安装
npx @santifer/career-ops init适合谁
- 正在找工作、希望在自己的 AI 编程 CLI 里完成职位评估与申请跟踪的人：把一个职位的描述文本或网址交给助手，换回针对该职位的评估结论、书面报告、可保存的 PDF 文件，以及跟踪表里的申请记录；评估用来在投递前判断这个职位值不值得投入时间。如果你想先把职位筛一遍再决定投哪些，这个流程正好覆盖从评估到跟踪的第一段。
- 适合看重开源与自主决策的人：career-ops 是开源项目，官方定位为开源的 AI 求职助手，明确说它把每一个决定都留给用户；它只负责起草与分析，不替你做选择。
- 不适合与前提：它以 skill 形式运行在 AI 编程 CLI 内，有没有独立于这些工具的使用方式，证据未说明；对非求职任务、特定行业或文本语言范围是否支持，同样未知；使用前提是终端里能执行官方安装命令，对机器与环境的更多要求官方没有给出，动手前需自行确认；说明缺失的部分按未知处理，不要假设它具备相应能力。
3 分钟完成第一次尝试
- 前提：本机已装有一个受支持的 AI 编程 CLI，能打开终端执行命令；不必局限于某一家产品。
- 安装：在终端执行
npx @santifer/career-ops init。它会按开放标准把 skill 定义写入.agents/skills/career-ops/SKILL.md，并为每个受支持的 CLI 建立符号链接或引用（例如.claude/、.qwen/、.antigravitycli/、.grok/）。这一步会写入上述目录，执行前请确认接受。 - 触发：在 CLI 的对话里发起一个分析型任务：粘贴一个职位的描述文本或网址，请它运行官方的自动流水线，原文为 “AUTO-PIPELINE: evaluate + report + PDF + tracker (paste text or URL)”。
- 副作用提示：这条流水线会生成 PDF 并写入跟踪条目，也就是会新建本地文件或记录；具体写入位置官方未说明。创建前如果想先看清将产生什么，可以要求它先列出计划创建的内容；首次运行后也建议检查实际出现了哪些新文件。
- 成功信号：输出里能看到针对该职位的评估与报告、导出的 PDF，以及跟踪表里新增的一条记录。四项齐备说明安装与触发链路正常，可以进入下一步；少任何一项，都说明链路没走完，先排查安装是否成功再重试。
使用案例
- 案例一，评估一个候选职位：场景是你手里有若干备选职位，想先挑值得投的。发起方式：把这个职位的描述文本（或网址）发给助手，请它执行上面那条评估流水线。会用到的真实工作流，就是评估、报告、PDF、跟踪条目这一条。可期待结果：得到该职位的评估与报告、一份 PDF，跟踪表里多出一条记录；换其他职位重复同样步骤，就能把几份评估放在一起比较，再决定先申请哪个。每换一个职位就多一条记录，跟踪表逐渐积累成你的求职台账。
- 案例二，起草并填写申请：场景是你已决定对某个职位投递，想让材料准备得更省力。发起方式：在对话里要求它起草并填写这份申请。会用到的能力，官方原话是 “It drafts and fills; it never submits. You press Submit.”。可期待结果：拿到可以逐项检查的申请草稿；它不会替你提交，最后一步始终由你亲手完成。
使用边界
- 副作用与确认点：安装会写入 skill 定义并在各 CLI 目录（如
.claude/）建立符号链接或引用；评估流水线会新建 PDF 与跟踪条目。申请提交永远不会自动发生——官方保证它只起草和填写，提交动作始终由用户完成，这是投递前必须由人来做的确认点，不是可省略的形式；确认点的意义在于：材料可以由它准备，决定永远在你。 - 运行环境与客户端前提：官方称它通过开放 Agent Skill 标准运行于任何主流 AI 编程 CLI，列出 Claude Code、Codex、Gemini / Antigravity、OpenCode、Grok、Qwen 等例子并说明不止这些，因此不是封闭名单；所有客户端共用同一份 skill 定义，本地运行。
- 官方明确限制：从不自动提交申请，提交由用户按下。如果你期望全自动完成投递的工具，它不符合这个预期。
- 尚未确认：除提交环节之外的文件读写范围、是否执行其他命令、是否访问网络、PDF 与跟踪条目的具体写入位置、系统依赖与卸载方式，证据均未说明。“永不提交”只是投递环节的官方保证，不代表它不会读写文件或执行别的操作，这些请以首次使用时的实际表现为准。