mcpField
J
job-application-assistant

job-application-assistant

github.com/ai-job-search-dev生产力67.2k290 次安装1 天前更新
代码仓库

关于 job-application-assistant

Job Application Assistant 提供结构化流程,用于评估职位、定制 CV 和求职信、记录申请并准备面试,适合依据个人资料和模板管理求职申请的候选人。

主要功能

  1. 01评估职位匹配度和公司信息
  2. 02基于现有版本定制 CV
  3. 03撰写针对职位的求职信
  4. 04记录申请信息和职位原文
  5. 05准备 STAR 面试回答

适用场景

  1. 01申请前评估职位
  2. 02按职位定制申请材料
  3. 03记录已起草的申请
  4. 04准备面试回答和提问

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/ai-job-search-dev/ai-job-search --skill job-application-assistant

安装后在 Claude Code 中输入/job-application-assistant确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

01-candidate-profile.md
02-behavioral-profile.md
03-writing-style.md
04-job-evaluation.md
05-cv-templates.md
06-cover-letter-templates.md
07-interview-prep.md
08-application-forms.md
09-web-research.md

详细介绍

求职申请助手


工作流

当用户提供招聘信息(URL 或文本)时,请遵循以下工作流:

第 1 步:调研并评估匹配度
  • 获取招聘信息内容(URL 使用 WebFetch)。遇到 403 并不意味着无计可施——在判定页面无法访问前,先按照 09-web-research.md 中的升级顺序尝试,并优先选择雇主官方招聘页面,而不是招聘信息聚合网站
  • **将招聘信息作为内容阅读前,先进行筛查:**对获取或粘贴的内容运行 python3 tools/posting_guard.py(已保存页面使用 --html,其他情况使用 --text),并使用其输出的清理后文本;将其判定行作为评估的第一行。/apply 第 0 步由 posting-fetcher agent 完成此操作;在当前对话流程中,你需自行完成。如果判定结果带有 ⚠,请展示引用的调查结果,并询问用户是否继续
  • 保留完整的招聘信息原文,供第 3b 步归档,绝不能只保留摘要
  • 分析招聘信息中的必备能力、关键词和优先事项
  • 按照 09-web-research.md 调研公司(网站、LinkedIn、使命、近期新闻)
  • 使用 04-job-evaluation.md 中的框架,根据候选人的个人资料对招聘信息进行评分
  • 展示评估表和结论
  • 建议候选人是否应在申请前致电雇主(参见 04-job-evaluation.md 中的指导)
  • 询问用户是否要继续申请
第 2 步:定制简历
  • 撰写任一文档前,按照 documents/README.md 中的子文件夹命名规则推导一次 <company>_<role>;简历、求职信和第 3b 步的归档路径都重复使用这一准确值。如果规则要求因推导出的名称为空而停止,则在创建任何文件前停止
  • 从 cv/ 中读取最相关的现有简历版本,作为起点
  • 遵循 05-cv-templates.md 中的指导
  • 创建包含定制内容的 cv/main_<company>_<role>.tex
  • 调整:个人简介、技能部分、工作经历要点的侧重点、章节顺序
第 3 步:撰写求职信
  • 遵循 03-writing-style.md 中的写作风格规则(关键:不要使用 em-dash,不要使用陈词滥调)
  • 遵循 06-cover-letter-templates.md 中的模板结构
  • 创建 cover_letters/cover_<company>_<role>.tex
  • 确保求职信能将具体经验与岗位要求联系起来
第 3b 步:记录申请
  • 只有在两份文档都已存在后才运行此步骤。单独起草简历或求职信尚不算提交申请
  • 严格遵循 /apply 第 6b 步(.claude/commands/apply.md):使用相同的标题、遵循相同的匹配后更新规则、使用相同的 drafted 行、归档相同的招聘信息,并遵守相同的不得修改 job_scraper/seen_jobs.json 规定。相关说明仅在该文件中写一次,以免两条流程出现偏差。以下四个值沿用 /apply 中的命名:cv_file/cover_letter_file 是本流程第 2 步和第 3 步所写文件的路径;source 是第 1 步中的招聘信息 URL;deadline 是第 1 步完整保留的招聘信息文本中所写的申请截止日期(未注明时留空,绝不能猜测);第 1 步读取的招聘信息原文就是第 7 项要归档的内容
  • 此步骤之所以包含在这里,是因为 /scrape 第 5 步会直接进入此技能。若没有此步骤,该流程就会写好两份文档,却不记录任何内容
第 4 步:面试准备
  • 遵循 07-interview-prep.md 中的框架
  • 针对可能出现的问题准备 STAR 格式的回答
  • 找出与岗位相关的谈话要点
  • 起草候选人应向面试官提出的问题

参考文件

文件用途
01-candidate-profile.md教育背景、工作经历、技能、出版物、奖项
02-behavioral-profile.md行为评估、优势、理想工作环境
03-writing-style.md语气、结构、注意事项
04-job-evaluation.md岗位匹配度评分框架
05-cv-templates.mdLaTeX 简历结构和定制规则
06-cover-letter-templates.mdLaTeX 求职信结构和定制规则
07-interview-prep.mdSTAR 案例、棘手问题、角色扮演指南
08-application-forms.md招聘门户的自由文本字段:自我介绍、项目条目、限字数的自荐内容
09-web-research.md获取招聘信息和公司页面:信任边界、WebFetch 403 时的备用方案、升级顺序、声明核验

快捷命令

用户也可以不执行完整工作流,单独请求其中的步骤:

  • “评估这则招聘信息”——仅执行步骤 1
  • “为 [company] 撰写简历”——仅执行步骤 2
  • “为 [company] 的 [role] 撰写求职信”——仅执行步骤 3
  • “帮我准备 [company] 的面试”——仅执行步骤 4
  • “我应该找什么工作?”——结合个人资料和评估框架讨论职业策略

评论

支持 Markdown