AI Job Search

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

Claude Code 기반의 오픈소스 AI 구직 프레임워크로, 직무 적합도를 자동 평가하고 LaTeX 이력서와 자기소개서를 맞춤 제작하며 면접을 준비합니다

채용 및 구직

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

공식 사이트 방문

심층 리포트

AI Job Search는 Claude Code를 기반으로 구축되고 덴마크 개발자 Mads Lorentzen이 2025년 말에 직장을 잃은 후 직접 작성한 오픈 소스 AI 구직 프레임워크입니다. 프레임워크는 구직 프로세스를 프로그래밍 가능한 워크플로로 분류합니다. 즉, 프로필 설정, 구직 매칭, 이력서 및 자기 소개서의 이중 에이전트 검토 생성, PDF 형식 확인, 인터뷰 준비 및 결과 추적에 이르기까지 모두 Claude Code의 슬래시 명령으로 구동됩니다. 해당 프로젝트는 2026년 3월 말에 출시된 후 빠르게 GitHub Trending 상위권에 올랐습니다. 7월 말 기준으로 19,000개 이상의 별을 받아 가장 빠르게 성장하는 Claude Code 워크플로 프로젝트 중 하나가 되었습니다. "제출"을 클릭하는 것이 아니라, 각 신청서의 평가부터 최종 마무리까지 모든 반복 작업을 완료합니다.
Mads Lorentzen은 박사 학위입니다. 지구물리학에서. 2025년 말 회사에서 해고된 뒤 그는 이력서를 수정하고 자기 소개서를 반복하는 악순환에 빠졌다. 그는 JD 읽기, 적합성 평가, 이력서 문구 조정, 자기 소개서 작성 등 모든 입사 지원서에 대해 동일한 프로세스를 반복하는 것이 시간이 많이 걸리고 서두르기 쉽다는 것을 발견했습니다. Claude Code에 익숙한 개발자인 그는 ai-job-search라는 재사용 가능한 프레임워크에 이상적인 구직 프로세스를 작성하는 데 3개월을 보냈습니다. 이 프로젝트는 2026년 3월 23일 GitHub에 처음 제출되었으며, 간단한 프로토타입으로 시작되었습니다. 커뮤니티에 정말로 불을 붙인 것은 저자의 "자체 활용 성공 사례"였습니다. 그는 이 프레임워크를 사용하여 69개의 지원서를 지원하고 20개의 첫 번째 인터뷰 기회를 얻었으며 마침내 2026년 6월에 AI 엔지니어로 회사에 성공적으로 합류했습니다. 결과는 LinkedIn과 Reddit에 공유된 후 입소문을 타며 많은 사람들이 이것이 단순한 "이력서 작성기"가 아니라 완전한 구직 운영 체제라는 것을 깨달았습니다. 이 프로젝트는 MIT 프로토콜을 사용하는 완전한 오픈 소스이며 상업 회사 또는 암호화폐 프로젝트와 관련이 없습니다. 저자는 이 제품이 Anthropic의 공식 제품이 아니며 사용료가 부과되지 않았음을 명시적으로 밝혔습니다. 프레임워크는 현재 TypeScript, Python 및 LaTeX를 주요 언어로 사용하며 MadsLorentzen/ai-job-search 저장소에서 호스팅됩니다. 전체 프로젝트의 핵심은 코드의 양(현재 약 55개 커밋)이 아니라 워크플로 디자인과 엔지니어링 사고의 무결성입니다. 유사한 경쟁 제품 중에서 Career-Ops는 일괄 파이프라인 처리(병렬 여러 작업자, Go TUI 대시보드)를 선호하는 반면 AIHawk는 웹 페이지의 자동화된 양식 채우기에 중점을 둡니다. AI 취업검색은 중간에 끼어 '품질 우선' 노선을 택했다. 납품 수량을 추구하지 않고 각 애플리케이션의 궁극적인 맞춤화를 추구한다.
AI 취업검색의 핵심 개념은 '취업활동을 프로그래밍 가능한 워크플로우로 세분화하는 것'이다. 웹 인터페이스를 제공하지는 않지만 Claude Code 명령줄 내에서 9개의 슬래시 명령을 통해 전체 프로세스를 구동합니다. 각 명령은 취업 활동의 주요 링크에 해당합니다. 가장 기본적인 세 가지 명령은 /setup, /scrape 및 /apply입니다. /setup은 개인 프로필을 생성하는 데 사용되며 세 가지 경로를 지원합니다. 이미 문서 폴더(이력서 PDF, LinkedIn에서 내보낸 파일, 학업 증명서 등 포함)가 있는 경우 Claude가 이를 직접 읽고 구조화된 방식으로 구성합니다. 미리 작성된 이력서만 있는 경우 대화에 붙여넣고 Claude가 가져오도록 할 수 있습니다. 만약 아무것도 없다면, 시스템은 구조화된 인터뷰를 통해 점차적으로 당신의 배경, 기술, 경력 목표에 대해 질문할 것입니다. 저자는 특히 파일이 자세할수록 후속 출력의 품질이 높아진다고 강조합니다. 이는 기술 이름 목록이 아니라 어떤 시나리오에서 어떤 도구를 사용했는지, 무엇을 했는지, 어떤 결과를 얻었는지에 대한 설명입니다. /scrape는 여러 취업 포털을 자동으로 검색하여 중복 항목을 제거한 후 일치하는 등급으로 정렬하는 역할을 합니다. 현재 내장된 검색 기술은 주로 덴마크 시장(Jobindex, Jobnet, Akademikernes Jobbank 등)을 위한 것이며 LinkedIn의 공개 엔드포인트를 기반으로 하는 런타임 없는 검색 도구도 포함되어 있습니다. 작성자의 디자인 의도는 매우 분명합니다. 이 모드 자체는 로컬 포털을 대체하는 것입니다. /add-portal 명령을 사용하면 모든 지역의 취업 포털에 대한 검색 기술 플러그인을 생성할 수 있으며 커뮤니티에서도 적응에 기여할 수 있습니다. 또한 캡처된 위치에 대해 일괄 및 병렬 채점을 수행하고 기술 매칭, 경험 매칭, 문화적 적합성, 지리적 위치 및 경력 개발 일관성의 5가지 차원에서 점수를 매기고 정렬된 최종 후보 목록을 생성하는 /rank 명령이 있습니다. /apply는 전체 프레임워크의 핵심 명령어이자 엔지니어링 수준을 가장 잘 반영하는 명령어입니다. Claude Code에 /지원 및 직업 링크를 입력하면 시스템은 먼저 직업 설명을 구문 분석한 다음(작업 내용을 신뢰할 수 없는 입력으로 처리하고 거기에 있는 어떤 지침도 실행하지 않음) 개인 프로필과 다차원 매칭 평가를 수행합니다. 다음으로, 가장 중요한 "초안 작성-검토" 이중 에이전트 워크플로를 입력합니다. 첫 번째 Claude 에이전트는 초안 작성자 역할을 하며 LaTeX 템플릿을 사용하여 평가 결과에 따라 이력서와 자기 소개서를 사용자 정의합니다. 그런 다음 두 번째 Claude 에이전트는 새로운 컨텍스트 창에서 시작하여 "까다로운 리뷰어"의 관점에서 대상 회사를 독립적으로 조사하고 첫 번째 초안을 비판합니다. 누락된 키워드, 약한 표현, 지나치게 일반적인 언어 등을 확인합니다.직업 요구 사항과 일치하지 않는 초점. 초안 작성자는 검토 의견을 받은 후 수정합니다. 이 주기는 AI Job Search와 다른 이력서 생성 도구의 가장 근본적인 차이점입니다. 텍스트 내용이 완료된 후 시스템에는 고유한 PDF 확인 루프도 있습니다. lualatex를 사용하여 이력서를 컴파일하고 xelatex를 사용하여 자기 소개서를 컴파일한 다음(cover.cls는 글꼴 사양에 의존하기 때문에) PDF의 각 페이지를 읽어 레이아웃을 확인합니다. 이력서가 정확히 두 페이지인지, 자기 소개서가 정확히 한 페이지인지, 제목 줄이 따로 다음 페이지의 아래쪽으로 떨어지지 않는지, 글꼴이 일관성이 있는지, 서명이 보이는지 여부. 문제가 발견되면 LaTeX 매개변수는 출력이 만족스러울 때까지 자동으로 조정되고 다시 컴파일됩니다. 마지막으로 pdftotext를 사용하여 PDF 텍스트 레이어를 추출하고 ATS 시스템의 구문 분석 효과를 시뮬레이션하고 연락처 정보가 완전한지, 키워드 적용 범위가 좋은지 확인합니다. 이 유효성 검사 루프는 LaTeX 이력서와 관련된 가장 일반적이고 까다로운 문제, 즉 다양한 컴파일러에서 일관되지 않은 형식을 해결합니다. 많은 개발자들은 "LaTeX 조판으로 인해 고통을 받은 사람들은 이 자동 검사 세트의 가치를 즉시 이해할 수 있다"고 말했습니다.
AI Job Search 자체는 MIT 라이선스를 사용하는 완전 무료 오픈 소스 프로젝트입니다. 사용 비용은 주로 Claude Code의 구독료(월 $20)와 /apply 명령이 실행될 때마다 소비되는 토큰에서 발생합니다. 초안 작성자와 검토자라는 두 대리인 간의 여러 상호 작용이 포함되므로 단일 신청서 비용은 낮지 않습니다. 이는 전형적인 "품질을 위한 토큰" 모델입니다. 이 프로젝트에는 현재 상용화 계획, 과금 수준, 유료 부가가치 서비스가 없습니다. 저자는 프로젝트에 관련 토큰, NFT 또는 유료 후원 프로그램이 없다는 점을 여러 번 밝혔습니다. 수익화로 가는 길은 더 간접적입니다. 저자 자신이 이 프로젝트를 통해 자신의 엔지니어링 능력을 입증했고 결국 일자리를 찾았습니다. 기여자들에게 있어 이러한 주목할만한 프로젝트에 참여하는 것은 그 자체로 전문적인 노출을 가져옵니다.
이 프로젝트에 대한 커뮤니티 피드백은 몇 가지 반복되는 주제에 중점을 두었습니다. 가장 칭찬받는 점은 듀얼 에이전트 리뷰 디자인이다. Reddit 사용자는 일반적으로 두 번째 에이전트가 "적대적" 관점에서 첫 번째 초안을 검토하도록 하는 것이 "사용 가능한 AI 출력"과 "한눈에 볼 수 있는 가짜 AI 카피라이팅" 간의 주요 디자인 차이점이라고 믿습니다. LinkedIn의 많은 HR 실무자들도 이 설계를 승인했으며, 적어도 AI 생성 자료의 위험을 인식하고 검토 메커니즘을 통해 이를 완화하려고 노력했다고 믿었습니다. 정품 보증도 긍정적인 평가를 받았습니다. 시스템에 의해 제기된 모든 주장은 사용자 프로필의 실제 경험을 기반으로 해야 하며 결코 조작된 기술이나 경험이 아니어야 합니다. ATS 키워드도 인기 키워드를 무작위로 삽입하는 것이 아니라 사용자 프로필에서 실제로 지원되는 내용을 추가합니다. 커뮤니티에서는 이것이 AI 지원 채용 지원이 채용 시장의 무결성을 더욱 악화시킬 것이라고 걱정하는 사용자에게 중요한 안전망이라고 믿습니다. 또한 PDF 유효성 검사 루프는 프레임워크의 가장 독특한 판매 포인트로 널리 간주됩니다. 여러 사용자는 다른 AI 이력서 도구에서 생성된 콘텐츠가 ATS 시스템에서 종종 "횡설수설처럼 읽힌다"고 말했습니다. 연락처 정보가 잘못 인식되고 다중 열 레이아웃의 콘텐츠가 손실되는 반면 AI Job Search는 최소한 이와 관련하여 체계적인 검사 및 수정을 수행했습니다. 그러나 LaTeX 의존성은 사용에 있어서 가장 큰 장벽으로 반복적으로 언급되어 왔습니다. 기술적 배경이 없는 구직자, 즉 구직에 가장 많은 도움이 필요한 사람들은 TeX Live 설치, 글꼴 사양 호환성, lualatex와 xelatex의 차이점에 직면하면 포기하는 경우가 많습니다. LaTeX를 더 간단한 HTML/PDF 경로로 대체하려는 여러 커뮤니티 포크가 있습니다. 또한 덴마크 시장 우선 설계는 북유럽 사용자가 아닌 사용자가 /add-portal을 사용하여 스스로 적응하거나 작업 설명을 붙여넣는 프로세스로 돌아가야 함을 의미하므로 자동 크롤링의 편리함을 잃게 됩니다. 일부 사용자는 AI의 이력서 대량 맞춤화가 장기적인 영향에 대해 우려를 표명하기도 했습니다. "구직자가 AI를 사용하여 심층적으로 맞춤화된 이력서를 작성하고 채용 담당자도 AI를 사용하여 이러한 이력서를 심사한다면 전체 이력서 프로세스의 요점은 무엇입니까?" - 이 질문은 AI 구직에만 국한된 질문은 아니지만 AI가 구직자와 채용 담당자 간의 게임을 재편하고 있음을 반영합니다.
ai-job-search에 대한 개발자 커뮤니티의 평가는 제품 자체뿐만 아니라 제품이 나타내는 모델에도 중점을 두고 있습니다. AgentConn의 분석 기사에서는 이중 에이전트 검토 디자인이 일반화될 수 있는 아키텍처 패턴이라고 지적했습니다. 모든 고위험 에이전트 워크플로우(계약 초안 작성, 보조금 신청, 고객 프레젠테이션)는 "두 번째 에이전트가 독립적인 맥락에서 적대적 검토를 수행합니다"라는 디자인의 이점을 누릴 수 있습니다. Nuggets 및 CSDN에는 해당 프로젝트를 Career-Ops 및 AIHawk와 체계적으로 비교하는 심층 분석 기사가 많이 있습니다. 결론은 세 가지가 서로 다른 초점을 가지고 있다는 것입니다. AI Job Search는 "품질 우선" 경로를 택하고 조판 검사와 ATS 검증의 두 가지 측면에서 가장 철저한 작업을 수행합니다. AI 도구 세트 ai-bot.cn은 이를 "오픈 소스 지능형 구직 프레임워크"의 대표자로 나열하고 해당 디자인이 "질문 및 답변 도구"에서 "워크플로 에이전트"로 AI 애플리케이션의 진화 추세를 반영한다고 믿습니다. LinkedIn의 전문 토론도 매우 인기가 있습니다. 채용 분야의 많은 실무자들은 이 프로젝트가 더 깊은 추세를 드러낸다고 믿습니다. 즉, 구직 활동이 "쓰기 문제"에서 "프로세스 문제"로 바뀌고 있습니다. AI는 첫 번째 반복 작업을 처리하고 인간은 실제로 판단이 필요한 곳에 에너지를 사용합니다. 다른 사람들은 프레임워크 자체가 프레임워크가 생성하는 어떤 이력서보다 더 설득력이 있을 수 있다고 지적합니다. 작성자가 이 프로젝트를 기반으로 고용되었다는 사실이 대표적인 예입니다.
핵심 위험은 타사 플랫폼 제한으로 인해 발생합니다. LinkedIn 채용 정보를 자동으로 스크랩하는 것은 LinkedIn의 서비스 약관을 위반하는 것이며 프로젝트 팀은 README에서 빈도를 낮게 유지하고 개인적인 용도로만 사용할 것을 명확하게 권장합니다. 다양한 취업 포털의 크롤링 방지 전략도 끊임없이 진화하고 있습니다. 이러한 외부 취약 링크는 코드로 해결할 수 있는 문제가 아닙니다. 보안 측면에서 프로젝트 설계에서는 작업 설명을 신뢰할 수 없는 입력으로 취급하고 해당 지침을 실행하지 않는 즉각적인 주입의 위험을 고려합니다. 하지만 저자 역시 “에이전트 수준의 방어는 샌드박스 수준이 아닌 명령 수준”이라고 인정한다. 즉, 익숙하지 않은 채용포털에서 사용할 경우, 사용자는 크롤링된 콘텐츠와 생성된 지원자료를 전송하기 전에 확인하는 것이 좋습니다. 또한 규모에 맞게 고도로 맞춤화된 이력서를 생성하면 ATS 시스템의 반격이 촉발될 수 있습니다. 채용 플랫폼은 AI 생성 콘텐츠에 대한 필터링 알고리즘을 최적화하기 시작했습니다. 이력서 키워드를 과도하게 최적화하면 사기 방지 플래그가 트리거될 수 있습니다.
AI 취업검색은 2026년 상반기 가장 인상적인 AI 워크플로우 프로젝트 중 하나이다. 그 가치는 그것이 사용하는 첨단 기술에 있는 것이 아니라 '취업'에 대한 충분히 깊은 이해에 있다. '이력서 작성을 돕는' 도구가 아니라 취업활동을 평가, 맞춤화, 검토, 검증, 추적, 피드백을 포함한 완전한 폐쇄 루프로 줄여준다. 이중 에이전트 검토와 PDF 검증 루프의 두 가지 디자인은 많은 AI 이력서 도구 중에서 독특한 위치를 차지합니다. Claude Code 사용자라면 꼭 시도해 봐야 할 워크플로입니다. 일자리를 찾는 사람, 특히 기술적인 배경을 가진 사람의 경우, 일자리를 찾는 방식을 근본적으로 바꿀 수 있는 잠재력이 있습니다.

사용자 리뷰

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。

AI Job Search

심층 리포트

사용자 리뷰

유사 제품