被裁后靠AI刷出20个面试：这个GitHub 2.9万星项目把求职全流程焊死了
大环境就业卷成麻花的时候，我本来还琢磨着得整个AI求职工具自救，结果还没动手，GitHub上已经有人把我想干的事全做完了，还拿了2.9万+星——这就是今天要聊的ai-job-search项目。
项目作者Mads Lorentzen原本是地球物理学家，被裁之后用Claude Code搭了套求职框架，投了69份简历、拿到20个面试，最后成功转行AI工程师。不过他的逆袭故事其实不是重点，真正值得抄作业的是：他把求职这个高度主观、多步骤、还容易情绪崩溃的过程，拆解成了套可被AI执行、验证、迭代的标准化工作流。
大部分人用AI写简历， basically就是把ChatGPT当高级文案工具，丢个职位描述让它改改简历、润色下求职信，然后复制粘贴完事，效果全看当天AI的心情。
但ai-job-search做的是把整个求职供应链直接重构了：从职位搜索、匹配度评估、简历定制、求职信撰写、面试准备到申请追踪，全链路自动化，不用你来回切工具跳来跳去。
整个框架最硬核的设计是双Agent互审机制：Drafter（起草者）会根据你的职业档案生成定制化简历和求职信，随后Reviewer（评审者）会用全新上下文启动的第二个Claude Agent，独立调研目标公司，从第三方视角批判初稿里的问题，直接解决了单次生成内容质量不稳定的bug。
整个框架就四个核心命令，覆盖求职全流程： /setup：建立你的职业档案，支持读取本地CV/简历/LinkedIn导出文件、导入单份简历，或者通过对话式访谈快速搭完你的职业档案。 /scrape：搜索并排序职位，内置丹麦本地求职平台工具，核心框架和地域无关，用/add-portal就能快速扩展任意地区的求职平台，还有个零依赖的linkedin-search工具，支持全球任意地区搜索。 /apply：一键生成定制化申请材料，是整个框架最硬核的环节：先解析职位描述，评估你和岗位的匹配度（技能、经验、文化、地点、职业发展全维度打分），用LaTeX起草简历和求职信，启动双Agent互审迭代，最后编译检查PDF确保简历刚好2页、求职信刚好1页、签名可见、字体统一，还会做ATS验证，提取PDF文本层核对联系方式、关键词覆盖率，保证ATS系统能正确解析，最后输出最终版本和验证清单。 /interview：生成面试准备包，针对你已追踪的申请，输出公司调研、面试官背景、预判问题、STAR案例映射，还能直接做模拟面试。
这个项目最让人放心的是所有数据全存在你本地，不是什么SaaS平台，不用担心隐私泄露，Fork完就是你的，想怎么改怎么改。
作者在LinkedIn晒过完整的申请漏斗：69份申请→20个一面→最终拿到offer，这个转化率已经相当能打了。
不管你是正在找工作的技术岗选手，还是产品经理、独立开发者，这个项目都值得关注：找工作能省大把时间，做开发的还能直接抄它的Agentic工作流编排思路，它演示了怎么把复杂、高主观性的任务，拆解成可被AI执行的标准化流程，这才是AI应用从「问答玩具」往「工作流代理」演进的正确方向。
