autopilot-jobhunt

autopilot-jobhunt

你的 AI 求职 Agent。帮你寻找职位、评分并起草申请——你安睡时也能工作。

每晚扫描 130 多家公司的招聘页面 → 使用大模型，根据你的简历为每个职位评分 → 在 Telegram 上向你发送最佳匹配职位 → 按需起草定制简历和求职信。

🔒 仅起草——绝不代你申请。 你会审核每份草稿，并亲自提交申请。请参阅 PRIVACY.md，了解哪些数据会离开你的设备。

已有 9 万多人看过——让它走红的 Instagram 短视频。

已发布到 PyPI，并收录于 Official MCP Registry（io.github.tarunlnmiit/autopilot-jobhunt）、Glama（质量等级 A）和 Smithery（MCPB 套件）。

📖 查看完整设置指南，了解 Claude Code MCP 集成 → SETUP.md

⭐ 如果它帮你找到工作，请为这个仓库点个 Star

这个工具免费、开源，完全在你的设备上运行——无需订阅，也无需信用卡。我唯一希望你付出的“代价”：如果它帮你找到一个申请的职位（或成功入职），请点个 Star。 只需点击一下，不花一分钱；这是让项目被下一个手动翻看 130 多个招聘页面的人看到的唯一助力。⭐ 在这里点 Star →

---

工作原理

flowchart LR
    A["🌐 130+ Careers Pages"] -->|TinyFish API| B["Job Discovery"]
    B --> C["LLM Batch Scorer\n(0–100 fit score)"]
    C -->|score ≥ min| D["📱 Telegram Alert\nTop N matches"]
    C -->|on demand| E["✉️ Cover Letter\n+ Resume Bullets"]
    C --> F["📊 CSV Export"]

评分提示词使用你的真实简历，而非关键词。大模型会阅读你的完整工作经历和职位描述，然后用一句话说明你为何匹配或不匹配。不必再猜测。

扫描结果示例

Scanning Mistral AI...
  3 new job URLs. Fetching details...
  Scoring jobs...
  Saved 2 jobs from Mistral AI

Scanning HuggingFace...
  5 new job URLs. Fetching details...
  Scoring jobs...
  Saved 3 jobs from HuggingFace

Scanning Stripe...
  No new jobs found
...
Scan complete.
Top 5 sent to Telegram.

Telegram 通知示例

Job Hunt — 06 Jun 2026
5 matches found

#1 | Mistral AI | Applied AI Engineer, ML Infrastructure
📍 Paris/London/Marseille, On-site
🔧 Python, LLMs, RAG, AWS, MLOps, DevOps
✅ Role combines applied AI + ML infrastructure in EU, aligns with MLOps/RAG expertise and relocation goal
Score: 85/100  →  https://jobs.lever.co/mistral/...

#2 | HuggingFace | Staff ML Engineer
📍 Remote (EU)
🔧 Python, PyTorch, Transformers, CUDA, MLOps
✅ Open-source ML role matches deep learning and distributed training background
Score: 80/100  →  https://apply.workable.com/huggingface/...

...

Reply "apply to #N" to draft a tailored application.

---

功能

Every night at 2:30 AM:
  ┌─────────────────────────────────────────────────────────┐
  │  Scans careers pages  →  Scores with LLM  →  Notifies  │
  │       (130+ cos)           (0–100 fit)       (Telegram) │
  └─────────────────────────────────────────────────────────┘

On demand:
  autopilot draft 1  →  tailored resume + cover letter in 60s

---

使用模式

Mode 1: Standalone CLI (no Claude Code required)
  pip install autopilot-jobhunt
  autopilot scan / autopilot draft 1 / autopilot export

Mode 2: Claude Code MCP (control via natural language)
  pip install 'autopilot-jobhunt[mcp]'
  claude mcp add autopilot-jobhunt ...
  → "Scan for ML jobs" / "Draft application for job #2"

两种模式使用相同的配置，并生成相同的输出。

快速开始

选项 A — 使用 pip 安装

pip install autopilot-jobhunt        # or: pip install 'autopilot-jobhunt[mcp]' for Claude Code
mkdir my-job-hunt && cd my-job-hunt
autopilot init                       # creates config.json, companies.json, resume/, .env
# Fill in config.json (API keys + your profile) and resume/YOUR_RESUME.md, then:
autopilot scan

选项 B — 克隆（推荐用于自定义公司列表或参与贡献）

git clone https://github.com/tarunlnmiit/autopilot-jobhunt.git
cd autopilot-jobhunt
pip install -e '.'               # standalone CLI
# pip install -e '.[mcp]'       # + Claude Code MCP integration
cp config.example.json config.json && cp .env.example .env
# Fill in your API keys and candidate profile, then:
autopilot scan

查看完整操作指南——包括 API 密钥设置、Claude Code MCP 注册、速率限制详情和故障排查，请参阅 SETUP.md。

📚 文档

分步指南位于 docs/：

指南	内容
安装	pip／从源代码安装／autopilot init 脚手架
大模型提供商	OpenRouter 备用链、Claude CLI（无需密钥）、Anthropic API
API 密钥	TinyFish 和 OpenRouter 密钥，以及各自的用途
公司与扫描	companies.json、发现与评分、扫描节奏
集成	Telegram 通知
MCP 服务与 Skill	在 Claude Code 中开展求职搜索
配置与评分	候选人档案、min_score、top_n
故障排除	遇到的所有错误及其解决方法
测试清单	可复现的独立验证

所需 API 密钥

服务	费用	是否必需	获取方式
TinyFish	免费 — 无需信用卡	始终需要	agent.tinyfish.ai
OpenRouter	免费 — 4 个模型的备用链	使用 Claude CLI／Anthropic 时除外	openrouter.ai
Telegram	免费	可选	在 Telegram 上联系 @BotFather

---

Claude Code／MCP 集成

在 Claude Code（CLI）或 Claude Desktop 中将 autopilot-jobhunt 用作 MCP 服务。

步骤 1：安装并启用 MCP 支持

git clone https://github.com/tarunlnmiit/autopilot-jobhunt.git
cd autopilot-jobhunt
pip install -e '.[mcp]'

步骤 2：在 Claude Code 中注册

选项 A — 使用一条命令：

claude mcp add autopilot-jobhunt \
  --env TINYFISH_API_KEY=your_key \
  --env OPENROUTER_API_KEY=your_key \
  --env TELEGRAM_TOKEN=your_token \
  --env TELEGRAM_CHAT_ID=your_chat_id \
  -- python -m job_hunt.mcp_server

选项 B — 手动编辑 ~/.claude.json：

{
  "mcpServers": {
    "autopilot-jobhunt": {
      "command": "python",
      "args": ["-m", "job_hunt.mcp_server"],
      "cwd": "/absolute/path/to/autopilot-jobhunt",
      "env": {
        "TINYFISH_API_KEY": "your_key",
        "OPENROUTER_API_KEY": "your_key",
        "TELEGRAM_TOKEN": "your_token",
        "TELEGRAM_CHAT_ID": "your_chat_id"
      }
    }
  }
}

注意： cwd 必须指向克隆的仓库 — 服务会从该目录读取 config.json 和 companies.json。

步骤 3：使用

在任意 Claude Code 会话中：

"Scan for ML jobs"
"Draft an application for job #2"
"Export jobs from the last 7 days with score above 70"

Claude Desktop

使用相同的 JSON 块 — 在 Claude Desktop → Settings → Developer 中将其添加到 mcpServers 下。

---

自定义目标公司

编辑 companies.json。每个条目都需要：

{
  "name": "Stripe",
  "careers_url": "https://stripe.com/jobs",
  "search_domain": "stripe.com",
  "location": "Remote / San Francisco, CA",
  "region": "Remote"
}

仓库预置了 130 多家欧盟、新西兰和支持远程办公的科技公司。可按需添加或移除。

---

评分机制

大模型会读取你的完整简历和完整职位描述，并给出 0–100 的评分：

分数	含义
80–100	几乎完美匹配 — 立即申请
60–79	匹配度高 — 值得申请
40–59	部分匹配 — 待选职位较少时再申请
< 40	匹配度低 — 跳过

在配置中设置 min_score 进行筛选。默认值：60。

---

项目结构

autopilot-jobhunt/
├── job_hunt/
│   ├── main.py          # CLI entry point
│   ├── scanner.py       # Job discovery + LLM scoring
│   ├── drafter.py       # Resume tailoring + cover letter
│   ├── notifier.py      # Telegram notifications
│   ├── llm_utils.py     # OpenRouter wrapper with fallback
│   ├── tools.py         # Protocol-agnostic tool layer
│   └── mcp_server.py    # MCP server (Claude/AI assistant integration)
├── demo/                # Demo scripts for recording GIF
├── resume/              # Put your resume here (gitignored)
├── state/               # Scan state (gitignored)
├── output/              # Generated applications (gitignored)
├── companies.json       # 130+ target companies
├── config.example.json  # Config template (copy to config.json — gitignored)
└── config.json          # Your config (gitignored — never committed)

---

大模型选项

默认：OpenRouter（免费）

使用 4 个模型组成的备用链 — 全部免费，无需信用卡：

模型	作用
meta-llama/llama-3.3-70b-instruct:free	主模型 — 质量最佳
nvidia/nemotron-3-super-120b-a12b:free	备用模型 1 — 120B
google/gemma-4-31b-it:free	备用模型 2
qwen/qwen3-coder:free	备用模型 3

如果某个模型达到每日免费额度，工具会自动尝试下一个。默认情况下大模型调用成本为零。

替代方案 A：Claude Code CLI（无需 API 密钥）

如果已安装并完成身份验证的 Claude Code，可以将其用作大模型后端 — 无需单独的 API 密钥：

在 config.json 中：

"llm_provider": "claude_cli"

也可以通过环境变量设置：LLM_PROVIDER=claude_cli autopilot scan

还可以选择设置模型："claude_cli_model": "sonnet"（或 "opus"、"haiku"；留空则使用 Claude 默认值）。

注意： 需要在 PATH 中找到 claude 二进制文件。请先使用 claude --print "hi" 验证。 MCP 服务和 cron 作业必须在 Claude 身份验证会话处于活动状态的环境中运行。

速率限制说明： 每次调用都会加载你的全局 Claude Code 上下文（约 25–30k 个 token）。每晚扫描 （5–15 次大模型调用）会大量消耗订阅的 7 天速率限额。每晚自动运行时建议使用 OpenRouter； 按需生成草稿时再使用 Claude CLI。

备选方案 B：Anthropic API

如果你有 Anthropic API 密钥：

pip install 'autopilot-jobhunt[claude]'

在 config.json 中：

"llm_provider": "anthropic",
"anthropic_api_key": "sk-ant-...",
"anthropic_model": "claude-haiku-4-5-20251001"

claude-haiku-4-5-20251001 速度快、成本低；claude-sonnet-4-6 的评分质量更高。每晚扫描总共会使用约 5–15 次大模型调用（每批为 10 个职位评分）。

---

贡献

请参阅 CONTRIBUTING.md。欢迎提交 PR，内容包括：

• 在 companies.json 中添加公司
• 支持新的 ATS 平台（Rippling、Lever 变体、Workday）
• OpenAI / Gemini MCP 适配器
• 改进评分提示词

---

许可证

MIT — 请参阅 LICENSE。

---

由 @tarunlnmiit 构建。如果它为你省下了数小时的求职时间，欢迎点一个 ⭐。