career-ops-ui
Loslegen

Benutzerhandbuch

Diese Seite auf GitHub bearbeiten

Hilfe — career-ops-ui

Eine vollständige Anleitung zu jeder Seite, vom Moment des Starts der App bis zum Erreichen eines Vorstellungsgesprächs. Jede ##-Überschrift unten entspricht einem Eintrag in der Seitenleiste oder einer Phase des Workflows. Lesen Sie beim ersten Start von oben nach unten; springen Sie später über das Inhaltsverzeichnis in der Hilfe-Seitenleiste zu einem bestimmten Abschnitt.

Zielgruppe: alle, die diese UI gerade in einem career-ops- Checkout abgelegt und bash bin/start.sh ausgeführt haben. Es werden keine Vorkenntnisse zu career-ops vorausgesetzt.

Über career-ops

career-ops ist ein Open-Source-Jobsuchsystem, das als Slash-Befehle innerhalb jeder KI-Coding-CLI läuft (Claude Code, Gemini CLI, Codex, Qwen Code, OpenCode, GitHub Copilot CLI — andere Claude-kompatible CLIs funktionieren über dieselbe Slash-Befehl-Oberfläche ebenfalls). Modellunabhängig. Es bewertet jede Ausschreibung anhand Ihres CV mit einem sechsdimensionalen 0.0–5.0-Bewertungsschema, generiert maßgeschneiderte PDF-Lebensläufe und verfolgt jede Bewerbung lokal auf Ihrem Rechner.

Kanonische Referenz (beim ersten Installieren in dieser Reihenfolge lesen):

Grundprinzipien (aus career-ops.org/docs/introduction/what-is-career-ops):

  • Open Source, im Ernst — MIT, keine Bezahlstufe, keine Warteliste, keine Telemetrie, keine Konten. Das System arbeitet ohne Bezahlstufen, Konten oder Telemetrie. Code-Beiträge durchlaufen vor der Freigabe eine Community-Prüfung.
  • Datenhoheit — cv.md, config/profile.yml, data/, reports/, interview-prep/ verlassen Ihren Laptop nie, es sei denn, Sie pushen sie ausdrücklich. Sie führen es lokal auf Ihrem Rechner aus und behalten die volle Datenhoheit.
  • KI-agnostische Architektur — career-ops bündelt KEIN Modell. Es funktioniert als Befehle innerhalb bestehender KI-Coding-CLIs. Wechseln Sie den Anbieter (Anthropic ↔ Gemini ↔ OpenAI), und Ihre Bewertungshistorie bleibt konsistent.
  • Vom Menschen kontrollierte Einreichungen — career-ops entwirft Antworten und öffnet das Formular, aber Sie klicken auf Absenden. Das System bewirbt sich nie automatisch. Das System liefert Struktur und Bewertung; die endgültige Einreichungshoheit bleibt beim Menschen.
  • Strukturierte Suche — gebaut für eine aktive, bewusste Jobsuche mit vielen Bewerbungen; kein Werkzeug für Einzeleinreichungen, keine Empfehlungsmaschine. Die Einrichtung dauert ca. 15 Minuten und setzt Terminalvertrautheit voraus.

Was career-ops NICHT ist (ausdrückliche Nicht-Ziele):

  • Kein Auto-Bewerber. Es reicht keine Formulare für Sie ein.
  • Kein Lebenslauf-Neubauer. Es passt pro JD an; es erfindet keine Erfahrung.
  • Kein LinkedIn-Optimierer. Ihr Profil ist Ihre Angelegenheit.
  • Kein Tabellenkalkulationsersatz, der sich hinter einer SaaS-UI versteckt. Die Daten sind einfaches Markdown auf Ihrem Dateisystem.

Schlüsselkonzepte (vollständiges Inventar — jedes Artefakt, das career-ops berührt):

Konzept Was es ist
Mode Eine Prompt-Vorlage unter modes/<slug>.md. Eingebaut: oferta, deep, apply, pipeline, batch, contacto, followup, interview-prep, patterns, project, training, ofertas, auto-pipeline, pdf, latex, scan, tracker.
Archetype Ein Zielrollen-Profil in config/profile.yml. Das Bewertungsschema gewichtet Skill-Übereinstimmungen gegen den aktiven Archetyp — das einzelne wichtigste Feld.
Pipeline data/pipeline.md — Posteingang von JD-URLs, die auf ihre Bewertung warten.
Tracker data/applications.md — historische GFM-Tabelle jeder Bewertung + jedes Bewerbungsstatus.
Report reports/<NNN>-<company>-<DATE>.md — vollständige A–F-Bewertung pro JD, mit Score + Legitimität im Header.
Scan-Historie data/scan-history.tsv — reines Anhängen-Log; verhindert Duplikate über Scans hinweg.
Proof Points STAR+R-Nachweisblöcke, extrahiert aus cv.md, wiederverwendet über Bewertung, Bewerbungsantworten, Interview-Vorbereitung.
JD-Store jds/jd-<date>-<ts>.txt — wortgetreue Stellenbeschreibungen, die während der Bewertung für die Prüfspur gespeichert werden.
Interview-prep interview-prep/<company>-<role>.md — Deep-Research-Briefings und Runden-One-Pager.
Batch-Ergänzungen batch/tracker-additions/*.tsv — ausstehende Zeilen, die von batch-runner.sh zum Zusammenführen in den Tracker eingereiht werden.

career-ops vs career-ops-ui (diese App)

career-ops (CLI) career-ops-ui (diese App)
Wo es läuft innerhalb Claude Code / Gemini CLI / Codex / Qwen Code / OpenCode / GitHub Copilot CLI http://127.0.0.1:4317 in Ihrem Browser
Oberfläche /career-ops <mode> Slash-Befehle Seitenleiste mit einer Seite pro Workflow
Formularausfüllen ja, über Playwright MCP nein — generiert die Checkliste, Sie schließen in der CLI ab
PDF generate-pdf.mjs 📄 Generate PDF auf #/cv, #/reports/:slug, #/evaluate, #/deep, #/interview-prep
Datendateien geteilt mit career-ops-ui geteilt mit career-ops

career-ops-ui besteht aus reinen Ergänzungen. Nichts innerhalb von career-ops/ ändert sich. Beide Oberflächen teilen sich dieselbe cv.md, config/profile.yml, portals.yml, data/, reports/, interview-prep/, modes/.

Handlungsschwellen nach Score

Sobald eine JD eine Bewertung hat, bestimmt der Score, was als Nächstes zu tun ist (kanonische Tabelle aus career-ops.org/docs/introduction/what-is-career-ops):

Score Nächster Schritt
≥ 4.5 Führen Sie /career-ops apply aus — hohe Passung, sofort loslegen.
4.0 – 4.4 Bewerben oder /career-ops contacto für eine warme Vorstellung zuerst.
3.5 – 3.9 Führen Sie /career-ops deep aus — das Unternehmen / die Rolle vor der Entscheidung recherchieren.
< 3.5 Überspringen, es sei denn, Sie haben einen bestimmten persönlichen Grund.

#/dashboard und #/tracker von career-ops-ui heben jede Zeile ab 4.0 hervor, sodass Sie eine Handlung auswählen können, ohne etwas erneut ausführen zu müssen.

Externe Dokumentation

Die vollständige Referenz für die zugrunde liegende career-ops-Engine (Scannen, Bewertungsschema, Batch-Verarbeitung, Bewerbungsablauf, Playwright-Einrichtung) finden Sie unter career-ops.org/docs:

1. Schnellstart — vollständig Schritt für Schritt von „CV erstellen“ bis „beworben & angeschrieben“

Dies ist das kanonische, Schaltfläche-für-Schaltfläche-Handbuch. Folgen Sie ihm beim ersten Mal der Reihe nach. Jeder Schritt nennt die genaue Route, die genaue Schaltfläche und was Sie bei Erfolg sehen werden. Die Abschnitte 2–16 unten gehen tiefer auf jede Phase ein.

Doku fragen. Öffne Doku fragen 💬 (Seitenleiste, unter Hilfe) und stell eine Frage — sie antwortet nur aus diesem Leitfaden in deiner Sprache und liest nie deinen Lebenslauf. Derselbe Assistent ist von jeder Seite aus nur einen Tipp entfernt — eine Roboter-Chat-Schaltfläche schwebt unten rechts (unten links in Rechts-nach-links-Sprachen); klicke sie an, um zu fragen, ohne deine Arbeit zu verlassen.

Start & Init mit einem Befehl. Von einem Terminal aus können Sie den gesamten Bootstrap ohne Berühren der UI durchführen:

career-ops-ui setup      # install deps → doctor → run the server
career-ops-ui init       # pick LLM provider + paste its key (echo suppressed)
career-ops-ui doctor     # re-verify any time (exit 0 ⇔ all required green)
career-ops-ui run        # just launch the server at http://127.0.0.1:4317
career-ops-ui open       # open + RAISE the dashboard tab in your browser

Nach setup/run wird der Browser-Tab automatisch geöffnet und in den Vordergrund gebracht (v1.43.0); career-ops-ui open tut dasselbe auf Anfrage, sodass Sie den Dashboard-Tab nie suchen müssen. NO_OPEN=1 deaktiviert das automatische Öffnen für Headless-/CI-Starts.

setup führt die gesamte Kette selbst aus. init schreibt den Schlüssel über denselben validierten Pfad, den der API-Schlüssel-Tab unter #/config verwendet, in die übergeordnete career-ops/.env und setzt LLM_PROVIDER (auto | claude | gemini), was die Live-Routen evaluate / deep / mode / auto-pipeline berücksichtigen. CI-Form: career-ops-ui init --provider claude --anthropic-key sk-ant-… --yes. Bevorzugen Sie die UI? Fahren Sie mit den Schritten unten fort.

A. Einrichtung (einmal ausführen, ~5 Minuten)

career-ops-ui muss unter career-ops/web-ui/ liegen (verschachtelt innerhalb des übergeordneten career-ops-Projekts). Es liest Ihre cv.md, config/ und data/ über ../ aus dem übergeordneten Ordner und funktioniert nicht eigenständig. Wenn career-ops-ui init nach einem Pull nicht gefunden wird, führen Sie cd career-ops/web-ui && npm install && npx career-ops-ui init aus.

Schritt 1 — Öffnen Sie die App unter http://127.0.0.1:4317. Wenn sie nicht läuft, führen Sie in einem Terminal bash bin/start.sh vom Repo-Stammverzeichnis aus. Das Dashboard (#/dashboard) wird geladen.

Schritt 2 — Klicken Sie in der linken Seitenleiste auf ❤ Health. Jede erforderliche Prüfung muss grün sein:

  • cv.md, config/profile.yml, portals.yml existieren
  • API-Schlüssel gesetzt (mindestens einer von ANTHROPIC_API_KEY / GEMINI_API_KEY)
  • Playwright installiert (nur erforderlich, wenn Sie Generate PDF verwenden)

Wenn etwas rot ist, sagt Ihnen die Seite genau, welche Datei oder Umgebungsvariable zu korrigieren ist. Fahren Sie nicht fort, bis Health grün ist.

Schritt 3 — Klicken Sie in der Seitenleiste auf ⚒ App settings. Sie landen auf dem Tab API keys & runtime.

Schritt 4 — Wechseln Sie auf derselben Seite zum Tab Profile. Das ist der direkte YAML-Editor für config/profile.yml. Bearbeiten Sie mindestens:

  • candidate.full_name — ersetzen Sie jeden Platzhalter (“Jane Smith”) durch Ihren echten Namen
  • candidate.email, linkedin, github — werden in Anschreiben verwendet
  • target.roles — die Stellentitel, auf die Sie sich bewerben
  • target.comp_total_min_usd — Mindestgesamtvergütung; Angebote darunter werden in Abschnitt D jeder Bewertung markiert
  • target.archetypes — die Karrieremuster, die Sie akzeptieren (einzelnes wirkungsstärkstes Feld)

Klicken Sie auf 💾 Save. Der Server validiert das YAML und stempelt den kanonischen Header # Career-Ops Profile Configuration.

B. CV (einmal ausführen, ~10 Minuten)

Schritt 5 — Klicken Sie in der Seitenleiste auf ✎ CV. Zwei Spalten: Editor links, Live-Vorschau rechts.

Schritt 6 — Wählen Sie einen Weg, um den Editor zu füllen:

  • Vorhandenen Lebenslauf hochladen — klicken Sie auf 📁 Upload CV, wählen Sie eines der Formate .docx / .doc / .odt / .rtf / .pdf / .html / .txt / .md. Der Server konvertiert über pandoc oder pdftotext in Markdown, bereinigt XSS und legt das Ergebnis in den Editor. Überprüfen Sie die Konvertierung — insbesondere PDFs können an Layout-Treue verlieren.
  • Markdown direkt einfügen — der Textbereich ist ein Markdown-Editor; der rechte Bereich zeigt, was das LLM (und Ihr zukünftiger Recruiter) sehen wird.
  • Ton-Tipps: ein Aufzählungspunkt = eine Errungenschaft mit einer Kennzahl. Halten Sie es unter 1500 Wörtern. Abschnitte in dieser Reihenfolge: Summary, Experience, Projects, Education, Skills.

Schritt 7 — Klicken Sie auf 💾 Save (oben rechts auf der CV-Seite). Der Server bereinigt (<script> / javascript: / Inline-Handler entfernt) und schreibt cv.md. Toast: „Saved“.

Schritt 8 (optional) — Klicken Sie auf 📄 Generate PDF. Führt generate-pdf.mjs im übergeordneten Projekt aus (Playwright erforderlich) und das neue PDF wird automatisch heruntergeladen in Ihren Browser, wenn es fertig ist. Die Liste am Ende der Seite behält jede zuvor generierte Datei.

C. Stellen finden (~2 Minuten pro Scan)

Schritt 9 — Klicken Sie in der Seitenleiste auf 🌐 Scan. Bestätigen Sie, dass portals.yml die Boards auflistet, die Sie interessieren (Abschnitt 5 dieser Hilfe). Drücken Sie die Schaltfläche 🌐 Scan now. Ein Live-SSE-Log streamt, während der Scanner Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (englische Boards) und hh.ru / Habr Career (russische Boards, falls aktiviert) durchläuft.

Schritt 10 — Wenn der Scan fertig ist, überprüfen Sie die Ergebnisse. Klicken Sie auf ein Unternehmens-Tag, um zu filtern; klicken Sie auf das ↗-Symbol, um die Karriereseite des Unternehmens in einem neuen Tab zu öffnen. Jede Stelle, die den Titelfilter überlebt hat, wird in die Pipeline eingereiht.

D. Angebote bewerten (~30 Sekunden pro JD)

Schritt 11 — Klicken Sie in der Seitenleiste auf Pipeline. Sie sehen jede URL, die der Scanner eingereiht hat. Klicken Sie auf einen Eintrag, um die JD inline in der Vorschau anzuzeigen.

Schritt 12 — Klicken Sie neben einer JD auf ▶ Evaluate. Dies springt zu #/evaluate. Mit gesetztem API-Schlüssel läuft es live; ohne einen erhalten Sie einen manuellen Prompt zum Einfügen in Ihr eigenes LLM. Der Live-Modus erzeugt einen 0–5-Score gegen Ihr CV über die Abschnitte A–G (Role / Company / Compensation / Risk / Stretch / Cultural fit / Verdict). Das Speichern landet in reports/<date>-<slug>.md.

Schritt 13 — Klicken Sie in der Seitenleiste auf Reports und überprüfen Sie die neueste Bewertung. Alles unter Ihrem comp_total_min_usd ist in Abschnitt D rot markiert. Alles mit Verdict: pursue ist Ihre engere Auswahl.

E. Das ausgewählte Unternehmen entscheiden & tiefgehend recherchieren (~3 Minuten)

Schritt 14 — Wählen Sie eine verfolgenswerte Stelle aus. Klicken Sie in der Seitenleiste auf Deep research. Geben Sie den Unternehmensnamen und die Rolle ein. Das Modell erstellt ein siebenteiliges Unternehmensbriefing (Mission, aktuelle Nachrichten, Tech-Stack, Einstellungssignale, Vergütungs-Benchmarks, Risiken, empfohlener Ansatz). Das Speichern landet in interview-prep/<company>-<role>.md.

F. Bewerben (~5 Minuten pro Bewerbung)

Schritt 15 — Klicken Sie in der Seitenleiste auf Apply checklist. Fügen Sie die Stellen-URL + JD ein. Der Helfer generiert eine Schritt-für-Schritt-Einreichungscheckliste:

  • Maßgeschneiderter Anschreiben-Entwurf (verwendet Ihre cv.md + profile.yml)
  • Bestimmte Schlüsselwörter, die aus der JD gespiegelt werden sollen
  • Anzuhängende Dateien (CV-PDF — siehe Schritt 8)
  • Wo man sich bewirbt (die kanonische Karriere-URL, nicht Aggregator- Weiterleitungen)
  • Erinnerung: NIEMALS automatisch absenden — die endgültige Prüfung und Einreichung erfolgt immer manuell.

Schritt 16 — Öffnen Sie die Karriereseite in einem neuen Tab. Verwenden Sie die Bewerbungscheckliste als Ihre To-do-Liste. Reichen Sie über das tatsächliche Formular des Unternehmens ein. Hängen Sie das PDF an, das Sie in Schritt 8 generiert haben.

Schritt 17 — Wenden Sie sich an einen echten Menschen. Öffnen Sie den Outreach-Modus (#/contacto in der Seitenleiste). Das Modell entwirft eine kurze, auf das Unternehmensbriefing aus Schritt 14 zugeschnittene LinkedIn-/E-Mail-Nachricht. Personalisieren Sie den Einstieg (ein bestimmtes Detail aus Ihrem Deep-Research-Briefing). Senden Sie sie.

G. Verfolgen & nachfassen (fortlaufend)

Schritt 18 — Klicken Sie in der Seitenleiste auf Tracker und fügen Sie eine Zeile für die Bewerbung hinzu: Unternehmen, Rolle, Score, Status Applied, Link zum Report, Link zum Deep-Research-Briefing. Das Datum wird automatisch ausgefüllt.

Schritt 19 — Eine Woche später: öffnen Sie den Follow-up-Modus (#/followup). Entwirft eine höfliche Nachfass-E-Mail, die auf die ursprüngliche Bewerbung Bezug nimmt. Senden. Aktualisieren Sie den Tracker-Status auf Followed up.

Schritt 20 — Wenn Sie eine Interview-Einladung erhalten, führen Sie den Interview prep-Modus aus (#/interview-prep). Generiert gezielte Vorbereitung für das jeweilige Unternehmen + die Phase (System-Design / Behavioral / Coding). Zieht automatisch aus dem Deep-Research-Briefing.

Schritt 21 — Angebot erhalten? Aktualisieren Sie den Tracker-Status auf Offer und schauen Sie sich den Vergütungsabschnitt Ihres Bewertungsreports erneut an — Ihre Mindestannahmezahl steht genau dort.

TL;DR — die Reihenfolge der Seitenleiste entspricht dem Workflow

Health → App settings → Profile → CV → Scan → Pipeline → Evaluate → Reports → Deep research → Apply checklist → Outreach → Tracker → Follow-up → Interview prep → Activity log

Das war’s. 21 Schritte, Schaltfläche für Schaltfläche, von null bis zum Angebot.

Auto-pipeline mit einem Klick (#/auto) — die Abkürzung für die 21 Schritte

Wenn Sie nur eine bestimmte Ausschreibung schnell bewerten möchten, überspringen Sie die manuelle Anleitung. Seitenleiste → ✨ Auto-pipeline (oder die ✨-Schaltfläche im Dashboard) öffnet einen eigenen Bildschirm: Fügen Sie die Stellen-URL ein, drücken Sie Enter oder klicken Sie auf ▶ Run full pipeline, und der Server führt die gesamte Kette in einem beobachtbaren Durchlauf aus:

  1. Validating URL — SSRF-sichere Prüfung (isValidJobUrl); lehnt Loopback / file: / private IPs / Skript-Zeichen ab.
  2. Fetching job description — safeGet (DNS-fixiert, umleitungs- neu-validiert) zieht + bereinigt die JD.
  3. Evaluating against your CV — Anthropic (bevorzugt) → Gemini- Fallback → manueller Prompt, falls kein Schlüssel.
  4. Saving report — schreibt reports/<slug>.md mit Score + Legitimität im Header.
  5. Adding to tracker — hängt eine Zeile an data/applications.md an.

Das Live-Feedback ist ein vertikaler Stepper (jeder Schritt leuchtet laufend → fertig / fehlgeschlagen auf). Es ist eine geordnete Liste mit aria-current auf dem aktiven Schritt und einem höflichen Screenreader-Live-Bereich, der jeden Übergang ansagt. Bei Erfolg verlinkt die Ergebniskarte direkt zum gespeicherten Report (View report · N/5) und zum tracker. Ein fehlgeschlagener Schritt wird rot mit seiner Meldung markiert, und die Schaltfläche wird wieder aktiviert, sodass Sie die URL korrigieren und ohne Neuladen erneut versuchen können.

Kein API-Schlüssel? Die Pipeline läuft im manuellen Modus: Die Schritte 3–5 werden zusammengeklappt, und Sie erhalten eine einfügefertige Prompt-Karte (kopieren Sie sie in Claude Code / Anthropic / Gemini). Kein Live-LLM-Aufruf, keine Kosten.

#/auto ist verlinkbar: #/auto?url=<encoded>&go=1 öffnet den Bildschirm und startet automatisch. Die ✨-Schaltfläche im Dashboard und dieser Seitenleisteneintrag landen beide hier (einziger kohärenter Ablauf — das transiente Modal vor 1.34 wurde zu dieser Seite befördert).

CLI (v1.38.0). Ein Befehl erledigt die Kette: career-ops-ui setup (bootstrap → install → start). Eigenständige Verben: career-ops-ui doctor (env/keys/tooling check — same engine as the Health page; exit 1 on any required failure), career-ops-ui run, career-ops-ui init (provider+key wizard, v1.39.0). Providers (v1.39.0). Der API-Schlüssel-Tab fügt eine Auswahl LLM_PROVIDER (auto = Anthropic→Gemini default · claude · gemini) und ein Feld OPENAI_API_KEY (Codex/OpenCode CLI side) hinzu. career-ops-ui init ist ein interaktiver Assistent für dasselbe.

Providers (v1.57.0). Die Headless-Live-Bewertung erstreckt sich nun über Anthropic → Gemini → OpenAI → Qwen → OpenRouter (die auto-Reihenfolge; LLM_PROVIDER fixiert einen). OpenRouter — ein OPENROUTER_API_KEY bedient 300+ Modelle; das Dropdown OPENROUTER_MODEL lädt OpenRouters Live-Katalog (serverseitiger Proxy, kuratierter Offline-Fallback). Außerdem behoben: Schlüssel, die mit einem abschließenden Zeilenumbruch / umgebenden Leerzeichen eingefügt werden, werden nun vor der Validierung getrimmt, sodass /#/config für keinen Anbieter mehr „validation failed“ anzeigt.

2. App-Einstellungen & API-Schlüssel (#/config)

Neu in v1.55 → v1.56. Ohne gesetzten LLM-Schlüssel erklärt ein rotes Banner auf jedem Bildschirm, dass ⚡ Run-live im manuellen Prompt-Modus ist, und verlinkt hierher; sobald ein Schlüssel gesetzt ist, wird es zu einem stillen Chip, der den aktiven Anbieter nennt. Vor jeder ⚡ Run-live-Schaltfläche (#/auto, #/evaluate, #/deep, modes) wird eine ehrliche Kostenschätzung angezeigt (z. B. „Estimated cost: OpenAI gpt-5-codex · ~$0.04/eval“ oder ein Hinweis zu fehlenden API-Kosten im manuellen Modus). #/scan verbirgt sekundäre Filter hinter einer Advanced filters-Ausklappung; #/tracker fügt anklickbare Trichter-Chips + optionale serverseitige Paginierung hinzu; #/pipeline virtualisiert ab 1000 Zeilen.

KI-CLI-Tools. Der Tab KI-CLI-Tools zeigt, welche Agent-CLIs (Claude Code, Codex, Gemini, OpenCode, Copilot, Qwen, Antigravity) auf dem Server installiert sind — ein schreibgeschützter PATH-Scan, ohne sie auszuführen. Darstellung → Firmenlogos anzeigen (standardmäßig aus) zeigt das Favicon jeder Firma in der Scan-Tabelle, geholt von ihrer eigenen Domain (nie ein Drittanbieterdienst).

Drei Tabs:

  1. API keys & runtime — strukturiertes Feldformular über die .env des übergeordneten Projekts (dieselbe Datei, die die career-ops-Node- Skripte beim Start lesen). Gruppiert: API keys / Runtime / Regional sources. Der Tab stellt auch anbieterspezifische Modellauswahlen bereit — OPENAI_MODEL (OpenAI/Codex) neben ANTHROPIC_MODEL und GEMINI_MODEL.
  2. Profile — feldweises Formular über config/profile.yml (web-ui 1.32.0). Das Speichern führt in die Datei zusammen — Ihre Archetypen, Proof Points und alle benutzerdefinierten Schlüssel bleiben unberührt erhalten.
  3. Modes — strukturiertes Feldformular für modes/_profile.md (web-ui 1.54.3), abgeleitet aus dem dokumentierten Schema. Listenartige Abschnitte — Target Roles / Adaptive Framing / Comp Targets — werden als wiederholbare Einzelposten-Eingaben gerendert (Zeilen hinzufügen/entfernen); Prosaabschnitte — Exit Narrative / Location Policy — werden als beschriftete Textbereiche gerendert; jeder unbekannte oder nicht listenartige Abschnitt fällt auf einen beschrifteten wortgetreuen Textbereich zurück. Das Speichern führt weiterhin nach Abschnitt zusammen — die Präambel, unberührte Abschnitte und alle benutzerdefinierten Abschnitte bleiben byteweise erhalten. Eine Ausklappung Advanced: raw markdown bleibt für Vollständige-Datei-Bearbeitungen — Hinzufügen/Entfernen von Abschnitten oder Bearbeiten der Präambel.

Ein Speichern in einem beliebigen Tab wirkt sich sofort aus — kein Server-Neustart.

Einrichten Ihres LLM-Anbieters (Schritt für Schritt). Die ⚡ Live-Bewertung der Web-UI läuft headless und verwendet einen API-Schlüssel. Sie funktioniert per „ODER“ — setzen Sie einen beliebigen dieser Schlüssel, und es funktioniert einfach; wenn mehrere gesetzt sind, bevorzugt auto sie in dieser Reihenfolge: Anthropic → Gemini → OpenAI → Qwen. (career-ops selbst ist CLI-agnostisch — Sie führen es auch innerhalb von Claude Code, Codex, Gemini, OpenCode, Qwen, Copilot oder Kimi aus; das ist von diesem Headless-Schlüssel getrennt.)

  1. Öffnen Sie #/config → den Tab API keys & runtime.
  2. Wählen Sie Ihren Anbieter in LLM_PROVIDER: auto (verwendet den gesetzten Schlüssel) oder erzwingen Sie einen mit claude / gemini / openai / qwen.
  3. Füllen Sie den Schlüssel + das Modell für den gewählten Anbieter aus:
    • Anthropic — setzen Sie ANTHROPIC_API_KEY (console.anthropic.com), optional ANTHROPIC_MODEL (default claude-sonnet-4-6).
    • Gemini — setzen Sie GEMINI_API_KEY (aistudio.google.com/apikey), optional GEMINI_MODEL (default gemini-2.0-flash).
    • OpenAI — setzen Sie OPENAI_API_KEY (platform.openai.com), optional OPENAI_MODEL (default gpt-5-codex).
    • Qwen — setzen Sie QWEN_API_KEY (Alibaba Model Studio / DashScope, dashscope.console.aliyun.com), optional QWEN_MODEL (default qwen-max). Für den Festland-CN-Endpunkt setzen Sie QWEN_BASE_URL in der rohen .env.
  4. Klicken Sie auf Save. Die Schlüssel werden in die .env des übergeordneten Projekts geschrieben; die Änderung wird sofort wirksam — kein Server-Neustart nötig.
  5. Überprüfen Sie auf #/evaluate: Fügen Sie eine Stellen-URL/-beschreibung ein und drücken Sie ⚡ Run live. Der Ergebnis-Header zeigt, welcher Anbieter lief (anthropic / gemini / openai / qwen). Kein Schlüssel irgendwo gesetzt → Sie erhalten stattdessen den manuellen Kopier-Einfüge-Prompt.

Geheimnisse werden nach dem Speichern maskiert und niemals protokolliert. Modell-ID-Felder (*_MODEL) sind nicht geheim.

Profile-Tab (Feldformular — v1.32.0)

Vor v1.32.0 war dieser Tab ein einzelner Roh-YAML-Textbereich, in dem jede Einstellung in einem undifferenzierten Block lag. Er ist jetzt ein strukturiertes Formular, Felder gruppiert in drei ausklappbare Abschnitte:

  • Candidate — Full name (erforderlich), Email, Phone, Location, LinkedIn, GitHub, Portfolio URL, X / Twitter.
  • Narrative — Headline, Exit story.
  • Compensation — Target range, Currency, Walk-away minimum, Location flexibility.
  • Strukturierte Array-Editoren (web-ui 1.35.0) — Editoren zum Hinzufügen/Entfernen von Zeilen für die listenförmigen Felder, sodass selbst diese kein Roh-YAML mehr benötigen: Target roles + Superpowers (Zeichenketten-Listen); Archetypes (Zeilen name / level / fit); Proof points (Zeilen name / url / hero-metric). Leere Zeilen werden verworfen; eine geleerte Liste entfernt den Schlüssel sauber. Dieselbe Zusammenführen-nicht-Ersetzen-Garantie — jedes Array, das Sie nicht anfassen, überlebt unberührt.

Wie das Speichern sicher ist:

  • Das Formular sendet nur die 14 modellierten Skalarpfade als { fields: { "candidate.full_name": … } }. Der Server liest die vorhandene config/profile.yml, setzt/leert nur diese Blätter und serialisiert das gesamte Objekt neu — sodass verschachtelte Arrays, die das Formular nicht modelliert (target_roles.archetypes, narrative.proof_points, narrative.superpowers), und alle benutzerdefinierten Schlüssel, die Sie von Hand hinzugefügt haben, den Roundtrip unberührt überstehen. Das Leeren eines Feldes entfernt diesen Schlüssel sauber (kein phone: ""-Rückstand).
  • Die Validierung erfordert weiterhin einen vollständigen Namen; der Header # Career-Ops Profile Configuration wird automatisch gestempelt.
  • Ein Kompromiss: Ein Feldformular-Speichern serialisiert das YAML neu, sodass Inline-#-Kommentare verloren gehen. Um Kommentare zu bewahren oder verschachtelte Arrays zu bearbeiten, verwenden Sie die Ausklappung Advanced: edit raw YAML am unteren Rand des Tabs — es ist der Vollständige-Datei-Editor von vor 1.32, unverändert (ersetzt beim Speichern die gesamte Datei).
  • Die schreibgeschützte Zusammenfassung unter #/profile ist der visuelle Begleiter.

Erkannte Schlüssel

Schlüssel Was er bewirkt Woher zu bekommen
ANTHROPIC_API_KEY Aktiviert Live-Anthropic-SDK-Aufrufe. Bevorzugt, wenn sowohl Anthropic + Gemini gesetzt sind — bessere strukturierte Langtext-Ausgabe für JD-Bewertung und Deep Research. https://console.anthropic.com/settings/keys
ANTHROPIC_MODEL Überschreibt den Standard claude-sonnet-4-6. Versuchen Sie claude-opus-4-7 für schwierigeres Reasoning, claude-haiku-4-5-20251001 für günstig-und-schnell. —
GEMINI_API_KEY Fallback, wenn kein Anthropic-Schlüssel. Wird von gemini-eval.mjs für den oferta-Modus verwendet. Der kostenlose Tarif funktioniert für geringes Volumen. https://aistudio.google.com/apikey
GEMINI_MODEL Überschreibt das Standard-Gemini-Modell. —
(server uses default UA) Erforderlich beim Ausführen von hh.ru-Scans außerhalb Russlands (die API gibt bei einfachen User-Agents 403 zurück). Registrieren Sie eine App unter https://dev.hh.ru/admin und verwenden Sie deren UA-Zeichenkette. dev.hh.ru
PORT Express-Bind-Port. Standard 4317. —
HOST Bind-Adresse. Standard 127.0.0.1. Das Setzen von 0.0.0.0 legt die UI im LAN offen — noch kein Auth-Gate, siehe Production-readiness-Dokument. —

Verhalten

  • Read (GET /api/config) gibt jeden erkannten Schlüssel zurück. Geheime Schlüssel (ANTHROPIC_API_KEY, GEMINI_API_KEY) werden maskiert — Sie sehen sk-ant•••••••a1b2, niemals den vollen Wert.
  • Save (POST /api/config) validiert jeden Wert, schreibt in die <parent>/.env und wendet ihn sofort auf den laufenden Prozess an. Kein Neustart nötig.
  • Ein leerer Wert löscht den Schlüssel. Nützlich, wenn Sie eine russische IP / ein VPN nicht mehr verwenden möchten.

Smoke-Test-Schaltflächen

Klicken Sie nach dem Speichern auf ▶ Test Anthropic oder ▶ Test Gemini — beide feuern einen winzigen Prompt (≤256 Token Ausgabe), sodass Sie praktisch nichts ausgeben, während Sie bestätigen, dass der Schlüssel korrekt verdrahtet ist. Gibt bei Erfolg eine Stichprobe von ~200 Zeichen zurück.

3. Profil (#/profile — auch erreichbar als #/settings)

Eine schreibgeschützte Zusammenfassungskarten-Ansicht von config/profile.yml. Zum Bearbeiten gehen Sie zu App settings → Profile tab (#/config → Profile) — seit web-ui 1.32.0 ist das ein feldweises Formular (Candidate / Narrative / Compensation), kein Roh-YAML-Block. Speichern führt in dieselbe Datei zusammen; diese Seite parst beim Neuladen neu.

Die Felder, die am wichtigsten sind:

  • candidate.full_name — wird in jedem Prompt verwendet. Ersetzen Sie die Vorlage Jane Smith, bevor Sie etwas ernsthaft scannen, sonst gehen Ihre generierten Anschreiben unter dem Platzhalternamen raus.
  • candidate.email, linkedin, github — werden in der Anschreiben-Generierung und der Bewerbungscheckliste referenziert.
  • target.roles — akzeptierte Stellentitel. Der positive Filter des Scanners verwendet dies implizit (über portals.yml::title_filter).
  • target.comp_total_min_usd — Mindestgesamtvergütung. Abschnitt D jeder Bewertung markiert Angebote darunter.
  • target.archetypes — das wichtigste Feld. Das sind die Karrieremuster, die Sie akzeptieren (z. B. Tech-Lead-Backend, Founding-Engineer, Data-Platform). Jede JD wird gegen sie abgeglichen, und der bestpassende Archetyp landet im Report-Header.

Die Health-Seite zeigt eine Prüfung Profile customized an, die fehlschlägt, solange full_name einem bekannten Platzhalternamen entspricht.

4. CV (#/cv)

Einzige Wahrheitsquelle für jede Bewertung, Deep Research und jedes Anschreiben. Liegt in cv.md im Stammverzeichnis des übergeordneten Projekts.

Bearbeitungsoptionen

  • Direkt einfügen — der Textbereich links ist ein Markdown-Editor. Der rechte Bereich spiegelt, was das LLM (und Ihr zukünftiger Recruiter) sieht.
  • 📁 Upload CV — wählen Sie eine lokale Datei in einem dieser Formate, und der Server konvertiert sie für Sie in Markdown:
    • Textformate — .md, .markdown, .txt, .html, .htm werden durchgereicht (HTML geht über pandoc → GFM-Markdown).
    • Office-Formate — .docx, .doc, .odt, .rtf werden über pandoc konvertiert (brew install pandoc auf macOS, apt install pandoc auf Linux).
    • PDF — .pdf wird über pdftotext aus Poppler extrahiert (brew install poppler / apt install poppler-utils).
    • Das konvertierte Markdown landet im Editor; klicken Sie auf 💾 Save, um es zu persistieren. Das Ergebnis wird bereinigt (derselbe XSS-Strip wie beim Einfügen).
    • Hartes Limit: 10 MB pro Upload. Größere Dateien → 413.
  • Von LinkedIn — einfachster Weg: öffnen Sie Claude Code im übergeordneten Projekt, führen Sie /career-ops aus, fügen Sie Ihre LinkedIn-URL ein und bitten Sie extract my CV from this and write it to cv.md.

Was bereinigt wird

Serverseitig durchläuft jedes PUT auf /api/cv stripDangerousMarkdown:

  • <script>-, <iframe>-, <object>-, <embed>-, <svg>-, <style>-, <form>-Tags — vollständig entfernt.
  • Inline-Event-Handler (onclick=, onerror= usw.) — entfernt.
  • javascript:-, vbscript:-, data:text/html-URI-Schemata — entschärft.

Die Antwort enthält sanitized: true, sobald eines der oben genannten entfernt wurde, sodass Sie wissen, ob die Quelle etwas Übles enthielt.

Maximale Body-Größe: 1 MB. Alles Größere gibt 413 zurück.

Andere Schaltflächen

  • sync-check — führt cv-sync-check.mjs im übergeordneten Projekt aus. Markiert Inkonsistenzen: ein Projekt, das in Ihrem CV aufgeführt ist, aber nicht in den data/applications.md-Archetypen usw.
  • 📄 Generate PDF — streamt generate-pdf.mjs. Die Ausgabe landet in output/*.pdf. Erfordert Playwright (die Health-Seite zeigt, ob es in den node_modules des übergeordneten Projekts installiert ist). Wenn die Generierung fertig ist, wird das neueste PDF automatisch in Ihren Standard-Downloads-Ordner heruntergeladen; die Liste auf der Seite behält jede zuvor generierte Datei.

Ton- / Format-Tipps

  • Ein Aufzählungspunkt = eine Errungenschaft mit einer Kennzahl. „Reduced p99 latency by 38%“ schlägt „improved performance” für jedes Bewertungsschema.
  • Abschnitte in dieser Reihenfolge: Summary (3–5 Zeilen), Experience (rückwärtschronologisch), Projects (max. 5), Education, Skills (dedupliziert, kein Buzzword-Brei).
  • Halten Sie es unter 1500 Wörtern. Das Bewertungsschema nutzt dichte Informationen; ein weitschweifiges CV wird für Rauschen bestraft.

5. Portale & Quellen (portals.yml)

Die Scanner-Konfiguration liegt in portals.yml im übergeordneten Stammverzeichnis. Drei Abschnitte sind wichtig. Die drei Abschnitte der SPA (unten) entsprechen dem kanonischen career-ops.org-Schema aus scan-job-portals 1:1.

Abkürzung: die #/portals-URL löst jetzt direkt zu App settings auf und (wenn eine regionale Quelle konfiguriert ist) springt zur Gruppe Regional sources — sodass ein gemerkter oder getippter #/portals-Link nicht mehr 404 liefert (v1.42.0).

title_filter

title_filter:
  positive: [backend, engineer, senior, tech lead, golang, php]
  negative: [junior, intern, frontend, ios, android, java]
  seniority_boost: [Senior, Staff, Lead, Principal]

Eine gescannte Stelle passt, wenn ihr Titel mindestens ein positives Schlüsselwort enthält UND keines der negativen Schlüsselwörter. Justieren Sie beide. Schlüsselwörter sind Groß-/Kleinschreibungs- unabhängige Teilzeichenketten.

seniority_boost ist der dritte Titelfilter-Schlüssel. Hier aufgeführte Schlüsselwörter filtern nichts heraus — sie schieben passende Stellen in den Ergebnissen höher, sodass ein „Senior Backend Engineer“ über einem „Engineer“ landet. Standard: ["Senior", "Staff", "Lead"]. Justieren Sie es passend dazu, wie Ihre Zielrollen betitelt sind.

Beginnen Sie mit 3–5 positiven Schlüsselwörtern zur Klarheit; erweitern Sie später.

location_filter (optional — web-ui 1.33.0, parent #570)

location_filter:
  allow:
    - "Remote"
    - "United States"
    - "Atlanta"
  block:
    - "India"
    - "London"
    - "Germany"

Filtert gescannte Stellen nach ihrer Standort-Zeichenkette (Groß-/Kleinschreibungs-unabhängige Teilzeichenkette), angewendet sowohl vom ATS-Durchlauf als auch vom regionalen Durchlauf. Semantik, identisch zum kanonischen career-ops scan.mjs:

  • Kein location_filter-Schlüssel → jeder Standort passt (Standard).
  • Eine Stelle mit einem leeren/fehlenden Standort → passt (fehlende Daten werden nicht bestraft).
  • Eine block-Schlüsselwort-Übereinstimmung → abgelehnt (block hat Vorrang vor allow).
  • allow leer → passt (block hat es bereits durchgelassen).
  • allow nicht leer → muss mindestens ein Schlüsselwort treffen.

Schlüssel auf oberster Ebene in portals.yml (ein Geschwister von title_filter, nicht verschachtelt unter russian_portals). Verwenden Sie ihn, um Stellen zu verwerfen, die den Titelfilter überlebt haben, aber in einer Region liegen, die Sie nicht annehmen können.

Beginnen Sie mit 3–5 positiven Schlüsselwörtern zur Klarheit; erweitern Sie später.

content_filter (optional — web-ui 1.75.0, parent #974). Ein Geschwister auf oberster Ebene von location_filter mit denselben positive / negative- Schlüsselwortlisten, aber abgeglichen gegen den Beschreibungs-/Snippet-Text einer Ausschreibung statt gegen ihren Standort:

content_filter:
  positive: ["python", "machine learning"]
  negative: ["security clearance", "on-site only"]

Identische Semantik zu location_filter: kein Schlüssel → alles passt; eine Ausschreibung mit einer leeren/fehlenden Beschreibung passt (fehlende Daten werden nicht bestraft); eine negative-Übereinstimmung → abgelehnt; positive leer → passt; positive nicht leer → muss mindestens ein Schlüsselwort treffen (Groß-/Kleinschreibungs-unabhängige Teilzeichenkette). Angewendet sowohl vom ATS- als auch vom regionalen Durchlauf. Nur Quellen, die eine Beschreibung/ein Snippet mitliefern (z. B. RSS), sind betroffen — jede andere Ausschreibung passt — sodass das Aktivieren nie stillschweigend Zeilen aus Quellen verwirft, die keinen Body tragen. Verwenden Sie es, um eine titelbestehende Ausschreibung zu verwerfen, deren Body ein Ausschlusskriterium offenbart.

trust_filter (optional — web-ui 1.76.0, parent career-ops v1.13.0). Ein Block auf oberster Ebene, der jede gescannte Ausschreibung mit einem Vertrauens-Score (0–100), einer Stufe (high / medium / low) und Flags annotiert (nie verwirft). Aus, es sei denn, er ist vorhanden und nicht deaktiviert:

trust_filter:
  enabled: true
  suspicious_domains: ["bit.ly", "tinyurl.com"]   # optional — overrides the default shortener list
  ats_allowlist: ["greenhouse.io", "ashbyhq.com"] # optional — overrides the default ATS host allowlist

Heuristiken: fehlende Bewerbungs-URL (−40), ungültige URL (−50), verdächtige Shortener-Domain (−25), Unternehmen↔Domain-Diskrepanz (−15, übersprungen für bekannte ATS-Hosts). Ausschreibungen unter high erhalten ein sprachneutrales ⚠ score-Abzeichen in der #/scan-Tabelle (der Tooltip listet die Flag-Codes auf), sodass Sie Zeilen mit geringem Vertrauen sichten können, ohne dass etwas herausgefiltert wird. Lassen Sie den Block ganz weg, um das Verhalten von vor 1.76 beizubehalten (keine Annotation, kein Abzeichen).

search_queries

search_queries:
  - name: "Greenhouse — Rails Engineer"
    query: 'site:job-boards.greenhouse.io "Rails Engineer" OR "Ruby on Rails" remote'
    enabled: true
  - name: "Ashby — Senior Backend"
    query: 'site:jobs.ashbyhq.com "Senior Backend" remote'
    enabled: false

search_queries treiben den KI-gestützten Option-B-Scan (/career-ops scan innerhalb Claude Code / Codex) an. Sie werden NICHT vom prozessinternen npm run scan ausgeführt (das nur öffentliche Board-APIs anspricht). Verwenden Sie sie, wenn Sie Rollen bei Unternehmen entdecken möchten, die noch nicht in tracked_companies sind. Setzen Sie enabled: false, um einen Eintrag zu behalten, ohne ihn auszuführen.

tracked_companies

tracked_companies:
  - { name: Stripe,     enabled: true, careers_url: https://job-boards.greenhouse.io/stripe }
  - { name: Linear,     enabled: true, careers_url: https://jobs.ashbyhq.com/linear }
  - { name: JetBrains,  enabled: true, careers_url: https://jobs.lever.co/jetbrains }

Erforderliche Felder pro Eintrag: name und careers_url. Optional: api (expliziter Greenhouse- / Ashby- / Lever- / Workable- / SmartRecruiters- / Workday- Endpunkt), enabled: true|false zum Ein-/Ausschließen ohne Löschen des Eintrags. Der ATS-Scanner erkennt das ATS aus dem URL-Muster (job-boards.greenhouse.io/<slug> → Greenhouse usw.) und ruft die öffentliche boards-api jedes Unternehmens direkt ab. Unternehmen ohne ein erkennbares ATS werden übersprungen (die Karte Active Companies auf /#/scan zeigt sie in Grau mit ○).

Per-Mandant-ATS-Anbieter (v1.76.0 — parent career-ops v1.13.0 parity). Sechs weitere ATSes erkennen automatisch direkt aus careers_url (oder einem expliziten api:), kein provider: nötig:

tracked_companies:
  - { name: Acme,    enabled: true, careers_url: https://acme.bamboohr.com }          # BambooHR
  - { name: Foo,     enabled: true, careers_url: https://foo.breezy.hr }              # Breezy HR
  - { name: Bar,     enabled: true, careers_url: https://bar.jobs.personio.de }       # Personio (XML feed)
  - { name: Baz,     enabled: true, careers_url: https://baz.recruitee.com }          # Recruitee
  - { name: SolidCo, enabled: true, careers_url: https://solid.jobs/public-api/offers/it }  # SolidJobs
  # Comeet needs the full careers-api URL (uid + token aren't in the branded page):
  - { name: ComeetCo, enabled: true, api: https://www.comeet.co/careers-api/2.0/company/<uid>/positions?token=<token> }

Jedes fixiert seinen Host mit einem verankerten Regex + redirect:'error' (SSRF-sicher). Siehe docs/portals-examples.md für vollständigere Kopier-Einfüge-Einträge.

rss (RSS-/Atom-Boards)

tracked_companies:
  - { name: LaraJobs, enabled: true, provider: rss, rss: https://larajobs.com/feed }
  - { name: WeWorkRemotely, enabled: true, provider: rss, rss: https://weworkremotely.com/remote-jobs.rss }

Richten Sie den Scanner auf jedes Job-Board, das einen RSS-/Atom-Feed veröffentlicht (LaraJobs, WeWorkRemotely, RemoteOK, golangprojects, …), indem Sie einen Eintrag mit provider: rss plus einem rss:- (oder feed_url:-)Schlüssel hinzufügen — keine Code-Änderungen. Der RSS-Adapter parst jedes <item> (CDATA + HTML-Entities, Titel/Unternehmen tag-bereinigt), normalisiert es zu einer Stelle und durchläuft denselben title_filter / location_filter + Dedup + Pipeline-Anhängen-Ablauf wie ATS-Quellen. RSS erscheint dann als auswählbare Quelle im #/scan-Filter-Dropdown. (web-ui v1.62.x)

russian_portals

russian_portals:
  sources: ["hh", "habr", "trudvsem", "getmatch", "geekjob"]      # or just one
  area: 113                 # 1=Moscow, 2=SPb, 113=Russia, 1001=remote
  per_page: 50
  only_remote: false
  queries:
    - "Senior PHP"
    - "Senior Go"
    - "Тимлид PHP"

queries sind Groß-/Kleinschreibungs-unabhängige Teilzeichenketten- Übereinstimmungen gegen Stellentitel auf hh.ru und Habr Career. Seien Sie vorsichtig mit Überschneidungen mit der Negativliste — wenn "Senior PHP" in queries steht, aber "php" in title_filter.negative landet, gibt der Scan null Ergebnisse zurück, und die Konsole warnt Sie vor dem Konflikt.

Russische Portale konfigurieren — detaillierte Einrichtungsanleitung

v1.29.0 liefert 5 russischsprachige Adapter. Zwei benötigen nichts weiter als den Standard-UA (habr-career, HTML-Scrape; trudvsem, Regierungs-Open-Data-API — kein Schlüssel, kein IP-Gate). Zwei sind HTML-Scrapes von Tech-Boards (getmatch, geekjob — ebenfalls kein Schlüssel). Eines ist die kanonische hh.ru-API, die von nicht-russischen IPs mit 403 antworten kann, sofern Sie nicht eine HH_USER_AGENT-Umgebungsvariable über App settings → API keys & runtime setzen (oder den Server von einer russischen IP / einem VPN-Ausgangsknoten aus ausführen).

Quellen-Inventar

Quellenschlüssel Anzeigename Typ Auth Geo-Beschränkung
hh hh.ru JSON API optional HH_USER_AGENT non-RU IPs may 403
habr Habr Career HTML none none
trudvsem Trudvsem JSON API (open-data) none none
getmatch GetMatch HTML none none
geekjob GeekJob HTML none none

Schritt 1 — portals.yml öffnen

Die Datei liegt im übergeordneten career-ops/-Stammverzeichnis (NICHT innerhalb von web-ui/). Wenn sie noch nicht existiert, kopieren Sie das mit dem übergeordneten Projekt gelieferte Beispiel:

# from the parent career-ops/ root (NOT web-ui/)
cp templates/portals.example.yml portals.yml
$EDITOR portals.yml

Schritt 2 — Alle 5 Quellen aktivieren

Fügen Sie den russian_portals-Block hinzu oder aktualisieren Sie ihn, um jede Quelle aufzulisten, die Sie scannen möchten. Die Reihenfolge im Array ist irrelevant; der Scanner durchläuft sie in Registry-Reihenfolge.

russian_portals:
  sources: ["hh", "habr", "trudvsem", "getmatch", "geekjob"]
  area: 113                  # 1=Moscow, 2=SPb, 113=Russia, 1001=remote
  per_page: 50               # how many vacancies per query per source
  only_remote: false         # set true to keep only remote postings
  queries:
    - "Senior PHP"
    - "Senior Go"
    - "Backend Senior"
    - "Тимлид PHP"

Schritt 3 — Queries und Filter justieren

queries sind die Zeichenketten, die der Scanner verwendet, um jede Quelle zu durchsuchen. Jede Query läuft einmal auf jeder Quelle — also 4 Queries × 5 Quellen = 20 Aufrufe pro Scan. Halten Sie die Liste fokussiert (3–7 Queries), um die Scan-Zeit unter einer Minute zu halten. area ist der hh.ru-Regionscode (andere Quellen ignorieren ihn). per_page begrenzt, wie viele Stellen jede Quelle pro Query zurückgibt. only_remote: true filtert jedes Ergebnis auf reine Remote-Stellen auf Adapter-Ebene (die Ergebnistabelle hat weiterhin einen separaten Remote-Chip).

Häufige Fallstricke

Negativlisten-Kollision. Wenn ein Wort aus einer Query ("php", "senior") auch in title_filter.negative erscheint, wird jedes Ergebnis herausgefiltert, bevor Sie es sehen. Der Scanner gibt zur Scan-Zeit eine stderr-Kollisionswarnung aus — achten Sie auf die Zeile ⚠ config: query "Senior PHP" contains "php" which is in the negative list. Beheben Sie es, indem Sie das kollidierende Wort aus negative entfernen:

title_filter:
  positive: [backend, senior, lead, php, go, golang, python]
  negative: [junior, intern, frontend, ios, android]
russian_portals:
  queries:
    - "Senior PHP"     # OK — "php" no longer in negative list
    - "Senior Go"

Eine Quelle vorübergehend deaktivieren

Um eine Quelle zu deaktivieren, ohne ihre Daten zu löschen, entfernen Sie einfach ihren Schlüssel aus sources:

russian_portals:
  sources: ["hh", "habr", "trudvsem"]   # only 3 of 5 sources will run

Die Einrichtung überprüfen

Nach dem Speichern von portals.yml:

# 1. Save portals.yml.
# 2. In the SPA, switch to #/scan.
# 3. Click 🌐 Scan now.
# 4. Watch the SSE log for the per-source line per query:
#       "Senior PHP"
#         hh.ru    18
#         habr     21
#         trudvsem  3
#         getmatch  0
#         geekjob   2
#    A value of 0 is normal for some queries — it just means that
#    source had no matches. A "geo-blocked" or "timeout" line means
#    the adapter reached the site but couldn't read results.

CLI-Bootstrap-Ablauf (scan-job-portals)

Die kanonische career-ops-Einrichtung (einmal vom übergeordneten Stammverzeichnis ausgeführt):

cp templates/portals.example.yml portals.yml
$EDITOR portals.yml

Das ist der gesamte Bootstrap. Bearbeiten Sie die drei Abschnitte (title_filter, tracked_companies, search_queries, optional russian_portals), speichern Sie, und Sie sind bereit zum Scannen.

SPA-Bootstrap-Verhalten

Beim ersten Start hängt der Server einen dokumentierten russian_portals:-Block an portals.yml an, wenn er fehlt — idempotent (der zweite Start ist ein No-op, weil die wörtliche russian_portals:-Zeile nun vorhanden ist). Die englischen Abschnitte werden NICHT automatisch eingefügt; sie stammen aus der templates/portals.example.yml, die Sie gemäß dem oben genannten kanonischen Bootstrap kopiert haben.

Wiederbewerbungs-Cooldown (v1.84.0). Fügen Sie einen re_apply_windows:- Block zu config/profile.yml hinzu, um den Scan davon abzuhalten, Rollen erneut aufzutauchen, auf die Sie sich bereits beworben haben. Pro Unternehmen setzen Sie last_apply_date (YYYY-MM-DD), same_role_days (Cooldown-Länge), applied_to: (eine Liste der Rollentitel, auf die Sie sich beworben haben) und einen optionalen cross_role_bucket (Unterstrich-Schlüsselwörter, z. B. backend_em). Solange today vor last_apply_date + same_role_days liegt, wird jede gescannte Rolle bei diesem Unternehmen, deren Titel applied_to (Teilzeichenkette) oder die Bucket-Schlüsselwörter trifft, übersprungen — das Scan-Log zeigt Cooldown skipped: N, und diese Zeilen erreichen nie die Ergebnistabelle oder pipeline.md. Der Unternehmensabgleich ist zeichensetzungs-unabhängig und wortgrenzen-bewusst (Acme Inc trifft Acme, Inc.). Kein re_apply_windows:-Schlüssel → kein Cooldown (der Standard).

Vergütung in pipeline.md (v1.84.0). Wenn ein gescanntes Angebot ein Gehalt trägt, wird es an data/pipeline.md als optionale nachgestellte Spalte angehängt — url | salary — neben der URL. Die URL bleibt der Dedup-Schlüssel (die Gehaltsspalte wird entfernt, wenn die Pipeline zurückgelesen wird), die Zelle wird bereinigt, sodass sie keine Zeile oder Tabellenkalkulationsformel einschleusen kann, und bestehende Nur-URL-Pipelines funktionieren unverändert weiter.

6. Health (#/health)

Jedes Einrichtungs-Gate, in OK- / OPTIONAL- / FAIL-Abzeichen. Lesen Sie dies, bevor Sie ein „funktioniert nicht“-Issue einreichen.

KI-Nutzung & Kosten. Die Seite KI-Nutzung (💳, neben Health) zeigt Tokens für Live-KI-Generierungen pro Anbieter über 24 Std./7 T./30 T./gesamt, mit geschätzten USD-Kosten aus einer bearbeitbaren Preistabelle (nie abgerechnet). Eine kompakte NUTZUNG-Anzeige ist außerdem unten in der linken Seitenleiste auf jeder Seite angeheftet — dieselben 24h/7T/30T-Token-Summen und geschätzte 24-Stunden-Kosten, live aktualisiert; das Menü bleibt stets frei darüber, und ein Klick auf die Kopfzeile klappt sie ein.

Erforderliche Prüfungen (das System kann ohne diese nicht funktionieren)

  • Node version ≥ 18 — der Server verwendet natives fetch und node:test.
  • Project root — dass CAREER_OPS_ROOT (env oder automatisch erkannt) existiert.
  • cv.md, config/profile.yml, portals.yml, data/applications.md, data/pipeline.md, modes/oferta.md.

Optionale Prüfungen (nur Warnungen)

  • Profile customized — candidate.full_name ist nicht der Vorlagen-Platzhalter.
  • GEMINI_API_KEY / ANTHROPIC_API_KEY — in .env gesetzt.
  • (server uses default UA) — nur relevant, wenn Sie hh.ru von außerhalb Russlands scannen.
  • Playwright (parent node_modules) — erforderlich für PDF-Generierung und check-liveness.mjs. Installieren mit cd $CAREER_OPS_ROOT && npm install && npx playwright install chromium.
  • Parent project dependencies — cd $CAREER_OPS_ROOT && npm install, falls fehlend.
  • data/-, reports/-, output/-, jds/-Verzeichnisse — beim ersten Schreiben automatisch erstellt.

Wenn der Server über Loopback hinaus offengelegt ist (HOST=0.0.0.0), werden die absoluten Pfade und die genaue Node-Version in der Antwort durch "hidden" ersetzt, sodass ein neugieriger Nachbar Ihre Installation nicht fingerprinten kann.

Ausführen-Schaltflächen

  • ▶ Doctor führt node doctor.mjs aus und zeigt die Ausgabe in einem Modal an.
  • ▶ Verify pipeline führt node verify-pipeline.mjs aus.

7. Scan (#/scan)

Der Scanner durchsucht jedes aktivierte Board, dedupliziert gegen Ihre Historie und schreibt Treffer in data/last-scan.json und data/pipeline.md.

Suchen + Ausschließen. Das Suchen-Feld behandelt Kommas als ODER (“zu findende Rollen”); das neue Ausschließen-Feld blendet Zeilen aus, die einem kommagetrennten Wort entsprechen. Beide werden mit deinen Suchen gespeichert.

Ein-Klick-Scan (SPA)

🌐 Scan führt jede aktivierte Quelle in einem einzigen Durchlauf aus:

  • Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (der ATS-Durchlauf) für jedes Unternehmen in tracked_companies mit einer erkennbaren ATS-URL.
  • Die v1.75.0-Aggregatoren für jeden tracked_companies-Eintrag, der sich für einen entscheidet: RemoteOK / Remotive / Working Nomads (board-weite Remote-Feeds, provider: <slug>) und IBM / Arbeitsagentur / Glints / Jobstreet · SEEK (konfigurationsgesteuert, <provider>:-Block pro Eintrag).
  • hh.ru API + Habr Career + Trudvsem + GetMatch + GeekJob für jede Query in russian_portals.

Zwei Phasen, ein Klick (v1.29.2). Die einzelne 🌐 Scan-Schaltfläche treibt SOWOHL den ATS-Durchlauf als auch den regionalen Durchlauf in einem SSE-Stream an. Sie sehen zwei Phasen-Header im Log, in dieser Reihenfolge:

  1. ▶ ATS scan (Greenhouse + Ashby + Lever) — EN-ATS-Boards.
  2. ▶ Regional scan (hh.ru + Habr Career) — 5 RU-Quellen aus der Registry.

Jede Phase endet mit einer ✓ done · NEW=N-Zusammenfassung. Wenn Sie nur die ATS-Phase sehen, ist Ihr Stand auf einem Build vor v1.29.2 — aktualisieren Sie. Vor v1.29.2 schloss der SSE-Client beim ersten done-Ereignis, und die regionale Phase wurde stillschweigend verworfen (tests/scan-stream-multi-phase.test.mjs ist das Regressionsnetz).

Ein Live-SSE-Log streamt in den rechten Bereich, während der Scan läuft. Klicken Sie auf Stop (oder navigieren Sie einfach weg), um abzubrechen — der Server storniert laufende HTTPS-Anfragen über AbortController.

Ergebnisse filtern

Unter dem Log rendert die Ergebnistabelle Zeilen aus data/last-scan.json.

v1.76.0 — keine Ergebnisobergrenze. Frühere Builds speicherten höchstens 2000 passende Zeilen pro Region (MAX_STORED_RESULTS) und versteckten stillschweigend den Rest eines großen Durchlaufs. Diese Obergrenze ist weg: Jede passende Ausschreibung wird gespeichert, und die Tabelle blättert einfach durch sie (200 pro Seite — verwenden Sie die Blätter-Steuerelemente unter der Tabelle). Nichts wird verworfen; Sie blättern nur Seiten.

v1.78.1 — Live-Auto-Aktualisierung. Die Ergebnistabelle aktualisiert sich nun automatisch, während ein Scan läuft, und noch einmal direkt danach — kein manuelles Neuladen oder Seitenwechsel nötig. Der Cache wird zu Beginn jedes Scans zurückgesetzt und neu gefüllt.

v1.80.0 — Max per source & Quellen-Quarantäne. Das Feld Max per source neben der Scan-Schaltfläche begrenzt, wie viele Stellen jedes Board beisteuert (leer/0 = unbegrenzt, der Standard) — praktisch, wenn ein riesiges Board sonst dominieren würde. Separat wird jede Quelle, die ein permanentes 404 / 410 zurückgibt, in data/scan-quarantine.json geschrieben und bei späteren Scans übersprungen (selbstheilend: nach 14 Tagen erneut versucht), sodass tote Slugs aufhören, das Log zuzuspammen. Deaktivieren mit scan_quarantine: false in portals.yml.

Filter:

  • Freitext — Teilzeichenketten-Übereinstimmung gegen Titel / Unternehmen.
  • Source-Dropdown — Arbeitsagentur / Ashby / BambooHR / Breezy HR / Comeet / GeekJob / Glints / Greenhouse / GetMatch / Habr Career / hh.ru / IBM / Jobstreet · SEEK / Lever / Personio / Recruitee / RemoteOK / Remotive / RSS / SmartRecruiters / SolidJobs / Teamtailor / Trudvsem / We Work Remotely / Workable / Workday / Working Nomads (automatisch aus GET /api/scan/sources befüllt).
  • Remote / Hybrid / Onsite-Dropdown.
  • Country-Dropdown (v1.78.0) — ein Geografie-Filter, befüllt aus den Ländern, die in den aktuellen Ergebnissen erkannt wurden, jeweils mit seinem Flaggen-Emoji und einer Anzahl angezeigt (z. B. 🇩🇪 Germany (12)). Wählen Sie eines aus, um nur an dieses Land gebundene Rollen zu behalten. Die Erkennung ordnet den Freitext-Standort einer Ausschreibung (Ländernamen/-aliase + ~100 große Job-Markt-Städte) einem Land zu; sie ist konservativ und rät nie, sodass eine Ausschreibung, deren Standort nicht aufgelöst werden kann — oder eine reine „Remote“-Anzeige — unter All countries bleibt. Kombinieren Sie es mit dem Arbeitsart-Dropdown, um länderbezogene und Remote-Rollen zu finden.
  • Posted within-Dropdown (v1.80.0) — ein clientseitiger Altersfilter (Last 24 hours / 7 days / 30 days). Zeilen, deren pubDate älter ist, werden ausgeblendet; Zeilen mit keinem aufgeführten Datum passen (fehlende Daten werden nicht bestraft).
  • ★ Favorites (v1.80.0) — klicken Sie auf das ☆ in einer beliebigen Zeile, um eine Stelle zu markieren (in localStorage nach URL gespeichert); haken Sie ★ Favorites im Filterbereich an, um nur markierte Zeilen anzuzeigen. Sterne überleben Scans und Neuladen.
  • Saved searches (v1.80.0) — die Leiste über den Filtern: Benennen Sie den aktuellen Filtersatz und 💾 Save, dann wenden Sie ihn erneut aus dem Dropdown an oder 🗑 Delete. In localStorage gespeichert; ein beschädigter/bearbeiteter Wert wird sauber auf leer zurückgesetzt.
  • Stack-Chips (PHP / Go / Backend / Senior / …) — automatisch pro Zeile erkannt von Skills.detectTech und Skills.detectLevel. Mehrfachauswahl-Schnittmenge — die Auswahl von PHP + Senior zeigt Zeilen, die BEIDE haben.
  • Dynamische Chips unter den statischen Stack-Chips — die 25 häufigsten großgeschriebenen Token aus Titeln, sodass sich die UI an die Rollen anpasst, die Sie tatsächlich scannen (Marketing, Design, Finanzen …), anstatt auf das Backend-Engineer-Vokabular festgelegt zu sein.

Active Companies-Karte

Eine ausklappbare Karte, die jedes Unternehmen in portals.yml mit seinem Scan-Status auflistet:

  • ✓ grünes Tag — direkte API-Unterstützung (Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday).
  • ○ graues Tag — Fallback auf Web-Search-Prompt (keine API-Übereinstimmung).

Klicken Sie auf den Unternehmensnamen → füllt den obigen Ergebnisfilter mit diesem Namen. Klicken Sie auf das ↗-Symbol → öffnet die careers_url des Unternehmens in einem neuen Tab.

CLI-Scan-Ablauf (scan-job-portals)

Zwei Wege, von der CLI-Seite zu scannen (beide legen URLs in derselben data/pipeline.md ab, die die SPA liest):

Option A — direktes Skript (~30 s, null AI-Token):

npm run scan                          # all Greenhouse/Ashby/Lever boards
npm run scan -- --dry-run             # preview without persisting
npm run scan -- --company Anthropic   # narrow to one tracked company

Funktioniert nur für Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (erkennbare ATS-URLs). Keine AI-Token verbraucht — es spricht die öffentlichen Board-APIs direkt an.

Option B — KI-gestützter Browser-Scan:

/career-ops scan

Innerhalb Claude Code / Codex / Cursor / Gemini CLI. Verwendet Modell-Token. Besucht jede tracked_companies-Seite direkt und kann Nicht-API-Boards entdecken (Karriereseiten, benutzerdefinierte ATS, regionale Portale). Langsamer, aber breiter. Nützlich, wenn ein ATS-Durchlauf für ein Ziel, von dem Sie wissen, dass es einstellt, nichts zurückgibt.

Ausgabe (beide Wege) — neue JD-URLs an data/pipeline.md angehängt, jede besuchte URL in data/scan-history.tsv protokolliert (Dedup über alle zukünftigen Scans), Zusammenfassung ausgegeben: gescannte Unternehmen · gefundene Stellen · nach Titel gefiltert · übersprungene Duplikate · neu hinzugefügte Angebote.

Handlungsschwellen nach Score (anwendbar nach /career-ops pipeline batch-scored die neuen URLs):

Score Empfohlener nächster Schritt
≥ 4.5 /career-ops apply — hohe Passung, sofort loslegen
4.0 – 4.4 bewerben oder /career-ops contacto für warme Vorstellung
3.5 – 3.9 /career-ops deep — zuerst recherchieren
< 3.5 überspringen, es sei denn, Sie haben einen bestimmten persönlichen Grund

#/dashboard und #/tracker der SPA heben jede Zeile ab 4.0 hervor, sodass Sie eine Handlung auswählen können, ohne etwas erneut ausführen zu müssen.

Nachfass-Befehle

Nach der Bewertung sind die kanonischen Nachfass-Aktionen:

  • /career-ops apply — Bewerbung mit maßgeschneiderten Antworten ausfüllen
  • /career-ops contacto — LinkedIn-/E-Mail-Outreach entwerfen
  • /career-ops deep — Unternehmen / Rolle tiefgehend recherchieren
  • /career-ops tracker — Pipeline-Status ansehen

hh.ru — von der Website gescannt (seit Juli 2026 russische IP erforderlich)

hh.ru wird über die öffentliche Such-Website (hh.ru/search/vacancy) gescannt, genau wie Habr Career — ohne Schlüssel und Konfiguration. Seit Juli 2026 liefert hh.ru jedoch HTTP 451 (regionale rechtliche Sperre) an IPs außerhalb Russlands, der Scan funktioniert also nur von einer russischen IP — den Server aus Russland betreiben oder über ein VPN mit russischem Exit-Node. Beim ersten 451 (oder Anti-Bot-403) deaktiviert der Scanner hh.ru für den Rest des Laufs und vermerkt es im Log, sodass die übrigen russischen Quellen normal durchlaufen. Die JSON-API (api.hh.ru) wird bewusst nicht verwendet: Sie liefert jedem programmatischen Client 403 forbidden, unabhängig von IP und User-Agent.

Selbst aus einem Netzwerk, das richtig aussieht, kann hh.ru die Egress-IP als VPN/Proxy einstufen (jede Datacenter-/Hosting-IP zählt) und den Scan per 302 auf ein Interstitial /vpncheeck (“VPN мешает работе сайта”) umleiten, das HTTP 200 mit null Vakanzen liefert. Der Scanner erkennt diese Umleitung, deaktiviert hh.ru für den Rest des Laufs und vermerkt es im Log. Die Lösung liegt auf Netzwerkseite: Stellen Sie sicher, dass der Traffic wirklich über eine Residential-IP hinausgeht — ein systemweiter VPN oder Proxy bleibt oft aktiv, auch wenn der Browser-Schalter aus ist (prüfen Sie Ihre echte Egress-IP, z. B. auf api.ipify.org).

8. Pipeline (#/pipeline)

Posteingang von URLs, die auf ihre Bewertung warten. Liegt in data/pipeline.md.

Überblicksstreifen. Ein kompakter Streifen oben zeigt deine Pipeline auf einen Blick — wie viele URLs im Eingang, wie viele verfolgt und die Applied/Responded/Interview/Offer-Zahlen, jede verlinkt auf den Tracker.

URLs hinzufügen

Drei Wege:

  • Tippen / fügen Sie eine URL in die Eingabe ein + klicken Sie auf + Add.
  • Verwenden Sie die globale Suche in der oberen Leiste (ihr Abzeichen liest Enter): Fügen Sie einen beliebigen http(s)://…-Link ein und drücken Sie Enter, um die Auto-pipeline zu öffnen; tippen Sie einen beliebigen anderen Text, und Enter springt zu #/scan mit diesem Begriff vorausgefüllt (v1.78.1). Ctrl/Cmd+K fokussiert weiterhin das Feld, wo der Browser es erlaubt. Das Marken-Logo kehrt zum Dashboard zurück.
  • Führen Sie einen Scan aus (siehe oben) — frische Treffer gehen automatisch in die Pipeline.

Jede URL durchläuft serverseitig isValidJobUrl(). Loopback (localhost, 127.0.0.1), file://, javascript:, IP-Literale und Zeichenketten mit Vorlagen-Zeichen (<, >, ") liefern alle 400.

Serverseitiger Vorschaubereich

Klicken Sie auf eine beliebige Pipeline-Zeile, um eine Vorschau rechts zu laden. Die meisten ATS-Boards senden keine CORS-Header, sodass der Browser sie nicht direkt abrufen kann; der Server proxyt die Anfrage, entfernt <script> / <style> / HTML-Tags und gibt bis zu 8 KB Klartext zurück.

Der Vorschau-Proxy durchläuft Weiterleitungen manuell mit SSRF- Validierung pro Hop — jeder Location-Header durchläuft erneut isValidJobUrl(), sodass ein feindliches Board Sie nicht zu Loopback / privater IP / file:// umleiten kann. Begrenzt auf 3 Hops, 15-Sekunden- Timeout.

Zeilenaktionen

  • ▶ — springt zu #/evaluate?url=… mit der URL vorausgefüllt.
  • ✕ — entfernt die URL aus data/pipeline.md.

Schaltflächen oben rechts

  • ⚡ Evaluate first — öffnet die erste eingereihte URL auf der Evaluate-Seite, bereit zur Bewertung.
  • Scan — zurück zum Scanner, wenn Sie mehr URLs möchten.

9. Evaluate (#/evaluate)

Bewertet eine einzelne Stellenbeschreibung gegen cv.md und config/profile.yml. Gibt eine strukturierte A–G-Bewertung gemäß modes/oferta.md plus einen 0–5-Score zurück.

Eingabe

Fügen Sie die JD in den Textbereich ein oder gelangen Sie von #/pipeline hierher mit ?url=<href> — die Seite ruft die URL über denselben SSRF-sicheren Proxy ab, der für Pipeline-Vorschauen verwendet wird, und füllt den Textbereich vor.

Klicken Sie auf 💾 Save JD, um die JD in jds/jd-<date>-<ts>.txt für die Prüfspur zu persistieren (oder übergeben Sie save: true im API-Aufruf — gleicher Effekt).

Fallback-Kette

  1. Anthropic — bevorzugt, wenn ANTHROPIC_API_KEY gesetzt ist. Der Server bündelt cv.md, config/profile.yml, modes/_shared.md und modes/oferta.md vor dem Prompt in einen <project_context>-Block (jede Datei bei 16 KB begrenzt, vollständiger Prompt weich begrenzt bei 200 KB). Gibt fundiertes Markdown direkt an die Seite zurück.
  2. Gemini — wenn nur GEMINI_API_KEY gesetzt ist. Der Server startet gemini-eval.mjs mit der JD als temporäre Datei. Das Modell des kostenlosen Tarifs (gemini-2.0-flash) ist für routinemäßige Bewertung in Ordnung.
  3. Manual — kein Schlüssel gesetzt. Die Seite gibt einen vollständig ausformulierten Prompt zurück, den Sie in Claude Code, ChatGPT oder ein anderes LLM einfügen können.

Ausgabeabschnitte (kanonisch career-ops.org A-F)

v1.15.0-Neuausrichtung. Die Blockbuchstaben entsprechen jetzt dem kanonischen career-ops.org-Schema. Reports vor v1.15 verwendeten A–G (mit C=Risks, F=Verdict, G=Legitimacy); wir rendern sie zur Abwärtskompatibilität weiterhin unverändert, aber neue Reports emittieren A–F mit der kanonischen Semantik unten. Score und Legitimität leben jetzt im Report-Header (score: 4.2/5, legitimacy: High|Medium|Low).

A. Role Summary — 3-Punkt-Zusammenfassung (Risiken inline benannt). B. CV Match — die 3 wichtigsten getroffenen Skills + die 3 wichtigsten fehlenden. C. Strategy — Empfehlung: apply now / contacto first / deep first / skip. War Risks vor v1.15. D. Compensation — relativ zu Ihrem target.comp_total_min_usd (Legacy) oder compensation.target_range (kanonisch). E. Personalization — Ansatz, mit dem zu führen ist, Framing pro Archetyp, Anknüpfungspunkte für Anschreiben / Outreach. War Application Strategy vor v1.15. F. STAR stories — 1–3 einfügefertige S-T-A-R-Blöcke, zugeschnitten auf die Rolle. War Verdict (Rohscore) vor v1.15; der Score erscheint jetzt im Report-Header neben legitimacy.

Den Report speichern

Klicken Sie auf 💾 Save report (oder verwenden Sie den Speicher- Umschalter im API-Aufruf), um das Markdown in reports/<date>-<company>-<role>.md zu persistieren. Der geparste Header des Reports (Score / Legitimität / URL) erscheint auf der Reports-Seite und im Dashboard.

Batch-Bewertung, wenn Sie 10+ JDs haben

Für eine einzelne JD ist diese #/evaluate-Seite das richtige Werkzeug. Für 10+ in der Pipeline eingereihte URLs ist das Durchklicken pro JD unpraktisch — springen Sie zum Unterabschnitt Batch evaluate in §14 (Ausführen von ./batch/batch-runner.sh vom übergeordneten Projekt), lassen Sie es über Nacht durcharbeiten und kommen Sie dann für die Ergebnisse zu #/reports / #/tracker zurück. Vollständiger Ablauf: batch-evaluate-offers.

10. Reports (#/reports)

Durchsuchen Sie jede gespeicherte Bewertung. Karten zeigen Titel, Datum, Legitimitäts-Flag und Score (farbcodiert: grün ≥ 4.0, gelb ≥ 3.0, rot darunter).

Klicken Sie auf eine Karte, um das vollständige Markdown zu lesen. Paginierung: 12 pro Seite; Steuerelemente am unteren Rand.

Die Einzelreport-Ansicht hat auch:

  • ← All reports — zurück zum Raster.
  • 🔗 Open JD — öffnet die ursprüngliche Stellenausschreibung in einem neuen Tab.

11. Tracker (#/tracker)

Das CRM. Eine Zeile pro Bewerbung; lebt in data/applications.md als GitHub-Flavored-Markdown-Tabelle.

Status-Ablauf

Evaluated → Applied → Responded → Interview → Offer / Hired / Rejected / Discarded / SKIP.

Hired (v1.118.0) ist der glückliche Endzustand — das Angebot wurde angenommen. Der Tracker markiert ihn mit einem feierlichen Badge und begrüßt ihn mit einem „Job gelandet”-Banner.

Die Status-Whitelist wird serverseitig durchgesetzt; das Senden von etwas anderem in einem POST /api/tracker fällt auf Evaluated zurück. Der kanonische Evaluated → Applied-Übergang ist automatisch, wenn Sie Submitted. am Ende von /career-ops apply bestätigen (siehe §14).

Spaltenlayout

Spalte Was es ist
# Automatisch nummeriert, mit Nullen aufgefüllt (001, 002, …).
Date ISO-Datum (YYYY-MM-DD). Standardmäßig heute.
Company Freitext. Pipes (|) und Zeilenumbrüche werden automatisch escaped.
Role Dasselbe.
Score N/5-Format (z. B. 4.2/5).
Status Whitelisted enum.
PDF ✅, sobald generate-pdf.mjs für diese Zeile erfolgreich war.
Report Markdown-Link zum passenden reports/*.md.
Notes Freitext, bei 200 Zeichen begrenzt.

Filter

  • Status-Dropdown.
  • Score-Dropdown — ≥ 4.0 (hoch), ≥ 3.0 (mittel), < 3.0 (niedrig).
  • Search — Teilzeichenketten-Übereinstimmung über Unternehmen + Rolle.

Jeder Filter setzt den Paginator auf Seite 1 zurück. 25 Zeilen pro Seite.

Wartungs-Schaltflächen

  • ▶ Normalize führt normalize-statuses.mjs aus — re-kanonisiert Status-Schreibweisen (applied → Applied, interview → Interview).
  • ▶ Dedup führt dedup-tracker.mjs aus — entfernt Groß-/Kleinschreibungs-unabhängige Duplikate nach (company, role).
  • ▶ Merge führt merge-tracker.mjs aus — zieht ausstehende Einträge aus batch/tracker-additions/*.tsv ein (wo der Batch-Ablauf des übergeordneten Projekts über den Apply-Helfer eingereichte Bewerbungen ablegt). Dedupliziert und archiviert verarbeitete Dateien nach batch/tracker-additions/merged/. Siehe batch-evaluate-offers für den vorgelagerten Batch-Ablauf.

Zeilen hinzufügen

POST /api/tracker — Body { company, role, score?, status?, url?, reportSlug?, notes?, date? }. Dedup nach (company, role) Groß-/Kleinschreibungs-unabhängig. Aus der UI bietet die Evaluate-Seite nach einer erfolgreichen Bewertung eine „Add to tracker“-Schaltfläche.

12. Deep research (#/deep)

Generieren Sie ein strukturiertes Unternehmensbriefing: Snapshot, Engineering-Kultur, aktuelle Nachrichten, Glassdoor-Stimmung, Interview-Prozess, Verhandlungshebel, drei kluge Fragen, die man dem Recruiter stellen kann.

Eingabe

Zwei Felder — Unternehmensname und (optional) Rolle. Die Modus-Vorlage (modes/deep.md) formt die Struktur.

Ausgabepfade

Dieselbe Fallback-Kette wie bei Evaluate:

  1. Anthropic live (bevorzugt) — bundleProjectContext fügt cv + profile + _shared.md + deep.md inline ein. Ausgabe: 10–30 KB fundiertes Markdown, gespeichert in interview-prep/<company>-<role>.md.
  2. Gemini live — gemini-eval.mjs-Aufruf. Gleiches Speicherziel.
  3. Manueller Prompt — die Seite reicht Ihnen einen fertigen Prompt für Claude Code (das WebFetch + WebSearch hat und echte Recherche durchführen kann).

Tipps

  • Anthropic auf claude-sonnet-4-6 gibt typischerweise ~13 KB nützlichen Text in 1–3 Minuten pro Aufruf zurück.
  • Das Anthropic SDK hat keine eingebaute Websuche. Für Rollen, bei denen Sie frische Nachrichten + Glassdoor-Stimmung benötigen, fügen Sie den manuellen Prompt in Claude Code ein und lassen Sie es sein WebFetch-Tool verwenden.
  • Live-Läufe werden abgerechnet; ein Sonnet-4.6-Deep-Research-Aufruf kostet ≈ $0.30–0.50.

13. Modus-Prompts (die sieben /#/<mode>-Seiten)

Kadenz-Board (v1.117.0). Die Follow-up-Seite öffnet jetzt mit einem deterministischen Kadenz-Board, gespeist vom followup-cadence.mjs des Elternprojekts: Dringlichkeit je Bewerbung (🔴 dringend / 🟠 überfällig / 🟡 wartend / 🔵 kalt) mit Tagen bis zum nächsten Schritt, plus einem Button Follow-up-Termine setzen, der jeder Applied-Zeile ein erstes Datum anheftet (followup-seed.mjs --backfill). Ohne die Eltern-Skripte zeigt das Board ehrlich „nicht verfügbar“.

Sieben Prompt-Builder: Project-Ideen, Training-Pläne, Follow-up-E-Mails, Batch-Bewertungen, Outreach an Recruiter, Interview prep-One-Pager und Patterns- Retrospektiven. Jeder umschließt eine bestimmte modes/<slug>.md-Vorlage:

Seite Slug Zweck
#/project project Ein Portfolio-Projekt für eine Zielrolle zuschneiden.
#/training training Skill-Lücken-Analyse → Curriculum.
#/followup followup Nach-Interview-E-Mail-Entwurf.
#/batch batch Multi-JD-Batch-Bewertungs-Prompt.
#/contacto contacto Outreach-Nachricht an einen Recruiter / eine Empfehlung.
#/interview-prep interview-prep One-Pager-Vorbereitung für eine bestimmte Interview-Runde.
#/patterns patterns „Welche Muster haben mich erfolgreich gemacht?“ reflektierende Analyse.

Gemeinsame Form

Jede Seite hat ein kleines Formular (die Felder sind modusspezifisch), eine Schaltfläche ▶ Generate prompt (manuell) und — wenn ein Anthropic- oder Gemini-Schlüssel vorhanden ist — eine Schaltfläche ⚡ Run live, die zur primären wird.

Ein Klick auf ▶ Generate prompt gibt den zusammengesetzten Prompt zurück, wobei Ihre Formularwerte als JSON in einen User-supplied context:-Block gebracht werden, gefolgt von der wortgetreuen modes/<slug>.md-Vorlage. Kopieren und in Ihr bevorzugtes LLM einfügen.

Ein Klick auf ⚡ Run live sendet denselben Prompt an Anthropic (oder Gemini), mit cv.md + profile.yml + _shared.md inline über bundleProjectContext. Das Ergebnis wird auf der Seite gerendert, ist kopierbar und als .md herunterladbar.

Die sieben Seiten sind eine explizite Allowlist — Modi, die eine eigene Route haben (oferta → Evaluate, deep → Deep research), und Modi, die das übergeordnete Projekt nur innerhalb von Claude Code unterstützt (apply, scan, pipeline, tracker, pdf, latex, ofertas, auto-pipeline), bleiben bewusst von dieser UI fern.

14. Apply checklist (#/apply)

Sobald Sie sich zu einer Bewerbung entschieden haben, generiert diese Apply-Helfer-Seite eine Einreichungscheckliste für den eigentlichen Bewerbungsschritt. Sie füllt NICHT automatisch Formulare aus — dieser Ablauf bleibt in /career-ops apply innerhalb von Claude Code, das Playwright im übergeordneten Projekt verwendet.

SPA-Checklisten-Modus (#/apply)

Die Checkliste der SPA ist für Benutzer, die das Formular lieber von Hand ausfüllen, ohne Playwright aufzurufen. Sie deckt ab:

  1. Führen Sie /career-ops apply <url> in Claude Code aus, um das Formular über Playwright zu lesen (überspringen Sie diesen Schritt, wenn Sie von Hand ausfüllen).
  2. Überprüfen Sie, dass die Ausschreibung noch aktiv ist (check-liveness.mjs).
  3. Bestätigen Sie, dass das CV das neueste ist (cv-sync-check.mjs, dann PDF, wenn Score ≥ 4.0).
  4. Schneiden Sie das Anschreiben / die „Why us?“-Antwort mit STAR+R- Proof-Points aus cv.md zu.
  5. Beantworten Sie EEO-/Sponsorship-/Startdatum-Fragen wahrheitsgemäß.
  6. Speichern Sie die ausgefüllten Antworten in interview-prep/{company}-{role}.md vor dem Absenden.
  7. NIEMALS automatisch absenden — Sie (der Mensch) klicken auf die endgültige Schaltfläche.
  8. Nach dem Absenden: fügen Sie eine Zeile zu data/applications.md hinzu (oder schreiben Sie TSV nach batch/tracker-additions/).

Manuelles Ausfüllen vs. Playwright-unterstützt

Zwei Wege für die eigentliche Einreichung:

  • Manual — öffnen Sie die Karriereseite in einem normalen Browser- Tab, folgen Sie der obigen SPA-Checkliste, kopieren/fügen Sie Antworten ein. Kein Playwright nötig. Verwenden Sie es, wenn das Formular kurz ist oder Sie Chromium nicht installiert haben.
  • Playwright-unterstützt — führen Sie /career-ops apply <company> in Claude Code (übergeordnetes Projekt) aus. Playwright öffnet seinen eigenen Browser, liest jedes Formularfeld, gibt nummerierte Antwort- Entwürfe zurück. Sie klicken weiterhin auf Absenden. Verwenden Sie es, wenn das Formular lang, dynamisch ist oder Sie die Prüfspur wollen, welche Fragen welche Antworten hatten.

Vollständiger CLI-Apply-Ablauf (apply-for-a-job)

Voraussetzungen:

  1. Führen Sie zuerst /career-ops pipeline aus, sodass die JD einen Bewertungsreport unter reports/ hat. Der Apply-Befehl hängt von einer vorhandenen Bewertung ab; ohne eine führen Sie zunächst die Pipeline aus.
  2. Haben Sie den Report und das Profil geladen.
  3. Empfohlen: Playwright installiert (npx playwright install chromium — siehe Playwright-Einrichtung unten). Fällt auf WebFetch zurück (nur-Text-Formular-Vorschau, kein Klick-Ausfüllen), wenn es fehlt.

Nummerierter Ablauf (kanonische 8 Schritte):

  1. Führen Sie den Befehl mit dem Unternehmensnamen aus:

    /career-ops apply <company>

    Beispiel: /career-ops apply Anthropic. Ohne ein Argument liefern Sie im nächsten Zug einen Screenshot des Formulars, den eingefügten Formulartext oder die Bewerbungs-URL.

  2. Finden Sie den Report. Das System findet die passende Bewertung in reports/ (die, die zuvor von /career-ops pipeline oder #/evaluate erstellt wurde).

  3. Öffnen Sie das Formular. Playwright startet ein Browser-Fenster automatisch — Sie öffnen es NICHT selbst.

  4. Lesen Sie die Felder. Das System liest und parst jedes Formularfeld (Label, Typ, erforderlich, Optionen für Auswahlen).

  5. Generieren Sie Antworten. career-ops erstellt maßgeschneiderte Antworten für jedes Feld basierend auf Ihrem Profil, den Proof Points und der Rolle.

  6. Geben Sie eine nummerierte Liste zurück. Sie erhalten Antworten, geordnet passend zum Formularlayout — einfache Felder (Name, E-Mail) zuerst, Freitextfelder (Anschreiben, „Why us?“) zuletzt. Markierte Punkte weisen auf Dinge hin, die menschliche Aufmerksamkeit benötigen — Gehaltsanker, fehlende Lebenslauf-Details, optionale Fragen.

  7. Manuelles Ausfüllen. Sie kopieren jede Antwort und fügen sie in das entsprechende Feld ein. Dieser Schritt ist manuell, nicht automatisiert. Sie überprüfen jede Antwort zuerst.

  8. Der Benutzer reicht ein. Sie klicken selbst auf Absenden. career-ops klickt niemals auf Absenden. Bestätigen Sie den Abschluss, indem Sie in den Chat tippen:

    Submitted.

Automatische Aktualisierungen bei Submitted.:

  • Der Status wechselt Evaluated → Applied in data/applications.md.
  • Die ausgefüllten Antworten bleiben in Abschnitt G des Reports für zukünftige Referenz erhalten.

Übergabe an den Tracker:

/career-ops tracker

Überwachen Sie den Status Ihrer gesamten Pipeline, unabhängig vom Rollen-Score.

Batch-Bewertung (batch-evaluate-offers)

Wenn Sie 10+ JDs auf einmal zu bewerten haben (die Eine-nach-der-anderen-#/evaluate-Seite der SPA ist für dieses Volumen unpraktisch), verwenden Sie den Batch-Runner von der CLI.

Eingabedatei — batch/batch-input.tsv (tabgetrennt):

Spalte Zweck
id Eindeutige fortlaufende Nummer
url Vollständiger Stellenausschreibungs-Link
source Ursprungsplattform (LinkedIn, Greenhouse usw.)
notes Optionales Kontextdetail

Beispielzeile:

1<TAB>https://jobs.example.com/senior<TAB>LinkedIn<TAB>

./batch/batch-runner.sh-Flags:

  • --dry-run — Vorschau ausstehender Angebote ohne Bewertung. Führen Sie dies immer zuerst aus, um das TSV zu validieren.
  • --parallel N — N Worker gleichzeitig ausführen (1, 2 oder 3 empfohlen).
  • --min-score X.X — Angebote unterhalb der Schwelle nicht persistieren. Nützlich, um nur Reports für gut passende Rollen zu behalten.
  • --retry-failed — Nur die Angebote erneut verarbeiten, die beim vorherigen Lauf fehlgeschlagen sind (Netzwerkfehler, Rate-Limits).
  • --max-retries N — Fehlgeschlagene Angebote bis zu N Mal versuchen (Standard: 2).
  • --model NAME — Claude-Modell, das an claude -p --model übergeben wird (parent career-ops 1.8.0, #504). Nicht gesetzt = Ihr Claude-Max-Abonnement-Standard. Verwenden Sie ein günstigeres Modell für große Batches, z. B. claude-sonnet-4-6. In #/batch als Model-Eingabe angezeigt (web-ui 1.31.0).
  • --start-from N — Angebots-IDs unter N überspringen (einen teilweise verarbeiteten Batch fortsetzen). In #/batch als Start from #-Eingabe angezeigt (web-ui 1.31.0).

Standard-Sequenz:

  1. Bearbeiten Sie batch/batch-input.tsv — eine Zeile pro JD.

  2. Dry-run (empfohlen zuerst):

    ./batch/batch-runner.sh --dry-run

  3. Ausführen — sequenziell oder parallel:

    ./batch/batch-runner.sh                       # one at a time
./batch/batch-runner.sh --parallel 2          # two concurrent
./batch/batch-runner.sh --parallel 3          # three concurrent
./batch/batch-runner.sh --parallel 2 --min-score 4.0  # only persist high-fit

  4. Fehler erneut versuchen (Netzwerk / Rate-Limit):

    ./batch/batch-runner.sh --retry-failed --max-retries 3

  5. Reports landen in reports/ als {id}-{company}-{YYYY-MM-DD}.md. Zusammenfassungszeilen werden an batch/tracker-additions/ angehängt.

  6. In den Tracker zusammenführen:

    node merge-tracker.mjs                 # apply the batch additions
node merge-tracker.mjs --dry-run       # preview the merge

    Der Merge-Befehl dedupliziert Einträge und archiviert verarbeitete Dateien nach batch/tracker-additions/merged/.

Die SPA zeigt die resultierenden Reports unter #/reports (paginiert, Score-Pill-farbcodiert) und die Tracker-Zeilen unter #/tracker — genau so, als hätten Sie jede über #/evaluate hinzugefügt. Kombinieren Sie es mit der Wartungs-Schaltfläche ▶ Merge auf #/tracker, wenn Sie lieber nicht in die CLI wechseln möchten.

Playwright-Einrichtung (set-up-playwright)

Erforderlich für zwei career-ops-Funktionen:

  • Formularausfüllen in /career-ops apply (Schritt 3 oben — Playwright öffnet den Browser, liest Feldbeschriftungen, schlägt Antworten vor).
  • PDF-Generierung über /career-ops pdf und die Schaltfläche 📄 Generate PDF der SPA auf #/cv / #/reports/:slug / #/evaluate / #/deep / #/interview-prep.

Fallback, wenn Playwright fehlt: der Apply-Ablauf fällt auf WebFetch zurück (nur-Text-Formular-Vorschau, kein Klick-Ausfüllen). Die PDF-Generierung schlägt einfach fehl.

Kern-Einrichtung (vom übergeordneten career-ops-Stammverzeichnis aus ausführen):

# Install Chromium for Playwright
npm install
npx playwright install chromium

# Register the Playwright MCP so Claude Code can drive forms
claude mcp add playwright npx @playwright/mcp@latest

# Verify all three components (Chromium, Playwright lib, MCP)
npm run doctor

Alternative MCP-Registrierung — hinzufügen zu .claude/settings.local.json:

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["-y", "@playwright/mcp@latest"]
    }
  }
}

Verhaltenshinweise:

  • Standardmäßig headless. Playwright arbeitet still. Um den Browser in Aktion zu sehen, sagen Sie Claude open up with playwright the browser and fill out the entire form.
  • Drei Rollen in einem Paket — die Playwright-npm-Installation gibt Ihnen die Browser-Automatisierungsbibliothek, die PDF-Rendering-Engine für /career-ops pdf und (über den MCP) den Formularausfüll-Workflow innerhalb von Claude Code.
  • Überprüfen, bevor Sie sich darauf verlassen — npm run doctor bestätigt, dass alle drei betriebsbereit sind. Die Health-Seite der SPA zeigt eine Playwright (parent node_modules)-Prüfung an, die schnell fehlschlägt, wenn es fehlt.

15. Interview-Vorbereitung

Dies ist die Post-Research-, Pre-Interview-Phase. Drei Artefakte in dieser App laufen zusammen:

  1. Gespeicherte Deep-Research-Dateien unter interview-prep/, eine pro Unternehmen-Rolle-Paar, das Sie ausgeführt haben. Durchsuchen Sie von der Deep research-Seite oder direkt über /api/interview-prep.
  2. Patterns-Modus (#/patterns) — generiert einen selbstreflektiven Prompt: „über meine letzten N Interviews / Angebote / Absagen hinweg, welche Muster gelten?“ Nützlich, wenn Sie 5+ Tracker-Zeilen angesammelt haben.
  3. Interview-prep-Modus (#/interview-prep) — füllt einen One-Pager für eine bestimmte anstehende Runde vor (Behavioral, Technical, System Design). Die Ausgabe geht in denselben interview-prep/-Ordner.

Empfohlener Workflow

Für jedes Interview, das Sie im Kalender haben:

  1. Führen Sie Deep erneut aus (oder öffnen Sie die gespeicherte Datei) am Tag zuvor.
  2. #/interview-prep — generieren Sie einen One-Pager für die bestimmte Runde. In Ihre Notizen einfügen.
  3. System-Design- / Coding-Runden — öffnen Sie #/training und bitten Sie um eine 30-minütige gezielte Auffrischung zum jeweiligen Teilsystem, das die JD betont.
  4. Vergütungsrunden — öffnen Sie die Deep-Research-Datei, springen Sie zu „Negotiation leverage points“. Bringen Sie 2–3 bestimmte Datenpunkte mit (Glassdoor-Band, jüngste Finanzierung, vergleichbares Angebot bei einem anderen Unternehmen).
  5. Behavioral-Runden — ziehen Sie STAR+R-Geschichten aus Ihrem cv.md, die in Abschnitt B des ursprünglichen Evaluate-Reports landen.

Nach dem Interview sofort:

  1. Aktualisieren Sie die Tracker-Zeile: Status → Responded (dann Interview, Offer usw.).
  2. Führen Sie #/followup aus, um die Dankes-E-Mail zu entwerfen.
  3. Wenn Sie neue Informationen erhalten haben (Vergütungsspanne, Teamzusammensetzung, Tech-Stack-Überraschung), bearbeiten Sie die gespeicherte interview-prep/<company>-<role>.md mit ## Post-round notes, sodass Ihr zukünftiges Ich es hat.

16. Activity log + Fehlerbehebung

Activity log (#/activity)

Prüfspur jeder zustandsverändernden Anfrage, die den Server trifft. Erfasst: Pipeline-Ergänzungen, Tracker-Schreibvorgänge, CV-Speicherungen, JD-Speicherungen, Evaluate-Läufe, Deep-Research-Läufe, Scan-Läufe, Konfigurationsänderungen, Modus-Läufe.

Geheimnisse (ANTHROPIC_API_KEY, GEMINI_API_KEY) werden beim Eingang redigiert; Sie werden in data/activity.jsonl nie einen echten Schlüsselwert sehen.

Filtern Sie nach Aktionspräfix (pipeline., cv., evaluate, scan. usw.). 25 Zeilen pro Seite; der Server gibt bis zu 500 der neuesten Ereignisse zurück.

Fehlerbehebung

Symptom Wahrscheinliche Ursache Behebung
Health-Seite rot bei cv.md Erster Start, Datei existiert noch nicht touch $CAREER_OPS_ROOT/cv.md, dann aktualisieren.
Health rot bei Profile customized candidate.full_name sagt noch Jane Smith config/profile.yml bearbeiten.
hh.ru: HTTP 403 im Scan-Log Nicht-russische IP, kein (server uses default UA) Unter dev.hh.ru/admin registrieren, eine russische IP / ein VPN setzen.
gemini-eval.mjs: ERR_MODULE_NOT_FOUND Deps des übergeordneten Projekts nicht installiert cd $CAREER_OPS_ROOT && npm install.
Generate PDF schlägt fehl Playwright nicht im übergeordneten Projekt installiert cd $CAREER_OPS_ROOT && npx playwright install chromium.
/career-ops apply sagt „no report found“ Pipeline hat diese JD nie bewertet Zuerst /career-ops pipeline (oder #/evaluate) ausführen; siehe §14-Voraussetzungen.
batch-runner.sh: no such file Aus falschem Verzeichnis ausgeführt cd $CAREER_OPS_ROOT vor dem Aufruf von ./batch/batch-runner.sh.
Server meldet EADDRINUSE: 4317 Alte Instanz läuft noch pkill -f 'node server/index.mjs', dann neu starten.
Live-LLM-Aufruf hängt > 2 min Prompt riesig oder Anthropic langsam Prüfen Sie das Anthropic-Flag von /api/health; der Server begrenzt Prompts weich bei 200 KB und gibt 413 zurück.
Pipeline-Vorschau zeigt (unsafe redirect) Ausschreibung leitet zu einer privaten IP / Loopback um Dies ist eine Sicherheitsfunktion (REVIEW-B1). Das Umleitungsziel wird abgelehnt und die ursprüngliche URL bleibt unverändert.
Tracker-Zeilentext bricht die Tabelle Pipe im Unternehmensnamen vor v1.9.1 Auf v1.9.1+ aktualisieren — Pipes werden durchgängig escaped (BF-1).
npm test schlägt bei frischem Klon fehl Tests setzen das Layout des übergeordneten Projekts voraus CAREER_OPS_ROOT=$(mktemp -d) verwenden und Fixtures bootstrappen.

Für tiefere Diagnostik: führen Sie ▶ Doctor auf der Health-Seite aus, kopieren Sie die Ausgabe und durchsuchen Sie den Issue-Tracker unter https://github.com/Fighter90/career-ops-ui/issues.

17. So fügen Sie eine neue Jobportal-Quelle hinzu

career-ops-ui behandelt jedes Job-Board als Adapter — eine einzelne Datei unter server/lib/sources/<slug>.mjs, die weiß, wie man die Ergebnisse eines Boards abruft + normalisiert. Seit v1.118.0 liefert die server/lib/sources/-Registry 59 Adapter — 54 englische + 5 russische Boards. Das englische Set umfasst die großen ATSes (Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday), board-weite Aggregatoren, die per explizitem provider: ausgewählt werden (RemoteOK, Remotive, We Work Remotely, NoDesk, Get on Board, Amazon, …), sowie Per-Mandant-ATSes, die automatisch aus einem careers_url-Host oder einer expliziten api:-URL erkannt werden (BambooHR, Personio, Recruitee, Teamtailor, Avature, SAP SuccessFactors, …). Die vollständige Liste muss hier niemals von Hand gezählt werden — sie wird automatisch aus server/lib/sources/ ermittelt und live im Source-Dropdown von #/scan angezeigt. Siehe §5 für das YAML und docs/portals-examples.md für Kopier-Einfüge-Einträge.

v1.69.0 (P-14) — Drop-in-Auto-Discovery. Das Hinzufügen einer 12. Quelle ist jetzt ein reines Datei-Ablegen. Die Registry (server/lib/sources/registry.mjs) hält keine handgepflegte Liste mehr — beim Boot scannt sie diesen Ordner (readdirSync + dynamisches import()) und sammelt den export const meta- Block aus jeder *.mjs. Schreiben Sie den Adapter, deklarieren Sie sein meta, und es ist sofort für den Scanner, das #/scan-Filter-Dropdown und den RU- Dispatcher sichtbar — keine Bearbeitung von registry.mjs erforderlich. (RU-Quellen benötigen weiterhin eine Zeile in der portals.yml des übergeordneten Projekts; siehe Schritt 5.)

Schritt 1 — Den Adapter schreiben

Erstellen Sie server/lib/sources/<slug>.mjs. Zwei Muster funktionieren, je nachdem, ob die Quelle eine JSON-API hat oder nur HTML rendert:

API-gestützte Quelle (am saubersten — verwenden Sie dies immer, wenn die Site einen offenen Datenendpunkt hat):

// server/lib/sources/example.mjs
const ENDPOINT = 'https://example.com/api/v1/vacancies';
const UA = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) ...';

// v1.69.0 (P-14) — self-describing metadata. The registry auto-discovers
// this block at boot; THIS is what registers the source (see Step 2).
export const meta = {
  value: 'example',          // ← must equal job.source written below
  label: 'Example.com',      // ← shown in the #/scan filter dropdown
  region: 'ru',              // ← 'en' (ATS sweep) | 'ru' (regional dispatcher)
  configKey: 'example',      // ← RU only; the key used in portals.yml
};

export async function searchExample(query, opts = {}) {
  const { onlyRemote = false, fetchImpl = fetch, signal } = opts;
  const res = await fetchImpl(`${ENDPOINT}?text=${encodeURIComponent(query)}`, {
    signal,
    headers: { 'User-Agent': UA, Accept: 'application/json' },
  });
  if (!res.ok) {
    const err = new Error(`Example: HTTP ${res.status}`);
    err.status = res.status;
    throw err;
  }
  const data = await res.json();
  return (data.items || []).map(normalizeExample);
}

function normalizeExample(item) {
  return {
    id: `example-${item.id}`,
    title: item.title || '',
    company: item.company?.name || '',
    url: item.url || '',
    salary: item.salary || '',
    location: item.location || '',
    isRemote: !!item.remote,
    workplaceType: item.remote ? 'Remote' : 'Onsite',
    relocates: false,
    date: item.posted_at || '',
    snippet: (item.description || '').slice(0, 240),
    source: 'example',           // ← must match the registry `value` exactly
  };
}

HTML-Scrape-Quelle (wenn es keine API gibt — siehe getmatch.mjs und geekjob.mjs für vollständige Beispiele):

const BASE = 'https://example.com';

export async function searchExample(query, opts = {}) {
  const { fetchImpl = fetch, signal } = opts;
  const res = await fetchImpl(`${BASE}/vacancies?q=${encodeURIComponent(query)}`, {
    signal,
    headers: { 'User-Agent': UA, Accept: 'text/html' },
  });
  if (!res.ok) {
    throw Object.assign(new Error(`Example: HTTP ${res.status}`), { status: res.status });
  }
  return parseExampleCards(await res.text());
}

export function parseExampleCards(html) {
  // …regex-based card extraction. Return [] on parse failure (DON'T throw):
  // a healthy 200 with no parseable cards is "no results", not "error",
  // so the multi-source scanner can keep going.
}

Drei Verträge, die jeder Adapter EINHALTEN MUSS:

  • Exportieren Sie einen gültigen meta-Block (siehe Schritt 2). Ohne ihn überspringt die Registry die Datei stillschweigend (ein console.warn beim Boot), und die Quelle erscheint nie.
  • Akzeptieren Sie { onlyRemote, fetchImpl, signal } in opts. fetchImpl ist das, was Adapter ohne Netzwerk testbar macht; signal ist für die Weiterleitung von Client-Trennungen erforderlich (REVIEW-B3).
  • Geben Sie Datensätze mit der gemeinsamen Form zurück — { id, title, company, url, salary, location, isRemote, workplaceType, relocates, date, snippet, source }, wobei source mit dem meta.value übereinstimmt.

Schritt 2 — Das meta des Adapters deklarieren (Auto-Registrierung)

Das ist der gesamte Registrierungsschritt. Sie bearbeiten registry.mjs nicht. Stellen Sie einfach sicher, dass der Adapter einen meta-Block exportiert — die Registry entdeckt ihn automatisch beim Boot:

// at the top of server/lib/sources/example.mjs
export const meta = {
  value: 'example',          // job.source value AND #/scan option.value
  label: 'Example.com',      // display label in the dropdown
  region: 'ru',              // 'en' | 'ru'
  configKey: 'example',      // RU only — key in portals.yml::russian_portals.sources
};

Wie die Discovery es validiert (eine Datei, die eine Regel nicht erfüllt, wird übersprungen, mit einer [sources/registry]-Warnung, sodass ein halb-migrierter Branch diagnostizierbar bleibt):

  • value — nicht-leere Zeichenkette. MUSS mit job.source aus Ihrem Adapter übereinstimmen.
  • label — nicht-leere Zeichenkette.
  • region — genau 'en' oder 'ru'; alles andere wird abgelehnt.
  • configKey — erforderlich für region: 'ru', ignoriert für 'en'.

region: 'en' schließt sich dem ATS-Durchlauf an (erkennt automatisch aus den tracked_companies-URL-Mustern); region: 'ru' schließt sich dem regionalen Dispatcher an. Die öffentliche API (SOURCES, SOURCES_BY_REGION, RU_CONFIG_KEYS, getRegionalSources) wird aus jedem entdeckten meta neu aufgebaut, geordnet en zuerst, dann ru, alphabetisch nach Label innerhalb jeder Region — sodass die Dropdown-Reihenfolge für die Benutzer stabil bleibt.

Schritt 3 — In den Dispatcher einbinden (nur RU)

EN-ATS-Quellen erkennen automatisch aus den tracked_companies-URL-Mustern — keine weitere Verdrahtung nötig. Für RU-Quellen öffnen Sie server/lib/ru-scanner.mjs, finden Sie die RU_DISPATCH-Tabelle und fügen Sie eine Zeile hinzu:

import { searchExample } from './sources/example.mjs';
// …
const RU_DISPATCH = {
  // …existing…
  example: { label: 'example.com', search: searchExample },
};

Die Dispatcher-Schleife ruft entry.search(query, opts) für jeden Schlüssel auf, der in cfg.sources vorhanden ist. Keine weitere Code-Änderung nötig.

Schritt 4 — Testen (gemockt, niemals live)

Legen Sie eine Datei unter tests/sources-<slug>.test.mjs ab. Echtes Netzwerk ist in Tests verboten (CI-Isolationsvertrag):

import test from 'node:test';
import assert from 'node:assert/strict';
import { searchExample } from '../server/lib/sources/example.mjs';

test('searchExample normalizes one record', async () => {
  const fetchImpl = async () =>
    new Response(
      JSON.stringify({ items: [{ id: 1, title: 'Backend Engineer' }] }),
      { status: 200, headers: { 'content-type': 'application/json' } }
    );
  const out = await searchExample('q', { fetchImpl });
  assert.equal(out.length, 1);
  assert.equal(out[0].source, 'example');
});

Schritt 5 — In Ihrer portals.yml aktivieren

Die portals.yml des übergeordneten Projekts ist die benutzereigene Konfiguration. Fügen Sie den configKey der neuen Quelle zum Array hinzu:

russian_portals:
  sources: ["hh", "habr", "trudvsem", "getmatch", "geekjob", "example"]
  area: 113
  per_page: 50
  only_remote: false
  queries:
    - "Senior PHP"
    - "Senior Go"

Laden Sie #/scan im Browser neu. Das Quellenfilter-Dropdown nimmt den neuen Eintrag automatisch auf (einzige Wahrheitsquelle über GET /api/scan/sources → registry.mjs). Die 🌐 Scan-Schaltfläche schließt die neue Quelle nun bei jedem regionalen Durchlauf ein.

Referenz-Adapter (spiegeln Sie diese für neue Quellen)

Adapter-Datei Typ Hinweise
hh.mjs JSON API Kanonischer RU-API-Adapter; geo-bewusster UA-Fallback.
trudvsem.mjs JSON API Russische Regierungs-Open-Data; kein IP-Gate.
habr.mjs HTML scrape Russisches Tech-Board; regex-basierter Card-Parser.
getmatch.mjs HTML scrape Defensiver Parser, [] bei Parse-Miss.
geekjob.mjs HTML scrape Gleicher defensiver Stil wie GetMatch.
greenhouse.mjs JSON API Kanonischer EN-ATS-Adapter; verwendet das tracked_companies-URL-Muster.

Häufige Fallstricke

  • Den meta-Export vergessen. Seit v1.69.0 ist der meta-Block das einzige, was eine Quelle registriert. Kein meta (oder ein fehlerhaftes) = die Datei wird beim Boot stillschweigend übersprungen mit einer einzelnen [sources/registry] <file> has no valid \export const meta` — skipped`- Warnung, und die Quelle erreicht nie das Dropdown. Prüfen Sie das Server-Log, wenn ein brandneuer Adapter nicht auftaucht.
  • source-Feld-Diskrepanz. Die von Ihrem Adapter geschriebene Zeichenkette MUSS exakt mit dem meta.value übereinstimmen. Wenn sie auseinanderdriften, zeigt das #/scan-Filter-Dropdown die Quelle an, aber ihre Auswahl filtert jede Zeile heraus (weil die Gleichheitsprüfung r.source === fs ist).
  • Bei Parse-Fehler werfen. HTML-Scraper MÜSSEN [] bei einem gesunden 200 ohne parsebare Cards zurückgeben. Werfen bricht die Multi-Source-Dispatcher-Schleife — eine schlechte HTML-Struktur tötet jede andere Quelle für dieselbe Query.
  • fetchImpl / signal vergessen. Ohne sie kann Ihr Adapter nicht unit-getestet werden, ohne das Live-Netzwerk zu treffen, und Client-Trennungen propagieren nicht (der Hintergrund-Fetch bleibt am Leben, nachdem der Benutzer den Tab geschlossen hat).
  • tracked_companies für RU vertrauen. Diese Liste ist nur für EN-ATS-Quellen. RU-Adapter treiben sich selbst aus russian_portals.queries an — keine Einträge pro Unternehmen.

18. Notifications (🔔 in der oberen Leiste)

v1.58.34 — jeder Toast, der in der unteren rechten Ecke erscheint, wird auch in einem In-Memory-Journal erfasst (Obergrenze 50, ältester verworfen). Klicken Sie auf die 🔔-Glocke in der oberen Leiste, um die von rechts einfahrende Notifications-Schublade zu öffnen und alles erneut zu lesen, was Sie verpasst haben. Das Journal ist pro Tab, pro Sitzung — das Schließen des Tabs leert es.

Die Schublade öffnet sich nur, wenn Sie auf die Glocke klicken (oder sie mit Enter / Space aktivieren, wenn sie den Tastaturfokus hat). Sie erscheint nie von selbst. Das rote Abzeichen auf der Glocke zählt Einträge, die Sie seit dem letzten Öffnen nicht gesehen haben; das Öffnen der Schublade löscht das Abzeichen.

Benachrichtigungskategorien

Kategorie Wann sie ausgelöst wird Visueller Hinweis
Success Saved, Copied, Refreshed, Scan abgeschlossen, CV importiert, Apply-Checklisten-Aktionen („Copied unchecked“, „Reset“), Profil gespeichert, Pipeline-URL hinzugefügt grüner linker Rand in der Schublade; grüner Toast-Hintergrund
Error URL-Validierungsfehler (muss mit http:// / https:// beginnen, keine Skript-/Vorlagen-Zeichen), API-Fehler mit dem (METHOD /path · HTTP NNN)-Postfix, Netzwerkfehler (Server ausgefallen), Pipeline-400-Duplikate, doctor / verify-pipeline Nicht-Null-Exit roter linker Rand; roter Toast-Hintergrund; technisches Postfix in den Details-<details>-Block gesteckt (U-4 / v1.58.24)
Info / progress Running doctor.mjs…, Running verify-pipeline.mjs…, Refreshing…, Loading…, Generating prompt…, Scan-Fortschrittszeilen grauer linker Rand; Standard-Toast-Hintergrund

Jeder Schubladeneintrag zeigt:

  • Timestamp (HH:MM:SS, lokalisiert zur aktiven SPA-Sprache).
  • Message (der menschliche Satz, mit dem technischen Postfix aus der Überschrift entfernt gemäß U-4).
  • Details (wenn vorhanden — das (METHOD /path · HTTP NNN)-Postfix des API-Aufrufs oder jede andere technische Anmerkung, Monospace).

Was KEINE Benachrichtigung ist

  • Das Doctor- / verify-pipeline-Ergebnis-Modal (voller stdout / stderr) — das ist ein Modal, kein Toast, und wird nicht journalisiert.
  • SSE-Log-Zeilen auf #/scan und #/auto — die streamen in den Seitenkörper, nicht in die Toast-Pipeline.
  • Nur-Spinner-Ladezustände (die verwenden UI.withSpinner ohne einen Toast).

Tastatur

  • Klick oder Fokus + Enter / Space auf der Glocke → öffnet die Schublade.
  • Esc, Klick auf die ×-Schließen-Schaltfläche oder erneuter Klick auf die Glocke → schließt die Schublade; der Fokus kehrt zur Glocke zurück.
  • Tab bei geöffneter Schublade → bewegt sich durch die Schließen-Schaltfläche und alle fokussierbaren Details darin; die Schublade ist aria-modal="false", sodass Tab nicht einfängt (Sie können weiterhin den Rest der Seite erreichen).

19. Die App in Ihre Sprache lokalisieren

Die Oberfläche wird in 9 Sprachen ausgeliefert (English, Español, Français, Português, 한국어, 日本語, Русский, 简体中文, 繁體中文). Jede Bildschirmbeschriftung stammt aus einem Übersetzungswörterbuch, und Sie können eine Sprache hinzufügen oder korrigieren, ohne die App-Logik zu berühren.

Wo die Übersetzungen leben. Seit v1.60.0 ist jede Sprache ihre eigene Datei unter public/js/lib/locales/ — i18n-dict.en.js, i18n-dict.es.js, i18n-dict.ru.js und so weiter — eine einfache Liste von 'key': 'text'-Paaren. Ein gemeinsames i18n-dict.aliases.js lässt Schlüssel, die immer identisch lauten müssen (eine Seitenleistenbeschriftung und ihr Seitentitel), auf eine Übersetzung zeigen. i18n-dict.js führt sie alle beim Laden der Seite zusammen; Sie bearbeiten es nie.

Eine Phrase korrigieren oder hinzufügen. Öffnen Sie die Datei für Ihre Sprache, finden Sie den Schlüssel (z. B. 'nav.scan') und bearbeiten Sie den Text. Um eine brandneue Beschriftung hinzuzufügen, fügen Sie denselben Schlüssel zu allen 8 Sprachdateien mit dem übersetzten Wert hinzu und referenzieren Sie ihn dann in der Seite über t('your.key'). Führen Sie npm test aus — es schlägt fehl, wenn einer Sprache der Schlüssel fehlt, sodass nichts halb übersetzt ausgeliefert wird.

Eine ganz neue Sprache hinzufügen. Kopieren Sie i18n-dict.en.js nach i18n-dict.<code>.js, übersetzen Sie jeden Wert und registrieren Sie dann den Code in i18n.js (die Sprachliste + die Browser-Auto-Erkennung), im i18n-dict.js-Assembler und fügen Sie eine <script>-Zeile in index.html hinzu. Die vollständige Checkliste — einschließlich des Test-Snapshots und der Hilfe-/README-Begleitdateien — steht in docs/LOCALIZATION.md.

Gut zu wissen. Der Sprachumschalter befindet sich in der Fußzeile der Seitenleiste; Ihre Wahl wird pro Browser gemerkt. Server-Diagnosemeldungen bleiben absichtlich auf Englisch (damit Logs konsistent lesbar sind) — nur die Bildschirmoberfläche wird übersetzt.

Siehe docs/LOCALIZATION.md im Repository für die vollständige, Schritt-für-Schritt-Lokalisierungsanleitung.

20. Statistik nach Zielrollen (#/stats)

Die Seite Analytics → Zielrollen-Statistik verwandelt die spärlichen Daten, die deine Scans ohnehin sammeln, in ein Marktbild für die Rollen, auf die du tatsächlich abzielst: Anzahl der Stellen und Gehaltsniveaus nach Land sowie einen Trend, den du über die Zeit verfolgen kannst. Nichts wird erfunden: Sie aggregiert nur, was die Scanner gefunden haben, und ist ehrlich dazu, wie dünn die Stichprobe ist.

Woher die Zahlen kommen

  • Zielrollen werden aus deinem Profil (config/profile.yml → target roles) gelesen — nie fest einprogrammiert. Lege sie zuerst unter #/profile fest; ohne Rollen zeigt die Seite statt leerer Diagramme einen Hinweis „Lege deine Zielrollen fest“.
  • Die Anzeigen stammen aus deinem letzten Scan (führe zuerst einen unter #/scan aus). Der Standort jeder Stelle wird einem Land zugeordnet (derselbe Detektor wie der Länderfilter im Scan), und ihr Gehaltsstring wird geparst und über eine ungefähre Wechselkurstabelle in USD normalisiert.
  • Alles wird in deinem Browser aggregiert — keine Daten verlassen deinen Rechner, und das Einzige, was die Seite jemals schreibt, ist ein Snapshot, den du ausdrücklich speicherst.

Die Diagramme lesen

  • Stellen nach Land — wie viele passende Anzeigen in jedem Land liegen. Nutze die Filter Rolle und Land oben, um auf eine einzelne Zielrolle oder ein einzelnes Land einzugrenzen.
  • Median-Gehalt nach Land (USD) — das mittlere geparste Gehalt je Land. Es zählen nur Anzeigen mit parsbarem Gehalt; die Stichprobengröße steht neben dem Diagramm, und die Beträge werden zu groben Kursen umgerechnet, lies es also als Richtwert, nicht als exakt. Ein bloßes ¥ (mehrdeutig zwischen japanischem Yen und chinesischem Yuan) wird verworfen statt geraten, um eine große FX-Verzerrung zu vermeiden.
  • Wenn der aktuelle Scan keine parsbaren Gehälter hat, sagt das Gehaltsdiagramm das, statt Zahlen zu erfinden.

Snapshots speichern & den Trend verfolgen

  • Klicke auf Snapshot speichern, um das aktuelle Aggregat an data/role-stats.jsonl anzuhängen. Jeder Snapshot erhält serverseitig einen Zeitstempel; Snapshots sind das Einzige, was diese Seite schreibt, und sie rühren weder deinen Lebenslauf noch dein Profil an.
  • Das Trend-Diagramm trägt die Stellenanzahl über deine gespeicherten Snapshots auf — speichere regelmäßig einen (zum Beispiel nach jedem wöchentlichen Scan), um zu beobachten, wie sich der Markt für deine Zielrollen über die Zeit bewegt.

21. Dein Zwei-Seiten-Papier — Passung Kandidat-Markt (#/two-pager)

Fast alles in career-ops-ui fragt „passt dieser Job zu meinem Lebenslauf?“. Das Zwei-Seiten-Papier beantwortet die andere Hälfte: „passt dieser Job zu dem, was ich wirklich will?”. Es ist dem „Mnookin-Zwei-Seiten-Papier“ aus Never Search Alone nachempfunden — eine kurze Ich-Aussage darüber, was dir Energie gibt, was du forderst und was du nicht akzeptierst. Öffne es über Einrichtung → Zwei-Seiten-Papier 🎯.

KI-Autofüllung + Export (v1.100). Der “✨ KI-Ausfüllassistent” füllt jetzt alle Felder live aus deinem Lebenslauf (prüfen, dann Speichern); 👁 Vorschau und Export rendert den Two-Pager und exportiert ihn als Markdown, PDF oder DOCX.

Was du ausfüllst

  • Wer ich bin — ein paar Ich-Sätze über deinen Werdegang und die Art von Rolle, in der du aufblühst.
  • Zielumfeld — die Unternehmensgröße, -phase und -kultur, die du willst.
  • Fünf Chip-Listen — tippe und drücke Enter (oder Komma), um jeden Eintrag hinzuzufügen, klicke auf ×, um ihn zu entfernen:
    • Was ich liebe — Energiequellen (Remote, Eigenverantwortung, Greenfield, Mentoring…).
    • Muss-Kriterien — harte Anforderungen (eine Gehaltsuntergrenze, ein Land, ein Stack…).
    • Was ich hasse — Energieräuber (Rufbereitschaft, endlose Meetings, nur Legacy…).
    • Ausschlusskriterien — absolute Neins (nur vor Ort, kein Visa-Sponsoring, unter einer Zahl…).
    • Nicht verhandelbar — Grenzen (Standort, Remote, Gehaltsuntergrenze…).

Klicke auf Zwei-Seiten-Papier speichern, um es zu sichern. Es wird in die Benutzerebene deines übergeordneten career-ops-Projekts unter config/two-pager.yml geschrieben, also wird es — wie dein Lebenslauf und dein Profil — beim Aktualisieren des Systems nie überschrieben.

Der KI-Ausfüllassistent

Nicht sicher, wie du es formulieren sollst? Klicke auf ✨ KI-Ausfüllassistent. Er baut einen ausführbereiten Prompt (das Mnookin-Format, mit deinem Lebenslauf und Profil eingebettet) und zeigt ihn in einem Dialog. Führe diesen Prompt in einem beliebigen LLM aus und füge dann die resultierenden YAML-Felder zurück in das Formular ein. Der Assistent verwendet ausschließlich deinen eigenen Lebenslauf und dein Profil — er erfindet nie Fakten über dich, und von diesem Button aus wird kein Live-API-Aufruf ausgelöst.

Der Passt-zu-deinen-Wünschen-Score

Sobald du ein Zwei-Seiten-Papier gespeichert hast, erhält jede Anzeige auf #/scan ein kleines ◎ N-Abzeichen (0–100). Es vergleicht Arbeitsform (Remote/Hybrid/vor Ort), Land, Gehaltsuntergrenze und Umzug jedes Jobs mit deinem Zwei-Seiten-Papier — ein grünes Abzeichen bedeutet gute Passung, ein rotes bedeutet, dass ein Ausschlusskriterium ausgelöst wurde. Fahre mit der Maus darüber, um die Details zu sehen (✓ was passte, ✗ welches Ausschlusskriterium verletzt wurde).

Es ist bewusst ehrlich: wenn eine Anzeige kein abgleichbares Signal liefert (zum Beispiel, wenn deine Präferenzen alle Freitext sind, den eine Scan-Zeile nicht bestätigen kann), wird überhaupt kein Abzeichen angezeigt — das System erfindet nie eine Zahl. Die Verletzung eines harten Ausschlusskriteriums wiegt schwerer als ein weiches Hassen derselben Sache. Über das Abzeichen hinaus wird dein gespeichertes Zwei-Seiten-Papier in jede LLM-Bewertung eingebettet, sodass deine angegebenen Präferenzen auch das geschriebene Urteil prägen, nicht nur die Passung Lebenslauf-vs-Stellenanzeige.

22. Simuliertes Interview (#/mock-interview)

Die Interview-Vorbereitung zu lesen ist eine Sache; die Antworten laut auszusprechen eine andere. Die Seite Simuliertes Interview (öffne sie über Interview-Vorbereitung → Simuliertes Interview 🎤 in der Seitenleiste) führt eine Runde-für-Runde-Probe gegen eine konkrete Stelle durch, verankert in deinem eigenen Lebenslauf, Profil, Zwei-Seiten-Papier und deiner Geschichtensammlung. Es ist keine Liste vorgefertigter Fragen — der Interviewer reagiert auf das, was du tatsächlich sagst.

Eine Sitzung starten

  • Gib eine Zielrolle ein (und optional ein Unternehmen). Füge auch die Stellenbeschreibung ein, falls du sie hast — die Fragen werden merklich schärfer.
  • Klicke auf Interview starten. Der Interviewer eröffnet mit einer fokussierten Frage, zugeschnitten auf die Rolle und deinen Hintergrund.
  • Tippe deine Antwort und klicke auf Antwort senden. Wiederhole es, so lange du möchtest — es ist ein Gespräch, kein festes Quiz.

Was dir jede Runde gibt

Nach jeder Antwort antwortet der Interviewer mit drei Teilen:

  • Feedback — was ankam (Stärken) und was fehlte, formuliert in STAR+R-Begriffen (Situation, Aufgabe, Aktion, Ergebnis, Reflexion). Es benennt die konkrete Dimension, die du ausgelassen hast.
  • Punktzahl — ein schnelles N/5 mit einer einzeiligen Begründung, damit du den Fortschritt über eine Sitzung hinweg spürst.
  • Nächste Frage — eine Nachfrage, die gezielt den schwächsten Teil deiner letzten Antwort auslotet.

Alles ist in deinen echten Materialien verankert: cv.md, config/profile.yml, config/two-pager.yml und deine STAR+R-Geschichtensammlung (interview-prep/story-bank.md) werden alle in den Prompt eingebettet. Der Interviewer hakt bei echten Lücken nach, erfindet aber nie Erfahrung, die du nicht hast. Wenn kein LLM-Schlüssel gesetzt ist, gibt dir die Seite einen fertig ausführbaren Prompt zum Einfügen in einen beliebigen Assistenten — dasselbe ehrliche Ausweichmittel, das anderswo in der App verwendet wird.

Sitzungen speichern und erneut aufrufen

Klicke auf Transkript speichern, um eine abgeschlossene Probe zu behalten. Es wird in die Nutzerschicht deines übergeordneten Projekts geschrieben, unter interview-prep/mock-{company}-{role}-{date}.md, sodass es neben deinen anderen Interview-Vorbereitungsnotizen liegt und nie durch Systemaktualisierungen überschrieben wird. Die Liste Gespeicherte Sitzungen am Ende der Seite lässt dich jedes Transkript erneut öffnen oder löschen. Nutze Neues Interview, um mit einer anderen Rolle von vorn zu beginnen.

23. Networking & tiefgehende Unternehmensrecherche (#/networking)

Sich durch die Vordertür zu bewerben ist nur die halbe Miete — die andere Hälfte ist, jemanden zu kennen, oder zumindest zu wissen, wen man ansprechen und was man sagen soll. Die Seite Networking (öffne sie über Tiefenrecherche → Networking 🤝 in der Seitenleiste) verwandelt ein Unternehmen in einen konkreten Plan, um ein Vorstellungsgespräch zu bekommen — verankert in deinem eigenen Lebenslauf, deinem Profil und deinem Two-Pager.

Einen Plan erstellen

  • Gib ein Unternehmen (erforderlich) und optional eine Rolle sowie die Stellenbeschreibung ein. Die Stellenbeschreibung schärft die „Warum ich passe“-Aufhänger.
  • Klicke auf Plan erstellen. Mit einem LLM-Schlüssel läuft es live und rendert den Plan direkt inline; ohne Schlüssel gibt es dir einen fertigen Prompt, den du in einen beliebigen Assistenten einfügen kannst (dasselbe ehrliche Fallback, das in der ganzen App verwendet wird — nichts wird erfunden).

Was der Plan enthält

Der Plan kommt in vier Abschnitten zurück:

  • Unternehmensdossier — ein knappes Briefing darüber, was das Unternehmen macht, aktuelle Signale, die es wert sind zitiert zu werden, und zwei oder drei „Warum ich passe“-Aufhänger aus deinem tatsächlichen Werdegang.
  • Wen kontaktieren — drei bis fünf Ziel-Personas (der Hiring Manager des Teams, ein interner Recruiter, ein Senior Engineer im Team, ein warmer Kontakt oder eine Alumni-Verbindung) mit einer konkreten LinkedIn-Suchzeichenfolge, um jeden zu finden. Es erfindet niemals echte Namen — es sagt dir, wie du die richtigen Leute findest.
  • Wärmster Vorstellungsweg — die einzelne realistischste warme Route hinein für deinen Werdegang: ein gemeinsamer Arbeitgeber, eine gemeinsame Schule oder Community; eine Verbindung zweiten Grades; oder eine Kaltnachricht mit hohem Signal, wenn das wirklich die beste Option ist.
  • Kontaktaufnahme-Entwürfe — kurze, konkrete Nachrichten (drei bis fünf Sätze, ohne Füllwörter) für deine Top-Personas, verankert in deinen echten Belegen, damit sie nicht generisch wirken.

Pläne speichern und erneut aufrufen

Klicke auf Plan speichern, um einen zu behalten. Er wird in der Nutzer-Ebene deines übergeordneten Projekts unter networking/net-{company}-{role}-{date}.md abgelegt — deine eigene Datei, die von System-Updates nie überschrieben wird. Über die Liste Gespeicherte Pläne unten auf der Seite kannst du jeden Plan wieder öffnen oder löschen. Da die Entwürfe und Personas nur auf deinen echten Materialien beruhen, behandle sie als starken ersten Entwurf zum Personalisieren — nicht als Skript, das du blind versendest.

24. CV Studio (#/cv-studio)

Zum CV hinzufügen (v1.117.0). Eine neue Karte verwandelt ein Projekt, eine Publikation oder eine Portfolio-Seite (URL oder eingefügter Text) in ATS-taugliche Stichpunkte, die NUR auf dieser Quelle beruhen — Kennzahlen, Arbeitgeber oder Daten, die nicht in der Quelle stehen, werden weggelassen, nie erfunden. Du prüfst die Vorschläge und fügst die akzeptierten selbst in den CV-Editor ein; nichts wird automatisch geschrieben, und URLs laufen durch denselben Anti-SSRF-Validator wie die Pipeline.

Auf der Seite #/cv schreibst du deinen Lebenslauf; im CV Studio (öffne es über Setup → CV Studio 🎨 in der Seitenleiste) schärfst du ihn. Es gibt deiner cv.md drei ehrliche Werkzeuge an die Hand, von denen zwei deinen Browser nie verlassen.

An einen Job anpassen (v1.101). Füge eine Stellenbeschreibung ein, und CV Studio erstellt einen zugeschnittenen Lebenslauf plus ein passendes Anschreiben, geprüft durch ein recruitertaugliches Checklisten-Gate (Fehler blockieren, Warnungen raten), nur auf deinen Materialien basierend.

Lebenslauf-Diagnose

Sobald du die Seite öffnest, bewertet sie deinen Lebenslauf auf einer Skala bis 100 und listet die Befunde pro Prüfung auf – jeder mit einer kurzen Erklärung, damit du entscheidest, was du änderst (sie schreibt nie stillschweigend um):

  • Länge — liegt der Lebenslauf in einem gesunden Bereich von ein bis zwei Seiten?
  • Quantifizierte Wirkung — welcher Anteil deiner Stichpunkte enthält eine echte Zahl oder Kennzahl? Recruiter überfliegen genau danach.
  • Starke Aktionsverben — markiert schwache Formulierungen wie „verantwortlich für“ oder „geholfen“.
  • Buzzwords — markiert leere Floskeln („ergebnisorientiert“, „Teamplayer“).
  • Kernabschnitte — prüft auf Zusammenfassung, Erfahrung, Ausbildung und Fähigkeiten.
  • Kontaktdaten — stellt sicher, dass eine E-Mail vorhanden ist.

Das läuft vollständig in deinem Browser ohne LLM — die Zahlen sind deterministisch, und nichts wird erfunden.

Datenschutzmaske

Bevor du deinen Lebenslauf als Schreibprobe oder Screenshot teilst, schwärzt die Datenschutzmaske personenbezogene Daten: E-Mail, Telefon, Links/Handles und Anschrift, dazu deinen Namen → Initialen, wenn du das aktivierst und ihn eingibst. Schalte jede Kategorie um, kopiere die maskierte Version und teile sie sicher. Alles geschieht vollständig im Browser, meldet genau, wie viele Einträge geschwärzt wurden, und speichert oder überträgt das Original nie.

Menschlich machen (Stimmabgleich)

Füge einen steifen Satz oder Absatz ein — die Art generischer KI-Formulierung, die wie Standardtext klingt — und Menschlich machen schreibt ihn in deiner Stimme um. Das Umschreiben ist serverseitig in deiner voice-dna.md (wie sich dein Schreiben liest) und deinen writing-samples/ (deine echte Prosa) verankert. Die harte Regel: Es darf umsortieren, straffen und die Stimme anpassen, aber es wird niemals einen Fakt, eine Kennzahl oder eine Leistung einführen, die nicht bereits im eingefügten Text steht. Mit einem LLM-Schlüssel schreibt es live um; ohne Schlüssel gibt es dir einen fertigen Prompt zum Einfügen in einen beliebigen Assistenten. Bearbeite deinen Lebenslauf danach wie gewohnt auf der Seite #/cv — das CV Studio schlägt vor, du entscheidest.

25. Gedächtnis (#/memory)

Jede andere Seite beginnt jedes Mal von vorn. Das Gedächtnis (öffne es über Einrichtung → Gedächtnis 🧠 in der Seitenleiste) ist der einzige Ort, an dem du dem Assistenten etwas einmal sagst und es haften bleibt. Es enthält eine kurze, bearbeitbare Notiz nach dem Motto „merke dir das über mich“, die in jede KI-Anfrage eingespeist wird.

Wofür es da ist

Nutze es für dauerhafte Vorlieben und deinen Arbeitsstil, zum Beispiel:

  • Die Arten von Rollen und Unternehmen, die du anvisierst (und die, die du nie sehen willst).
  • Wie du Antworten geschrieben haben möchtest — knapp oder ausführlich, seniorer Ton, ohne Füllwörter.
  • Harte Rahmenbedingungen, die es wert sind, wiederholt zu werden — nur remote, ein Gehaltsminimum, keine Rufbereitschaft.

Beschränke es auf Vorlieben und Steuerung. Es ist nicht der Ort für Fakten über deine Erfahrung — deine Fähigkeiten, Arbeitgeber und Erfolge stehen in deinem CV, deinem Profil und deinem Zweiseiter, die die einzigen Quellen für alles bleiben, was in deinen CVs und Anschreiben auftaucht. Die Gedächtnisnotiz prägt, wie der Assistent mit dir arbeitet, niemals was er über dich behauptet.

Wie es überall ankommt

Wenn du auf Gedächtnis speichern klickst, wird die Notiz in die Nutzerschicht deines übergeordneten Projekts unter config/memory.md geschrieben und in den gemeinsamen Projektkontext eingebettet. Das heißt, sie reist automatisch mit jeder KI-Anfrage mit — Bewertungen, Übungsinterviews, Networking-Pläne, Umschreibungen im CV Studio — und über jeden von dir konfigurierten Anbieter. Schreib sie einmal; du musst dich nicht auf jeder Seite wiederholen. Wie deine anderen Nutzerschicht-Dateien wird sie beim Aktualisieren des Systems nie überschrieben, und sie verlässt deinen Rechner nur innerhalb der LLM-Prompts, die du auszuführen wählst.

Aus deinen Daten vorschlagen

Nicht sicher, was du schreiben sollst? ✨ Aus meinen Daten vorschlagen liest deinen Bewerbungs-Tracker und entwirft eine Reihe von Verhaltenspunkten — die Muster darin, was du verfolgst, annimmst und ablehnst. Führe den Prompt, den es dir gibt, in einem beliebigen LLM aus, prüfe die Vorschläge und füge eine bearbeitete Version in die Notiz ein. Es schöpft nur aus deinem eigenen Tracker und erfindet nie Fakten; du prüfst immer, bevor etwas gespeichert wird.

26. Statistiken (#/stats)

Tab Absagemuster (v1.117.0). Ein vierter Tab führt das analyze-patterns.mjs des Elternprojekts aus (nur lesend) und zeigt die Ergebnisverteilung, umsetzbare Empfehlungen und die Weiterkommensquote je ATS-Anbieter (das Signal der „algorithmischen Monokultur“ — Bommasani et al., FAccT 2026). Anbieter unter der Mindeststichprobe tragen ein Sternchen; ohne das Elternprojekt sagt der Tab das ehrlich.

Die Seite Statistiken bringt drei Ansichten unter einer Sektion zusammen: einen KI-generierten Marktbericht, Auswertungen deiner eigenen Pipeline und den Trend der Stellenzahlen für deine Zielrollen aus deinen Scans. Wechsle zwischen ihnen über die Reiter oben.

Marktbericht

Der Reiter Marktbericht bittet das Modell um eine Gehalts- und Arbeitsmarktanalyse deiner Zielrollen — es liest deinen CV und dein Profil, um zu wissen, welche Rollen und welche Seniorität abzudecken sind. Gib eine Region / Markt ein (zum Beispiel Russia, EU-remote, US oder Germany), wähle eine Währung und klicke auf Marktbericht generieren. Du erhältst einen strukturierten Bericht mit einer Zusammenfassung, Gehalt nach Stufe (Median plus P10/P25/P75/P90), Top-Arbeitgebern, einer Tabelle gefragter Fähigkeiten, der Häufigkeit von Zusatzleistungen, der Aufteilung Büro/Hybrid/Remote, Trends über 12-24 Monate inklusive KI-Einfluss und einer Verhandlungsanleitung. Jede Zahl ist eine richtungsweisende Schätzung aus dem Trainingswissen des Modells — keine gescrapten oder Live-Daten — und der Bericht sagt das auch; behandle die Zahlen als Bereiche, nicht als Zitate. Ohne gesetzten API-Schlüssel bekommst du statt eines erfundenen Berichts einen Prompt zum Kopieren und Einfügen. Nutze Download .md, Als PDF speichern oder Kopieren, um den Bericht aus der App herauszuholen.

Meine Pipeline

Der Reiter Meine Pipeline stellt deinen eigenen Bewerbungs-Tracker grafisch dar — nichts Externes. Er zeigt, wie viele Rollen du verfolgt hast, deine Score-Verteilung, den Status-Trichter, deine Top-Unternehmen und -Rollen, Bewerbungen im Zeitverlauf und Konversionsraten (welcher Anteil der Bewerbungen Beworben, Beantwortet, Interview und Angebot erreicht). Es ist der ehrliche Spiegel deiner Suche: er gibt immer nur wieder, was bereits in data/applications.md steht.

Zielrollen-Trend

Der Reiter Zielrollen-Trend ist die ursprüngliche Ansicht: Stellenzahlen und Mediangehalt nach Land für deine Zielrollen, aggregiert aus deinem letzten Scan, mit einer Währungsauswahl und einer Übersicht Stellen nach Zielrolle. Snapshot speichern hält die aktuelle Aggregation fest, sodass du beobachten kannst, wie sich die Stellenzahlen im Zeitverlauf bewegen, und die Trendlinie liest diese Snapshots zurück. Spärliche Daten sind zu erwarten und werden als richtungsweisend gekennzeichnet — sie werden nie mit erfundenen Zahlen aufgefüllt.

Gesamt & Vergütung

Der Gesamt-Tab (v1.118.0) reicht zwei Zero-Token-Skripte des Parents read-only weiter: stats.mjs — die Gesamtübersicht deines Trackers, kumulierte Funnel-Quoten (Antwort / Interview / Angebot), Scanner-Gesamtzahlen und Portalabdeckung — und salary-gap.mjs — gewünschte vs. ausgeschriebene vs. tatsächliche Vergütung pro Bewerbung, zusammengeführt aus den Machine Summaries der Berichte und data/salary-observations.tsv. Kleine Stichproben werden als Richtwerte gekennzeichnet; ohne das übergeordnete Projekt zeigt der Tab einen ehrlichen Hinweis.

27. Karriereplan (#/career-plan)

Die Seite Karriereplan verwandelt deinen Lebenslauf und dein Profil in einen konkreten, personalisierten Entwicklungsplan — von der Art, die du mit einem Karrierecoach erarbeiten würdest, aber generiert aus deinen eigenen Unterlagen und von dir zu bearbeiten.

Einen Plan generieren

Wähle einen Horizont (6, 12 oder 24 Monate), gib optional einen Fokus ein (zum Beispiel „in die Führung wechseln“, „remote arbeiten“ oder „auf Go umsteigen“) und klicke auf Plan generieren. Das Modell liest deinen Lebenslauf, dein Profil, deinen Two-Pager und deine Memory-Notiz (über den geteilten Projektkontext) und schreibt einen strukturierten Plan: eine ehrliche Momentaufnahme deines Ausgangspunkts, eine SWOT aus Stärken und Wachstumsfeldern, Ziele ausgedrückt als SMART / OKR / WOOP, alternative Karrierewege mit ihren Abwägungen, einen Plan für harte und weiche Fähigkeiten, eine Monat-für-Monat-Roadmap für deinen gewählten Horizont, wie du Fortschritte verfolgst, wahrscheinliche Fallstricke und unterstützende Schritte. Jede Empfehlung ist in dem verankert, was deine Unterlagen tatsächlich zeigen — sie plant nach vorn und erfindet niemals Fakten über deinen Werdegang. Ohne gesetzten API-Schlüssel erhältst du stattdessen einen Prompt zum Kopieren und Einfügen.

Bearbeiten und speichern

Der Plan landet in einem bearbeitbaren Textfeld — passe alles an und klicke dann auf Plan speichern. Er wird in die Nutzerschicht deines übergeordneten Projekts unter config/career-plan.md geschrieben, sodass er Systemaktualisierungen übersteht und nur innerhalb der LLM-Prompts gesendet wird, die du auszuführen wählst. Vorschau rendert dein Markdown, damit du es vor dem Speichern formatiert lesen kannst.

Exportieren

Verwende .md herunterladen, Als PDF speichern oder Kopieren, um den Plan aus der App herauszuholen — dieselben Export-Steuerelemente, die überall in den KI-Berichten der App verwendet werden. Das PDF durchläuft den bestehenden Inline-PDF-Generator; das Markdown ist ein direkter Download.

28. Berufsorientierung (#/orientation)

Die Seite Berufsorientierung beantwortet die Frage „welche Richtungen passen wirklich zu mir?“ — die Art von Einschätzung, die dir ein Berufstest liefern würde, aber abgeleitet aus deinem eigenen Lebenslauf und Profil statt aus einem Fragebogen.

Was sie erzeugt

Klicke auf Profil generieren und das Modell liest deinen Lebenslauf, dein Profil, deinen Two-Pager und deine Memory-Notiz und schreibt ein Berufsorientierungsprofil: deine am besten passenden Karrierevektoren (welche der acht Archetypen — Funktionalist, Administrator, Kommunikator, Spezialist, Analyst, Innovator, Manager, Unternehmer — am besten passen, mit Belegen aus deinem Lebenslauf), eine Neigung zum Berufstyp, eine Reihe von empfohlenen Rollen, deine beruflichen Stärken, verknüpft mit dem, was der Lebenslauf zeigt, Tendenzen im Arbeitsstil („wie sich dein Lebenslauf liest“ auf einigen Achsen) und Entwicklungsempfehlungen, um deine Passung zu erweitern.

Wie sie generiert wird

Es ist eine KI-Reflexion darüber, wie sich dein Lebenslauf liest — kein psychometrischer Test. Der Prompt stützt sich vollständig auf deine eigenen Unterlagen: er erfindet keine Erfolge und meldet nie numerische Testwerte, als wären sie gemessen. Ohne gesetzten API-Schlüssel erhältst du statt eines Live-Profils einen Prompt zum Kopieren und Einfügen, den du in einem beliebigen LLM ausführen kannst. Nichts wird auf die Festplatte geschrieben — das Profil wird jedes Mal neu generiert.

Exportieren

Verwende .md herunterladen, Als PDF speichern oder Kopieren, um das Profil zu behalten — dieselben Export-Steuerelemente, die überall in den KI-Berichten der App verwendet werden. Das PDF durchläuft den bestehenden Inline-PDF-Generator; das Markdown ist ein direkter Download.