um ehrlich zu sein, betrug die Codemenge für dieses Projekt nur 55 Einsendungen. Der Kern liegt nicht in der Anzahl der geschriebenen Codezeilen, sondern in der Tiefe des Verständnisses der „Jobsuche“. Teilen Sie eine Reihe von Prozessen in neun Befehle auf, wobei jeder Befehl einem Entscheidungspunkt entspricht. Das Design ist zu klar.

Lucas58

—

Ich kam, um es auszuprobieren, nachdem ich Eduardos Beitrag auf LinkedIn gesehen hatte. 53 Kommentare HR und Entwickler liegen im Streit. Einige sagen, dass dies eine Revolution in der Effizienz der Jobsuche sei, während andere sagen, dass es den Personalvermittlern zusätzlichen Ärger bereitet. Ich denke, das Tool selbst ist in Ordnung, es hängt nur davon ab, wie die Leute es verwenden.

梅花_9

—

Ich habe gerade /apply ausgeführt und das Layout des generierten Lebenslaufs sieht viel besser aus als mein handgeschriebener. Der moderne CV-Banking-Stil gepaart mit der Ausgereiftheit von LaTeX ist ein echter Pluspunkt für den europäischen Markt.

SButler_2024

—

Der Autor ist promovierter Geophysiker. Nach seiner Entlassung schrieb er Code, um einen Job zu finden. Die Geschichte selbst ist sehr überzeugend. Der Punkt ist nicht, dass er dieses Framework genutzt hat, um das Angebot zu erhalten, sondern dass er seine Stärke eingesetzt hat, um den kommerziellen Wert des Agenten-Workflows zu beweisen.

星辰_17

—

Endlich hat jemand die Schwachstellen von LaTeX-Lebensläufen automatisiert. Früher musste ich jedes Mal, wenn ich .tex änderte und PDF kompilierte, die Kopf- und Fußzeile visuell überprüfen. ai-job-search hat diese Prüfung direkt für mich durchgeführt und so viel Zeit gespart.

Emily_Henderson_66

—

Das Framework ist für Mac-Benutzer am benutzerfreundlichsten und Linux ist auch in Ordnung. Windows-Benutzer müssen sich mit WSL auseinandersetzen. Ich würde sagen, dass der Autor eine Ein-Klick-Bereitstellung von Docker-Images durchführen sollte. Nun blockiert diese Schwelle wirklich die meisten Menschen.

J_ulian276

—

18K Sterne stiegen an einem Tag um 3.700, und GitHub Trending belegte den ersten Platz. Diese Popularität zeigt, wie sehr Entwickler solche Tools benötigen. Nicht jeder kann einen Lebenslauf schreiben, aber jeder muss einen Job finden.

LWilliams369641

—

Ich habe den Befehl /interview ausprobiert, der ein Interviewvorbereitungspaket basierend auf archivierten Bewerbungsunterlagen generiert und auch Interviews simulieren kann. Es fühlte sich an, als hätte man einen persönlichen Interview-Coach. Obwohl das Feedback nicht so detailliert war wie das einer realen Person, übertraf es als Ausgangspunkt die Erwartungen.

贾红_1

—

Der Rahmen selbst könnte sein bestes Werk sein. Können Sie sich den Gesichtsausdruck des Interviewers vorstellen, wenn er Sie sagen sieht: „Ich habe ein 19K-Star-Claude-Code-Framework für die Jobsuche geschrieben, um einen Job zu finden.“ Er ist überzeugender als jeder Lebenslauf.

JaniceTorres_2024

—

Nachdem ich es drei Tage lang verwendet hatte, war das größte Problem das Problem mit der LaTeX-Schriftart. Unter MiKTeX hat Fontawesome5 einen Erweiterungsfehler gemeldet, und es hat lange gedauert, ihn zu beheben. Es könnte benutzerfreundlicher sein, wenn Sie stattdessen Markdown zum Konvertieren in PDF verwenden.

AI Job Search

Ausführlicher Bericht

Nutzerbewertungen

Ähnliche Produkte