AI Job Search

• 1. 概要 （全 426 文字）

  AI Job Search は、Claude Code をベースに構築されたオープンソースの AI 求職検索フレームワークで、デンマークの開発者 Mads Lorentzen が 2025 年末に失職した後、自分のために作成したものです。このフレームワークは、プロフィール設定、求職検索の照合から、二重エージェントによる履歴書とカバーレターの生成、PDF 形式の検証、面接の準備と結果の追跡に至るまで、求職プロセスをプログラム可能なワークフローに分割し、すべて Claude Code のスラッシュ コマンドによって実行されます。このプロジェクトは 2026 年 3 月末にリリースされると、すぐに GitHub トレンドのトップに躍り出ました。 7 月末の時点で、19,000 を超えるスターを獲得しており、最も急速に成長しているクロード コード ワークフロー プロジェクトの 1 つとなっています。 「送信」をクリックするのではなく、各アプリケーションの評価から最終決定までの繰り返しの作業をすべて完了させます。

• 2. 製品の背景 （全 961 文字）

  マッツ・ローレンツェンは博士号を取得しています。地球物理学で。 2025年末に会社から解雇された後、彼は履歴書を何度も見直してカバーレターを書くというサイクルに陥った。彼は、JD を読み、適性を評価し、履歴書の文言を調整し、カバーレターを書くなど、すべての求人応募に対して同じプロセスを繰り返すのは時間がかかり、急ぎやすいことに気づきました。クロード コードに精通している開発者として、彼は 3 か月をかけて、ai-job-search という名前の再利用可能なフレームワークに理想的な求職プロセスを記述しました。このプロジェクトは、2026 年 3 月 23 日に初めて GitHub に提出され、単純なプロトタイプとして始まりました。コミュニティを本当に刺激したのは、著者の「自己利用の成功事例」でした。彼はこのフレームワークを使用して 69 件の応募に応募し、20 回の最初の面接の機会を得て、最終的に 2026 年 6 月に AI エンジニアとして入社することに成功しました。結果は LinkedIn と Reddit で共有された後急速に広まり、これが単なる「履歴書ビルダー」ではなく、完全な就職検索オペレーティング システムであることに多くの人が気づきました。このプロジェクトは MIT プロトコルを使用した完全なオープンソースであり、営利企業や暗号通貨プロジェクトとは一切関係がありません。著者は、これは Anthropic の公式製品ではなく、使用料は請求されていないと明示しています。このフレームワークは現在、TypeScript、Python、LaTeX を主要言語として使用しており、MadsLorentzen/ai-job-search リポジトリの下でホストされています。プロジェクト全体の中核は、コードの量 (現時点では約 55 コミットのみ) ではなく、ワークフロー設計とエンジニアリングの考え方の整合性です。同様の競合製品の中で、career-ops はバッチ パイプライン処理 (複数のワーカーの並列処理、Go TUI ダッシュボード) を好むのに対し、AIHawk は Web ページでの自動フォーム入力に重点を置いています。 AI Job Search はその板挟みとなり、納品量を追求するのではなく、アプリケーションごとの究極のカスタマイズを追求する「品質第一」の道を選択しました。

• 3. 製品の機能と使用感 （全 1919 文字）

  AI Job Search の核となるコンセプトは、「就職活動をプログラム可能なワークフローに分解する」ことです。 Web インターフェイスは提供しませんが、Claude Code コマンド ライン内の 9 つのスラッシュ コマンドによってプロセス全体を実行します。各コマンドは就職活動における重要なリンクに対応します。最も基本的な 3 つのコマンドは、/setup、/scrape、および /apply です。 /setup は個人プロファイルの作成に使用され、3 つのパスをサポートします。既にドキュメント フォルダー (履歴書 PDF、LinkedIn でエクスポートしたファイル、学歴証明書などが含まれる) がある場合、クロードはそれを直接読み取り、構造化された方法で整理します。既製の履歴書しか持っていない場合は、それを会話に貼り付けて、クロードにインポートさせることができます。何も持っていない場合は、システムは構造化された面接を通じてあなたの経歴、スキル、キャリア目標について徐々に尋ねます。著者は、ファイルが詳細であればあるほど、その後の出力の品質が高まることを特に強調しています。ファイルはスキル名のリストではなく、どのシナリオでどのツールを使用し、何を実行し、どのような結果を達成したかの説明です。 /scrape は、複数の求人ポータルを自動的に検索し、重複を削除した後、一致度によって並べ替えます。現在組み込まれている検索スキルは主にデンマーク市場 (Jobindex、Jobnet、Akademikernes Jobbank など) 向けであり、LinkedIn のパブリック エンドポイントに基づくゼロランタイム検索ツールも含まれています。作者の設計意図は非常に明確です。このモード自体がローカル ポータルを置き換えることです。 /add-portal コマンドを使用すると、あらゆる地域の求人ポータル用の検索スキル プラグインを生成でき、コミュニティも適応に貢献できます。さらに、取得したポジションに対してバッチおよび並行スコアリングを実行し、スキルの一致、経験の一致、文化的適合、地理的位置、キャリア開発の一貫性の 5 つの側面からスコアを付け、ソートされた候補リストを生成する /rank コマンドがあります。 /apply はフレームワーク全体の中核コマンドであり、エンジニアリング レベルを最もよく反映するコマンドです。 Claude Code で /apply と求人リンクを入力すると、システムはまず求人説明を解析し (求人内容を信頼できない入力として扱い、その中の指示は実行しません)、次に個人プロフィールとの多次元一致評価を実行します。次に、最も重要な「製図とレビュー」のデュアル エージェント ワークフローに入ります。最初のクロード エージェントは起草者として機能し、LaTeX テンプレートを使用して、評価結果に基づいて履歴書とカバー レターをカスタマイズします。次に、2 番目のクロード エージェントが新しいコンテキスト ウィンドウから開始し、「厳しいレビュー担当者」の観点から対象企業を独自に調査し、最初の草案を批判します。キーワードの欠落、弱い表現、一般的すぎる表現などをチェックします。そして、仕事の要件と一致しない焦点。起草者はレビューコメントを受けて修正を加えます。このサイクルが、AI Job Search と他の履歴書作成ツールの最も根本的な違いです。テキストコンテンツが完成した後、システムには独自の PDF 検証ループもあります。 lualatex を使用して履歴書をコンパイルし、xelatex を使用してカバーレターをコンパイルし (cover.cls は fontspec に依存しているため)、PDF の各ページを読み取ってレイアウトをチェックします。履歴書が正確に 2 ページであるかどうか、カバーレターが正確に 1 ページであるかどうか、タイトル行が次のページの下部に孤立していないか、フォントが一貫しているかどうか、署名が表示されているかどうかを確認します。問題が発見されると、LaTeX パラメータは自動的に調整され、満足のいく出力が得られるまで再コンパイルされます。最後に、pdftotext を使用して PDF テキスト レイヤーを抽出し、ATS システムの解析効果をシミュレートし、連絡先情報が完全でキーワード カバレッジが良好かどうかを確認します。この検証ループは、LaTeX 履歴書に関する最も一般的で厄介な問題、つまり異なるコンパイラ間でフォーマットが一貫していないことを解決します。多くの開発者は、「LaTeX 組版に悩まされてきた人は、この一連の自動チェックの価値をすぐに理解できる」と述べています。

• 4. 価格設定とビジネスモデル （全 428 文字）

  AI Job Search 自体は、MIT ライセンスを使用する完全に無料のオープンソース プロジェクトです。使用コストは主に、Claude Code のサブスクリプション料金 (月額 20 ドル) と /apply コマンドが実行されるたびに消費されるトークンから発生します。起草者とレビュー担当者の 2 人のエージェントの間で複数のやり取りが必要となるため、単一の申請のコストは決して低くありません。これは典型的な「品質のトークン」モデルです。   現在、このプロジェクトには商品化計画、課金レベル、有料の付加価値サービスはありません。著者は、プロジェクトには関連するトークン、NFT、または有料スポンサーシッププログラムがないことを何度も明らかにしました。収益化への道はより間接的です。著者自身がこのプロジェクトを通じてエンジニアリング能力を実証し、最終的に仕事を見つけました。貢献者にとって、このような注目度の高いプロジェクトに参加することは、それ自体が専門的な露出にもつながります。

• 5. ユーザーレビュー （全 1254 文字）

  このプロジェクトに対するコミュニティのフィードバックは、いくつかの繰り返しのテーマに焦点を当てています。最も評価されているのは、デュアルエージェントのレビュー設計です。 Reddit のユーザーは一般に、2 番目のエージェントに最初の草案を「敵対的」な観点からレビューさせることが、「使える AI 出力」と「一目でわかる偽の AI コピーライティング」の設計上の重要な違いであると信じています。 LinkedIn の多くの人事担当者も、この設計が AI によって生成された資料のリスクを少なくとも認識しており、レビュー メカニズムを通じてリスクを軽減しようとしていると信じて、この設計を承認しました。本物であることの保証も好評です。システムによって行われるすべての主張は、ユーザー プロファイル内の実際の経験に基づいている必要があり、決して捏造されたスキルや経験ではありません。 ATS キーワードは、人気のあるキーワードをランダムに挿入するのではなく、ユーザー プロファイルで実際にサポートされているコンテンツも追加します。コミュニティは、AI 支援による求人応募が求人市場の健全性をさらに悪化させることを懸念するユーザーにとって、これが重要なセーフティ ネットであると信じています。さらに、PDF 検証ループは、このフレームワークの最もユニークなセールス ポイントであると広く考えられています。複数のユーザーは、他の AI 履歴書ツールで生成されたコンテンツは、ATS システムでは「意味不明の塊として読み取られる」ことがよくあり、連絡先情報が誤って認識され、複数列レイアウトのコンテンツが失われることが多いと述べていますが、AI Job Search はこの点に関して少なくとも体系的なチェックと修正を行っています。ただし、LaTeX への依存関係が使用の最大の障壁であると繰り返し言及されてきました。非技術的な背景を持つ求職者、まさに求職活動のサポートを最も必要としている人たちは、TeX Live のインストール、フォント仕様の互換性、lualatex と xelatex の違いに直面すると、諦めてしまうことがよくあります。 LaTeX をより単純な HTML/PDF パスに置き換えようとするコミュニティ フォークがいくつかあります。さらに、デンマークの市場第一の設計は、北欧以外のユーザーが自分自身に適応するために /add-portal を使用する必要があることも意味します。さもなければ、職務記述書を貼り付けるプロセスに戻る必要があり、自動クロールの利便性が失われます。一部のユーザーは、AI による履歴書の大量カスタマイズの長期的な影響について懸念を表明しています。 「求職者が AI を使用して詳細にカスタマイズされた履歴書を作成し、採用担当者も AI を利用してこれらの履歴書を審査する場合、履歴書プロセス全体の意味は何でしょうか?」 - この質問は AI Job Search に特有のものではありませんが、AI が求職者と採用担当者の間のゲームを再構築していることを反映しています。

• 6. 業界の評価 （全 755 文字）

  開発者コミュニティによる ai-job-search の評価は、製品自体だけでなく、製品が表すモデルにも焦点を当てています。 AgentConn の分析記事では、デュアル エージェントのレビュー設計は一般化できるアーキテクチャ パターンであると指摘しています。リスクの高いエージェントのワークフロー (契約書の作成、助成金の申請、顧客へのプレゼンテーション) はすべて、「2 番目のエージェントが独立したコンテキストで敵対的レビューを実行する」という設計から恩恵を受けることができます。   Nuggets と CSDN には、プロジェクトをキャリアオプスや AIHawk と系統的に比較する詳細な分析記事が多数あります。結論としては、これら 3 つは異なる焦点を持っているということです。AI Job Search は「品質第一」のルートを採用し、組版検査と ATS 検証の 2 つの側面で最も徹底した作業を実行します。 AI ツール セット ai-bot.cn は、これを「オープンソースのインテリジェントな求職検索フレームワーク」の代表として挙げており、その設計は「質疑応答ツール」から「ワークフロー エージェント」への AI アプリケーションの進化トレンドを反映していると考えています。   LinkedIn での専門的なディスカッションも非常に人気があります。採用分野の多くの実務家は、このプロジェクトがより深い傾向を明らかにしていると信じている。就職活動は「書く問題」から「プロセスの問題」に変わりつつある――最初の反復作業はAIが処理し、本当に判断が必要なところでは人間がエネルギーを使う。他の人は、フレームワーク自体が、それが生成するどんな履歴書よりも説得力があるかもしれないと指摘しています。著者がこのプロジェクトに基づいて雇用されたという事実は、その代表的な例です。

• 7. 論争とリスク （全 568 文字）

  主要なリスクは、サードパーティのプラットフォームの制限によって発生します。 LinkedIn の求人情報を自動的にスクレイピングすることは LinkedIn の利用規約に違反しており、プロジェクト チームは README で頻度を低く抑え、個人使用のみに限定することを明確に推奨しています。さまざまな求人サイトのクロール対策戦略も常に進化しています。これらの外部の脆弱なリンクは、コードで解決できる問題ではありません。   セキュリティの観点から、プロジェクトの設計ではプロンプト インジェクションのリスク、つまりジョブ記述を信頼できない入力として扱い、そこに含まれる命令を実行しないことを考慮しています。しかし、著者は「エージェントレベルの防御はコマンドレベルであり、サンドボックスレベルではない」とも認めています。そのため、慣れない採用ポータルで使用する場合は、クロールされたコンテンツと生成された応募資料を送信する前に確認することをお勧めします。   さらに、高度にカスタマイズされた履歴書を大規模に生成すると、ATS システムからの反撃を引き起こす可能性があります。人材採用プラットフォームは、AI が生成したコンテンツのフィルタリング アルゴリズムの最適化を開始しています。履歴書キーワードを過度に最適化すると、不正防止フラグがトリガーされる可能性があります。

• 8. 要約する （全 330 文字）

  AI Job Search は、2026 年上半期で最も印象的な AI ワークフロー プロジェクトの 1 つです。その価値は、使用する高度なテクノロジーにあるのではなく、「就職活動」を十分に深く理解していることにあります。これは「履歴書を書くのに役立つ」ツールではありませんが、評価、カスタマイズ、レビュー、検証、追跡、フィードバックを含む完全な閉ループに就職活動を縮小します。デュアルエージェントレビューと PDF 検証ループの 2 つの設計により、多くの AI 履歴書ツールの中で独自の地位を確立しています。クロード コード ユーザーにとって、これはほぼ必須のワークフローです。仕事を探している人、特に技術的な背景を持つ人にとって、これは仕事探しの方法を根本的に変える可能性を秘めています。

詳細レポートはまだありません

• 

  谭素

  —

  今天试了 ai-job-search，用 /setup 导入简历后跑了个 /apply 看看效果。PDF 确实编译出来了，但 LaTeX 环境配置折腾了我快一小时，非技术用户估计直接劝退了。

---

• 

  Dorothy_TorresIII89

  —

  作者靠这框架找到工作的故事太强了，69 投 20 面 1 offer，这个命中率说明质量比数量重要。已经 fork 了，准备周末试试。

---

• 

  姜明

  —

  drafter-reviewer 双代理设计是亮点。拿一个独立的 agent 审自己的简历，这种感觉就像有人帮你把把关，比那些一次性生成的工具靠谱多了。

---

• 

  afy1l

  —

  评分：功能设计 9/10，安装门槛 6/10。你说它强不强，很强。但你要我先装 Bun 再装 LaTeX 再配 lualatex 和 xelatex，很多人到这一步就放弃了。

---

• 

  MJohnson_Plus

  —

  ATS 验证那步确实有用。我之前用别的工具生成简历，投出去后 recruiter 说联系信息都没读出来。ai-job-search 至少能验证 PDF 文本层，这个做得很到位。

---

• 

  MargaretAnderson_2020

  —

  在丹麦本地用体验很好，内置的 Jobindex 和 Jobnet 搜索开箱即用。但出了北欧就得自己配 /add-portal，对中文市场的支持基本为零，期待社区有人做适配。

---

• 

  Samuel.RuizJr

  —

  用了两周，最大的感受是 /apply 生成的简历确实不是模板填空，而是真的会根据岗位描述调整侧重点。但 token 消耗也真的不小，一个申请跑下来感觉 Claude 在燃烧经费。

---

• 

  WilliamKim168

  —

  说实话有点担心这种工具会让求职市场变味。如果所有人都用 AI 写深度定制的简历，招聘方也靠 AI 来筛，那简历的意义还剩多少。

---

• 

  ZThomas7

  —

  安全性方面作者考虑得挺好，把职位描述当不可信输入处理，不会执行其中的指令。不过 README 也坦诚说 agent 防御不是沙箱，陌生门户要小心，这种诚实反而让人放心。

---

• 

  Shirley.Davis_88

  —

  跟 career-ops 和 AIHawk 都对比过。career-ops 偏向批量管道化，三天投 200 个那种；AI Job Search 是精耕细作型。看你要什么吧，我选后者。

---

• 

  INguyen_2023

  —

  PDF 验证循环真的绝了。我手动写 LaTeX 简历最怕的就是编译出来排版崩了，它能自动检查页数、孤立标题、字体回退，解决了 LaTeX 用户最大的痛点。

---

• 

  MsRichardWest_x

  —

  19K 星的增速不是吹的。这个项目代表了一种趋势——AI 应用从「问答工具」向「工作流代理」演进。它不是又聊了几句，而是真的把事情干了。

---

• 

  Jason282

  —

  装好以后第一次跑 /scrape，六个门户并行搜，去重排序，结果呈现很清楚。但 LinkedIn 搜索用了公开端点，应该算灰色地带，个人用低频还行，高频肯定有风险。

---

• 

  cHAINbASE

  —

  最打动我的是「绝不编造技能」这条原则。很多 AI 简历工具会往你的简历里塞你没做过的东西，但它用 reviewer agent 核验真实性，这个底线守住了。

---

• 

  trueCaitlinChen_pro

  —

  说句实在话，这个项目的代码量才 55 次提交，核心不在于写了多少行代码，而在于对「求职」这件事的理解深度。把一套流程拆成九个命令，每个命令对应一个决策点，设计太清晰了。

---

• 

  Lucas58

  —

  LinkedIn 上看到 Eduardo 发的帖才来试的。53 条评论里 HR 和开发者吵成一片。有人说这是求职效率的革命，也有人说是给 recruiter 增加噪音。我倒觉得工具本身没问题，看人怎么用。

---

• 

  梅花_9

  —

  刚跑完 /apply，生成的简历排版比我手写的好看多了。moderncv banking 风格配上 LaTeX 那个精致度，投欧洲市场确实加分。

---

• 

  SButler_2024

  —

  作者是地球物理学博士，被裁后自己写代码找工作，这个故事本身就很有说服力。他用这个框架拿到 Offer 不是重点，重点是他用实力证明了 agent 工作流的商业价值。

---

• 

  星辰_17

  —

  终于有人把 LaTeX 简历的痛点自动化了。以前每次改完 .tex 编译 PDF 都要肉眼检查一遍页眉页脚，ai-job-search 直接替我做了这个检查，省了大把时间。

---

• 

  Emily_Henderson_66

  —

  框架对 Mac 用户最友好，Linux 也还行，Windows 用户得折腾 WSL。要我说作者应该做个 Docker 镜像一键部署，现在这个门槛真的挡住了大部分人。

---

• 

  J_ulian276

  —

  18K 星一天涨了 3700，GitHub Trending 第一。这个热度说明开发者们有多需要这样的工具。不是每个人都会写简历，但每个人都得找工作。

---

• 

  LWilliams369641

  —

  体验了一下 /interview 命令，它会基于已经存档的申请材料生成面试准备包，还能模拟面试。感觉像是有个私人面试教练，虽然不如真人反馈细致，但作为起点已经超出预期了。

---

• 

  贾红_1

  —

  这个框架本身可能就是它最好的作品。你能想象面试官看到你说「我写了个 19K 星的 Claude Code 求职框架来找工作」时的表情吗，比什么简历都有说服力。

---

• 

  JaniceTorres_2024

  —

  用了三天，最大的问题是 LaTeX 字体问题。MiKTeX 下 fontawesome5 报扩展错误，折腾了半天才搞定。如果改用 Markdown 转 PDF 的流程可能会更友好。

レビューはまだありません