사용자 가이드

도움말 — career-ops-ui

앱을 실행한 순간부터 인터뷰를 따낼 때까지, 모든 페이지를 단계별로 안내합니다. 아래 각 ## 헤딩은 사이드바 항목 또는 워크플로의 한 단계에 대응합니다. 처음 실행 시에는 위에서 아래로 읽고, 이후에는 도움말 사이드바의 목차로 특정 섹션에 바로 이동하십시오.

대상 독자: 이 UI를 career-ops 체크아웃 안에 두고 방금 bash bin/start.sh를 실행한 분. career-ops에 대한 사전 지식은 가정하지 않습니다.

career-ops 소개

career-ops는 모든 AI 코딩 CLI(Claude Code, Gemini CLI, Codex, Qwen Code, OpenCode, GitHub Copilot CLI — 다른 Claude 호환 CLI도 동일한 슬래시 커맨드 인터페이스에서 작동합니다) 안에서 슬래시 명령으로 동작하는 오픈소스 구직 시스템입니다. 모델 무관(model-agnostic). 각 채용 공고를 여러분의 CV에 대해 6차원 0.0–5.0 루브릭으로 평가하고, 맞춤형 PDF 이력서를 생성하며, 모든 지원을 로컬 머신에서 추적합니다.

정식 레퍼런스 (최초 설치 시 이 순서대로 읽으십시오):

What is career-ops — 시스템, 원칙, 개념 목록.
Scan job portals — 채용 공고 발견과 Pipeline 채우기.
Apply for a job — Playwright 폼 읽기를 포함한 전체 제출 흐름.
Batch-evaluate offers — batch-runner.sh로 10개 이상 JD를 한 번에 채점.
Set up Playwright — Chromium 설치 및 PDF·폼 채우기를 위한 MCP 등록.

핵심 원칙 (career-ops.org/docs/introduction/what-is-career-ops 출처):

오픈소스, 진심으로 — MIT 라이선스, 유료 티어 없음, 대기열 없음, 텔레메트리 없음, 계정 없음. 시스템은 유료 티어, 계정, 텔레메트리 없이 동작합니다. 코드 기여는 릴리스 전에 커뮤니티 리뷰를 거칩니다.
데이터 주권 — cv.md, config/profile.yml, data/, reports/, interview-prep/는 명시적으로 푸시하지 않는 한 여러분의 노트북을 절대 떠나지 않습니다. 로컬 머신에서 실행하므로 데이터 주권을 온전히 유지합니다.
AI-비종속 아키텍처 — career-ops는 모델을 번들로 제공하지 않습니다. 기존 AI 코딩 CLI 내부에서 명령으로 동작합니다. 제공자(Anthropic ↔ Gemini ↔ OpenAI)를 바꿔도 평가 이력은 일관되게 유지됩니다.
사람이 통제하는 제출 — career-ops가 답변을 작성하고 폼을 열어주지만, Submit은 여러분이 클릭합니다. 시스템은 절대로 자동 지원하지 않습니다. 시스템은 구조와 평가를 제공하고, 최종 제출 권한은 사람에게 있습니다.
구조적 검색 — 능동적이고 의도적인 다수 지원 구직을 위해 설계되었습니다. 단발 제출 도구나 추천 엔진이 아닙니다. 설정에 약 15분이 걸리며 터미널 사용에 익숙하다고 가정합니다.

career-ops가 아닌 것 (명시적 비목표):

자동 지원 도구가 아닙니다. 폼을 대신 제출하지 않습니다.
이력서 재작성 도구가 아닙니다. JD별로 맞춤화할 뿐, 경험을 지어내지 않습니다.
LinkedIn 최적화 도구가 아닙니다. 프로필 관리는 여러분의 영역입니다.
SaaS UI 뒤에 숨은 스프레드시트 대체재가 아닙니다. 데이터는 여러분의 파일 시스템에 있는 일반 마크다운입니다.

핵심 개념 (career-ops가 다루는 모든 산출물의 전수 목록):

개념	설명
Mode	`modes/<slug>.md`에 있는 프롬프트 템플릿. 내장: `oferta`, `deep`, `apply`, `pipeline`, `batch`, `contacto`, `followup`, `interview-prep`, `patterns`, `project`, `training`, `ofertas`, `auto-pipeline`, `pdf`, `latex`, `scan`, `tracker`.
Archetype	`config/profile.yml`에 있는 타깃 롤 프로필. 루브릭은 활성 archetype에 대한 스킬 매칭에 가중치를 부여 — 가장 중요한 단일 필드.
Pipeline	`data/pipeline.md` — 평가 대기 중인 JD URL의 inbox.
Tracker	`data/applications.md` — 모든 평가와 지원 상태의 이력 GFM 테이블.
Report	`reports/<NNN>-<company>-<DATE>.md` — JD별 전체 A–F 평가, 헤더에 score와 legitimacy 포함.
Scan history	`data/scan-history.tsv` — append-only 로그. 스캔 간 중복 방지.
Proof points	`cv.md`에서 추출한 STAR+R 증거 블록. 평가·apply 답변·인터뷰 준비에 재사용.
JD store	`jds/jd-<date>-<ts>.txt` — 평가 시 그대로 저장된 채용 공고 원문. 감사 추적용.
Interview-prep	`interview-prep/<company>-<role>.md` — 심층 리서치 브리프와 라운드별 한 장 요약.
Batch additions	`batch/tracker-additions/*.tsv` — `batch-runner.sh`가 큐잉한, tracker로 병합 대기 중인 행.

career-ops vs career-ops-ui (이 앱)

	career-ops (CLI)	career-ops-ui (이 앱)
실행 위치	Claude Code / Gemini CLI / Codex / Qwen Code / OpenCode / GitHub Copilot CLI 내부	브라우저의 `http://127.0.0.1:4317`
표면	`/career-ops <mode>` 슬래시 명령	워크플로우당 한 페이지를 가진 사이드바
폼 채우기	예, Playwright MCP 경유	아니오 — 체크리스트만 생성. CLI에서 마무리
PDF	`generate-pdf.mjs`	`#/cv`, `#/reports/:slug`, `#/evaluate`, `#/deep`, `#/interview-prep`의 `📄 Generate PDF`
데이터 파일	career-ops-ui와 공유	career-ops와 공유

career-ops-ui는 순수 추가물입니다. career-ops/ 내부의 무엇도 변경되지 않습니다. 두 표면은 동일한 cv.md, config/profile.yml, portals.yml, data/, reports/, interview-prep/, modes/를 공유합니다.

Score별 액션 임계값

JD가 평가되고 나면 점수가 다음에 무엇을 할지 결정합니다 (정식 표는 career-ops.org/docs/introduction/what-is-career-ops 에서 가져왔습니다):

Score	다음 단계
≥ 4.5	`/career-ops apply` — 적합도 높음. 즉시 지원.
4.0 – 4.4	지원하거나 `/career-ops contacto`로 warm intro 먼저.
3.5 – 3.9	`/career-ops deep` — 결정 전에 회사/롤 리서치.
< 3.5	개인적 사유가 명확하지 않은 한 건너뜀.

career-ops-ui의 #/dashboard와 #/tracker는 4.0 이상 모든 행을 강조하므로 재실행 없이 바로 다음 액션을 선택할 수 있습니다.

외부 문서

기반이 되는 career-ops 엔진의 전체 레퍼런스(스캐닝, 평가 루브릭, batch 처리, apply 흐름, Playwright 설정)는 career-ops.org/docs에 있습니다:

1. 빠른 시작 — “CV 만들기”에서 “지원 및 메시지 발송”까지의 전체 단계

이것이 정식 버튼별 플레이북입니다. 처음에는 순서대로 따라 하십시오. 각 단계는 정확한 경로, 정확한 버튼, 성공 시 보이는 화면을 명시합니다. 아래 2–16절은 각 단계를 더 깊이 다룹니다.

문서에 질문. 사이드바(도움말 아래)의 **문서에 질문 💬**을 열고 방법을 물어보세요 — 당신의 언어로 이 가이드에서만 답하며 이력서는 절대 읽지 않습니다. 같은 어시스턴트는 모든 페이지에서 한 번의 탭으로 열립니다 — 로봇 채팅 버튼이 오른쪽 아래 모서리(오른쪽에서 왼쪽 언어에서는 왼쪽 아래)에 떠 있습니다. 하던 일을 멈추지 않고 눌러 질문하세요.

한 번의 명령으로 실행 및 초기화. 터미널에서 UI를 건드리지 않고 전체 부트스트랩을 수행할 수 있습니다:
career-ops-ui setup      # 의존성 설치 → doctor → 서버 실행
career-ops-ui init       # LLM 공급자 선택 + 해당 키 붙여넣기 (에코 숨김)
career-ops-ui doctor     # 언제든 재검증 (종료 코드 0 ⇔ 필수 항목 모두 녹색)
career-ops-ui run        # http://127.0.0.1:4317 에서 서버만 실행
career-ops-ui open       # 브라우저의 대시보드 탭을 열고 맨 앞으로 가져오기
setup/run 이후 브라우저 탭은 자동으로 열리고 맨 앞으로 가져와집니다 (v1.43.0). career-ops-ui open은 필요할 때 동일하게 동작하므로 대시보드 탭을 찾아 헤맬 필요가 없습니다. NO_OPEN=1은 헤드리스/CI 시작 시 자동 열기를 비활성화합니다.

setup은 전체 체인을 스스로 실행합니다. init은 #/config의 API 키 탭이 사용하는 것과 동일한 검증된 경로를 통해 상위 career-ops/.env에 키를 기록하고, 라이브 evaluate / deep / mode / 자동 파이프라인 경로가 따르는 LLM_PROVIDER (auto | claude | gemini)를 설정합니다. CI 형식: career-ops-ui init --provider claude --anthropic-key sk-ant-… --yes. UI가 더 편하신가요? 아래 단계를 계속 진행하세요.

A. 설정 (한 번만 수행, 약 5분)

career-ops-ui는 career-ops/web-ui/에 위치해야 합니다(상위 career-ops 프로젝트 내부에 중첩). ../를 통해 부모 폴더의 cv.md, config/, data/를 읽으며 단독으로는 작동하지 않습니다. git pull 후 career-ops-ui init을 찾을 수 없는 경우, cd career-ops/web-ui && npm install && npx career-ops-ui init을 실행하세요.

1단계 — http://127.0.0.1:4317에서 앱을 엽니다. 실행 중이 아니라면 저장소 루트에서 터미널로 bash bin/start.sh를 실행하십시오. Dashboard(#/dashboard)가 로드됩니다.

2단계 — 왼쪽 사이드바의 ❤ Health를 클릭합니다. 필수 체크는 모두 초록이어야 합니다:

cv.md, config/profile.yml, portals.yml 존재
API 키 설정 (ANTHROPIC_API_KEY 또는 GEMINI_API_KEY 중 최소 하나)
Playwright 설치 (Generate PDF를 사용할 때만 필수)

빨간 항목이 있으면 페이지가 어떤 파일 또는 환경 변수를 고쳐야 하는지 정확히 알려줍니다. Health가 초록이 되기 전에는 진행하지 마십시오.

3단계 — 사이드바의 ⚒ App settings를 클릭합니다. API keys & runtime 탭이 열립니다.

ANTHROPIC_API_KEY(선호 — 장문 채점 품질이 더 좋습니다) 또는 GEMINI_API_KEY를 붙여넣으십시오. 키는 https://console.anthropic.com/settings/keys 또는 https://aistudio.google.com/apikey에서 발급받을 수 있습니다.
💾 Save를 클릭하십시오. 그 다음 ▶ Test Anthropic (또는 Gemini)을 클릭하면 작은 왕복 호출이 키가 정상임을 확인합니다.

4단계 — 같은 페이지의 Profile 탭으로 전환합니다. 여기는 config/profile.yml의 직접 YAML 에디터입니다. 최소한 다음을 편집하십시오:

candidate.full_name — 자리표시자(“Jane Smith”)를 실제 이름으로 교체.
candidate.email, linkedin, github — 커버 레터에 사용.
target.roles — 지원할 직무 명칭.
target.comp_total_min_usd — 최소 총 보상. 이 값 이하 오퍼는 모든 평가의 D 섹션에서 빨강으로 표시됩니다.
target.archetypes — 수용 가능한 커리어 패턴 (가장 영향이 큰 단일 필드).

💾 Save를 클릭하십시오. 서버가 YAML을 검증하고 정식 헤더 # Career-Ops Profile Configuration를 찍어 넣습니다.

B. CV (한 번만 수행, 약 10분)

5단계 — 사이드바 ✎ CV를 클릭합니다. 두 열: 왼쪽은 에디터, 오른쪽은 라이브 미리보기.

6단계 — 에디터를 채우는 방법 하나를 선택합니다:

기존 이력서 업로드 — 📁 Upload CV를 클릭하고 .docx / .doc / .odt / .rtf / .pdf / .html / .txt / .md 중 아무 파일이나 선택. 서버가 pandoc 또는 pdftotext로 마크다운으로 변환하고 XSS를 정화한 결과를 에디터에 채워줍니다. 변환 결과를 검토하십시오 — 특히 PDF는 레이아웃이 손실되기 쉽습니다.
마크다운 직접 붙여넣기 — 텍스트 영역이 마크다운 에디터이며, 오른쪽 패널이 LLM(과 미래의 리크루터)이 보게 될 모습입니다.
톤 팁: 한 불릿 = 지표가 있는 한 가지 성과. 1500단어 이내. 순서: Summary, Experience, Projects, Education, Skills.

7단계 — CV 페이지 오른쪽 상단의 💾 Save를 클릭합니다. 서버가 정화하고 (<script> / javascript: / 인라인 핸들러 제거) cv.md에 씁니다. 토스트: “Saved”.

8단계 (선택) — 📄 Generate PDF를 클릭합니다. 부모에서 generate-pdf.mjs를 실행합니다 (Playwright 필요). 완료되면 새 PDF가 브라우저에서 자동 다운로드됩니다. 페이지 하단의 목록은 이전에 생성한 모든 파일을 유지합니다.

C. 채용 공고 찾기 (스캔당 약 2분)

9단계 — 사이드바 🌐 Scan을 클릭합니다. portals.yml에 원하는 보드가 등록되어 있는지 확인하십시오 (이 도움말의 5절). 🌐 Scan now 버튼을 누르십시오. 스캐너가 Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday(영문 보드)와 hh.ru / Habr Career / Trudvsem / GetMatch / GeekJob(활성화된 경우의 러시아어 보드)를 순회하는 동안 SSE 라이브 로그가 흐릅니다.

10단계 — 스캔이 끝나면 결과를 검토합니다. 회사 태그를 클릭해 필터링하고, ↗ 아이콘을 클릭해 회사 채용 페이지를 새 탭에서 여십시오. 제목 필터를 통과한 모든 공고는 Pipeline에 큐잉됩니다.

D. 오퍼 채점 (JD당 약 30초)

11단계 — 사이드바 Pipeline을 클릭합니다. 스캐너가 큐잉한 모든 URL이 보입니다. 항목을 클릭하면 인라인으로 JD가 미리보입니다.

12단계 — JD 옆의 ▶ Evaluate를 클릭합니다. #/evaluate로 이동합니다. API 키가 설정되어 있으면 실시간 실행, 없으면 직접 LLM에 붙여넣을 프롬프트가 제공됩니다. 실시간 모드는 CV 대비 0–5 점수를 A–G 섹션(Role / Company / Compensation / Risk / Stretch / Cultural fit / Verdict)에 걸쳐 생성합니다. 저장본은 reports/<date>-<slug>.md에 떨어집니다.

13단계 — 사이드바 Reports를 클릭하고 최신 평가를 검토하십시오. comp_total_min_usd 이하인 항목은 D 섹션에서 빨강으로 표시됩니다. Verdict: pursue가 있는 항목이 여러분의 쇼트리스트입니다.

E. 결정 및 쇼트리스트 회사 심층 리서치 (약 3분)

14단계 — 추진할 공고를 선택합니다. 사이드바 Deep research를 클릭하십시오. 회사 이름과 롤을 입력하십시오. 모델이 7개 섹션의 회사 브리프(미션, 최근 뉴스, 기술 스택, 채용 신호, 보상 벤치마크, 리스크, 권장 어프로치)를 생성합니다. 저장본은 interview-prep/<company>-<role>.md에 떨어집니다.

F. 지원 (지원당 약 5분)

15단계 — 사이드바 Apply checklist를 클릭합니다. 공고 URL과 JD를 붙여넣으십시오. 헬퍼가 단계별 제출 체크리스트를 생성합니다:

맞춤형 커버 레터 초안 (cv.md + profile.yml 사용).
JD에서 따라가야 할 구체적 키워드.
첨부할 파일 (CV PDF — 8단계 참조).
어디에 지원할지 (집계 사이트 리디렉트가 아닌 정식 채용 URL).
알림: 절대 자동 제출 금지 — 최종 검토와 제출은 항상 수동입니다.

16단계 — 채용 페이지를 새 탭에서 엽니다. apply 체크리스트를 할 일 목록으로 사용하십시오. 회사의 실제 폼을 통해 제출하고, 8단계에서 만든 PDF를 첨부하십시오.

17단계 — 실제 사람에게 메시지를 보냅니다. 사이드바에서 Outreach 모드 (#/contacto)를 여십시오. 모델이 14단계에서 만든 회사 브리프에 맞춰 짧은 LinkedIn / 이메일 메시지를 작성합니다. 오프닝(심층 리서치 브리프의 구체적인 디테일 하나)은 직접 개인화하십시오. 전송합니다.

G. 추적 및 팔로업 (지속)

18단계 — 사이드바 Tracker를 클릭하고 지원에 대한 행을 추가하십시오: 회사, 롤, 점수, 상태 Applied, 보고서 링크, 심층 리서치 브리프 링크. 날짜는 자동 입력됩니다.

19단계 — 일주일 후: Follow-up 모드(#/followup)를 엽니다. 원래 지원을 참조한 정중한 체크인 이메일을 초안으로 작성합니다. 전송하고 tracker 상태를 Followed up으로 갱신하십시오.

20단계 — 인터뷰 초대를 받으면 Interview prep 모드 (#/interview-prep)를 실행합니다. 특정 회사와 단계(system design / behavioral / coding)에 맞는 타깃 준비물을 생성합니다. 심층 리서치 브리프에서 자동으로 가져옵니다.

21단계 — 오퍼를 받았다면? Tracker 상태를 Offer로 갱신하고 평가 보고서의 comp 섹션을 다시 살펴보십시오 — 최소 수용 금액이 거기에 있습니다.

한 줄 요약 — 사이드바 순서가 곧 워크플로

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

이상입니다. 21단계, 버튼별, 0에서 오퍼까지.

원클릭 Auto-pipeline (`#/auto`) — 21단계 단축

특정 공고만 빠르게 평가하려면 수동 절차를 건너뛰세요. 사이드바 → ✨ Auto-pipeline(또는 대시보드 ✨ 버튼): URL 붙여넣고 Enter 또는 ▶ 전체 파이프라인 실행 — 서버가 전체 체인을 한 번에 관찰 가능하게 실행:

URL 검증 — SSRF 안전 검사(isValidJobUrl).
JD 가져오기 — safeGet(DNS 고정)로 다운로드 + 정제.
CV 대조 평가 — Anthropic → Gemini → 키 없으면 수동 프롬프트.
리포트 저장 — reports/<slug>.md 작성(점수 + 신뢰도).
트래커 추가 — data/applications.md에 행 추가.

피드백은 세로 스테퍼(순서 목록, 활성 단계에 aria-current, 스크린리더 라이브 영역). 완료 시 카드가 리포트(리포트 보기 · N/5)와 트래커로 딥링크. 실패 단계는 표시되고 버튼이 재활성화되어 새로고침 없이 재시도. API 키 없음? 수동 모드: 3–5단계 접힘 + 복사용 프롬프트. 링크 가능: #/auto?url=<enc>&go=1 자동 시작.

CLI (v1.38.0). 한 명령이 전체 체인: career-ops-ui setup. 동사: career-ops-ui doctor(env/키/툴링 점검 — Health와 동일 엔진; 필수 실패 시 exit 1), career-ops-ui run, career-ops-ui init(공급자+키 마법사, v1.39.0). 공급자 (v1.39.0). API-keys 탭에 LLM_PROVIDER select(auto=Anthropic→Gemini · claude · gemini) 및 OPENAI_API_KEY 필드(Codex/OpenCode CLI 측) 추가. career-ops-ui init이 대화형 마법사.

공급자 (v1.57.0). 헤드리스 라이브 평가가 Anthropic → Gemini → OpenAI → Qwen → OpenRouter(auto 순서; LLM_PROVIDER로 고정)로 확장. OpenRouter — OPENROUTER_API_KEY 하나로 300+ 모델 접근; OPENROUTER_MODEL 드롭다운은 OpenRouter 라이브 카탈로그를 로드(서버 측 프록시, 오프라인 선별 폴백). 또한 수정: 줄바꿈/공백이 붙어 붙여넣은 키를 검증 전에 트림하므로 /#/config에서 더 이상 어떤 공급자에도 「validation failed」가 표시되지 않음.

2. 앱 설정 및 API 키 (`#/config`)

v1.55 → v1.56 새 기능. LLM 키가 없으면 모든 화면의 빨간 배너가 ⚡ 라이브 실행이 수동 프롬프트 모드임을 알리고 여기로 연결합니다; 키가 있으면 활성 제공자를 표시하는 조용한 칩이 됩니다. 모든 ⚡ 라이브 실행 버튼(#/auto, #/evaluate, #/deep, 모드) 앞에 정직한 예상 비용이 표시됩니다(예: “예상 비용: OpenAI gpt-5-codex · ~$0.04/eval”, 수동 모드는 API 비용 없음). #/scan은 보조 필터를 고급 필터 디스클로저 뒤로, #/tracker는 클릭형 퍼널 칩 + 선택적 서버 페이지네이션, #/pipeline은 1000행 초과 시 가상화.

AI CLI 도구. AI CLI 도구 탭은 서버에 어떤 에이전트 CLI(Claude Code, Codex, Gemini, OpenCode, Copilot, Qwen, Antigravity)가 설치되어 있는지 보여줍니다 — 실행하지 않는 읽기 전용 PATH 스캔. 모양 → 회사 로고 표시(기본 꺼짐)는 각 회사의 favicon을 자체 도메인에서 가져와 스캔 표에 표시합니다(제3자 서비스 아님).

두 탭:

API keys & runtime — 부모 프로젝트의 .env를 브라우저에서 편집합니다 (career-ops Node 스크립트가 시작 시 읽는 동일 파일). 이 탭은 공급자별 모델 선택기도 제공합니다 — ANTHROPIC_MODEL· GEMINI_MODEL 옆에 OPENAI_MODEL(OpenAI/Codex).
Profile — config/profile.yml의 직접 YAML 에디터. 저장 시 정식 헤더 # Career-Ops Profile Configuration가 찍힙니다.

어느 탭에서 저장하든 즉시 반영됩니다 — 서버 재시작 불필요.

LLM 공급자 설정 (단계별). web UI 의 ⚡ 라이브 평가는 헤드리스로 실행되며 하나의 API 키를 사용합니다. “OR” 로 동작합니다 — 이 중 아무거나 하나만 설정하면 바로 동작하며, 여러 개를 설정하면 auto 가 다음 순서로 선호합니다: Anthropic → Gemini → OpenAI → Qwen. (career-ops 자체는 CLI 비종속입니다 — Claude Code, Codex, Gemini, OpenCode, Qwen, Copilot 또는 Kimi 안에서도 실행하며, 그것은 이 헤드리스 키와는 별개입니다.)

#/config → API keys & runtime 탭을 엽니다.
**LLM_PROVIDER**에서 공급자를 선택합니다: auto(설정된 키를 사용), 또는 claude / gemini / openai / qwen 로 강제 지정.
선택한 공급자의 키 + 모델을 채웁니다:
- Anthropic — ANTHROPIC_API_KEY(console.anthropic.com) 설정, 선택적으로 ANTHROPIC_MODEL(기본값 claude-sonnet-4-6).
- Gemini — GEMINI_API_KEY(aistudio.google.com/apikey) 설정, 선택적으로 GEMINI_MODEL(기본값 gemini-2.0-flash).
- OpenAI — OPENAI_API_KEY(platform.openai.com) 설정, 선택적으로 OPENAI_MODEL(기본값 gpt-5-codex).
- Qwen — QWEN_API_KEY(Alibaba Model Studio / DashScope, dashscope.console.aliyun.com) 설정, 선택적으로 QWEN_MODEL(기본값 qwen-max). 중국 본토 엔드포인트는 raw .env 에서 QWEN_BASE_URL 을 설정합니다.
Save 를 클릭합니다. 키는 부모 프로젝트의 .env 에 기록됩니다; 변경은 즉시 반영됩니다 — 서버 재시작 불필요.
#/evaluate 에서 검증합니다: 채용 URL/설명을 붙여넣고 ⚡ Run live 를 누릅니다. 결과 헤더에 어떤 공급자가 실행됐는지(anthropic / gemini / openai / qwen) 표시됩니다. 어디에도 키가 설정되지 않으면 → 복사-붙여넣기 수동 프롬프트가 대신 제공됩니다.

비밀 값은 저장 후 마스킹되며 결코 로깅되지 않습니다. 모델 id 필드(*_MODEL)는 비밀이 아닙니다.

Profile 탭

v1.32.0 — 항목별 폼. Profile 탭은 더 이상 원본 YAML textarea가 아니라 지원자 / 내러티브 / 보상 접이식 섹션 폼입니다. 저장 시 모델링된 14개 스칼라 경로만 전송하며, 서버가 config/profile.yml에 병합하므로 archetypes·proof_points·커스텀 키가 그대로 보존됩니다. 트레이드오프: 항목 저장은 YAML을 재직렬화하여 # 주석이 사라집니다 — 보존하거나 중첩 배열을 편집하려면 탭 하단의 Advanced: edit raw YAML 디스클로저를 사용하세요. v1.35.0 — 배열 에디터. Target roles·Superpowers(문자열 목록), Archetypes(name/level/fit), Proof points(name/url/hero-metric)용 add/remove 에디터 추가. 동일한 merge-not-replace 보장; 목록을 비우면 키가 깔끔히 제거됩니다. v1.54.3 — Modes 탭 구조화 폼. modes/_profile.md는 더 이상 섹션별 원본 markdown 에디터가 아니라, 문서화된 스키마에서 파생된 필드 폼입니다. 목록형 섹션 — Target Roles / Adaptive Framing / Comp Targets — 은 반복 가능한 라인 항목 입력(행 추가/삭제)으로, 산문 섹션 — Exit Narrative / Location Policy — 은 레이블된 textarea로 렌더링되며, 알 수 없거나 비목록 섹션은 레이블된 verbatim textarea로 폴백합니다. 저장은 여전히 섹션 단위로 병합 — 프리앰블·미변경 섹션·커스텀 섹션이 바이트 단위로 보존됩니다. 전체 파일 편집(섹션 추가/삭제·프리앰블 편집)용 Advanced: raw markdown 디스클로저는 그대로 유지됩니다.

텍스트 영역은 현재 config/profile.yml을 그대로 보여줍니다.
편집 후 💾 Save를 클릭하십시오. 서버가 YAML을 검증하고 (매핑이어야 하고 candidate를 포함해야 함) 파일에 씁니다.
누락된 경우 # Career-Ops Profile Configuration 헤더가 추가됩니다.
#/profile의 읽기 전용 요약이 시각적 동반자입니다.

인식되는 키

키	역할	발급처
`ANTHROPIC_API_KEY`	Anthropic SDK 실시간 호출 활성화. Anthropic + Gemini 모두 설정 시 선호 — JD 채점과 심층 리서치에서 장문 구조화 출력 품질이 더 우수합니다.	https://console.anthropic.com/settings/keys
`ANTHROPIC_MODEL`	기본 `claude-sonnet-4-6` 재정의. 어려운 추론에는 `claude-opus-4-7`, 저렴·빠르게는 `claude-haiku-4-5-20251001` 시도.	—
`GEMINI_API_KEY`	Anthropic 키가 없을 때의 대안. `gemini-eval.mjs`가 `oferta` 모드에 사용. 저볼륨이면 무료 티어로 충분.	https://aistudio.google.com/apikey
`GEMINI_MODEL`	기본 Gemini 모델 재정의.	—
`(서버가 기본 UA 사용)`	러시아 외부에서 `hh.ru` 스캔 시 필요 (단순 User-Agent에는 API가 403 반환). https://dev.hh.ru/admin에서 앱 등록 후 그 UA 문자열 사용.	dev.hh.ru
`PORT`	Express 바인드 포트. 기본 4317.	—
`HOST`	바인드 주소. 기본 `127.0.0.1`. `0.0.0.0` 설정 시 LAN에 UI 노출 — 아직 인증 게이트 없음. Production-readiness 문서 참조.	—

동작

Read (GET /api/config)는 인식되는 모든 키를 반환합니다. 비밀 키 (ANTHROPIC_API_KEY, GEMINI_API_KEY)는 마스킹됩니다 — sk-ant•••••••a1b2 형태로만 보이고 원본은 노출되지 않습니다.
Save (POST /api/config)는 각 값을 검증하고 <parent>/.env에 쓴 다음 실행 중인 프로세스에 즉시 적용합니다. 재시작 불필요.
빈 값은 키 삭제입니다. 러시아 IP / VPN을 비활성화할 때 유용합니다.

스모크 테스트 버튼

저장 후 ▶ Test Anthropic 또는 ▶ Test Gemini를 클릭하면 작은 프롬프트(출력 ≤256 토큰)를 호출합니다. 비용은 거의 없으며 키가 정상 연결되었는지 확인합니다. 성공 시 약 200자 샘플을 반환합니다.

3. 프로필 (`#/profile` — `#/settings`로도 접근 가능)

config/profile.yml의 읽기 전용 카드 요약 뷰입니다. 편집은 App settings → Profile 탭 (#/config → Profile)에서 수행하십시오. 저장은 동일한 파일로 떨어지며, 이 페이지는 새로 고칠 때 다시 파싱합니다.

가장 중요한 필드:

candidate.full_name — 모든 프롬프트에 사용됩니다. 실 운영 스캔 전에 템플릿 Jane Smith를 반드시 교체하지 않으면 생성된 커버 레터가 자리표시자 이름으로 발송됩니다.
candidate.email, linkedin, github — 커버 레터 생성과 apply 체크리스트에서 참조.
target.roles — 수용 직무 명칭. 스캐너의 양성 필터가 (portals.yml::title_filter를 통해) 암묵적으로 사용합니다.
target.comp_total_min_usd — 최소 총 보상. 모든 평가의 D 섹션이 이 값 이하 오퍼를 표시합니다.
target.archetypes — 가장 중요한 필드. 수용 가능한 커리어 패턴(예: Tech-Lead-Backend, Founding-Engineer, Data-Platform). 모든 JD는 이들에 매칭되고 가장 잘 맞는 archetype이 보고서 헤더에 표시됩니다.

Health 페이지는 full_name이 알려진 자리표시자 이름과 일치하는 한 실패하는 Profile customized 체크를 노출합니다.

4. 이력서 (`#/cv`)

모든 평가, 심층 리서치, 커버 레터의 단일 진실 공급원. 부모 프로젝트 루트의 cv.md에 존재합니다.

편집 옵션

직접 붙여넣기 — 왼쪽 텍스트 영역이 마크다운 에디터입니다. 오른쪽 패널은 LLM(과 미래의 리크루터)이 볼 모습을 미러링합니다.
📁 Upload CV — 다음 형식 중 로컬 파일을 선택하면 서버가 마크다운으로 변환합니다:
- 텍스트 형식 — .md, .markdown, .txt, .html, .htm은 그대로 통과 (HTML은 pandoc → GFM markdown).
- 오피스 형식 — .docx, .doc, .odt, .rtf는 pandoc으로 변환 (macOS: brew install pandoc, Linux: apt install pandoc).
- PDF — .pdf는 Poppler의 pdftotext로 추출 (brew install poppler / apt install poppler-utils).
- 변환된 마크다운이 에디터에 채워집니다. 💾 Save로 영속화하십시오. 결과는 정화됩니다 (붙여넣기와 동일한 XSS 제거).
- 하드 캡: 업로드당 10 MB. 더 큰 파일 → 413.
LinkedIn에서 — 가장 쉬운 경로: 부모 프로젝트에서 Claude Code를 열고 /career-ops를 실행, LinkedIn URL을 붙여넣고 extract my CV from this and write it to cv.md라고 요청하십시오.

정화되는 항목

서버 측에서 /api/cv로의 모든 PUT은 stripDangerousMarkdown을 통과합니다:

<script>, <iframe>, <object>, <embed>, <svg>, <style>, <form> 태그 — 완전히 제거.
인라인 이벤트 핸들러 (onclick=, onerror= 등) — 제거.
javascript:, vbscript:, data:text/html URI 스킴 — 무력화.

위 중 하나라도 제거되면 응답에 sanitized: true가 포함되므로 원본에 위험한 내용이 있었는지 알 수 있습니다.

최대 바디 크기: 1 MB. 초과 시 413 반환.

기타 버튼

sync-check — 부모 프로젝트에서 cv-sync-check.mjs 실행. 불일치 항목(CV에는 있지만 data/applications.md archetypes에는 없는 프로젝트 등)을 표시합니다.
📄 Generate PDF — generate-pdf.mjs를 스트림합니다. 출력은 output/*.pdf에 저장됩니다. Playwright 필요 (Health 페이지에서 부모의 node_modules에 설치되었는지 확인 가능). 생성이 완료되면 가장 새 PDF가 기본 다운로드 폴더로 자동 다운로드되며, 페이지의 목록은 이전에 생성한 모든 파일을 유지합니다.

톤/포맷 팁

한 불릿 = 지표 한 개가 있는 한 가지 성과. *“p99 latency 38% 감소”*가 *“performance 개선”*보다 모든 평가 루브릭에서 우수합니다.
섹션 순서: Summary (3–5줄), Experience (역연대순), Projects (최대 5개), Education, Skills (중복 제거, 버즈워드 나열 금지).
1500단어 이내로. 채점 루브릭은 정보 밀도가 높은 텍스트를 좋아하며, 산만한 CV는 노이즈로 감점됩니다.

5. 포털 및 소스 (`portals.yml`)

스캐너 설정은 부모 루트의 portals.yml에 있습니다. 세 섹션이 중요합니다. SPA의 세 섹션(아래)은 scan-job-portals 의 career-ops.org 정식 스키마와 1:1로 일치합니다.

단축 경로: 이제 #/portals URL은 곧바로 App settings로 해석되며, (지역 소스가 구성된 경우) Regional sources 그룹으로 점프합니다 — 그래서 북마크했거나 직접 입력한 #/portals 링크가 더 이상 404가 나지 않습니다 (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]

스캔된 공고는 제목이 positive 키워드 중 하나 이상을 포함하고 negative 키워드 중 어느 것도 포함하지 않을 때 통과합니다. 양쪽 모두 튜닝하십시오. 키워드는 대소문자 무시 부분 일치입니다.

seniority_boost는 세 번째 제목 필터 키입니다. 여기 나열된 키워드는 무엇도 걸러내지 않지만, 매칭된 공고를 결과에서 더 위로 밀어 올려 “Senior Backend Engineer”가 “Engineer”보다 위에 오도록 합니다. 기본값: ["Senior", "Staff", "Lead"]. 타깃 직무가 어떻게 명명되는지에 맞춰 튜닝하십시오.

명확성을 위해 positive 키워드 3–5개로 시작하고 나중에 넓히십시오.

content_filter(선택 — web-ui 1.75.0, parent #974). location_filter 의 최상위 형제 키로, 동일한 positive / negative 키워드 목록을 가지지만 위치가 아닌 채용 공고의 설명 / 스니펫 텍스트에 대해 매칭됩니다:

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

location_filter와 동일한 의미: 키 없음 → 모두 통과. 설명이 비어 있거나 누락된 공고는 통과(누락 데이터는 불이익 없음). negative 일치 → 거부. positive 비어 있음 → 통과. positive 비어 있지 않음 → 최소 한 개의 키워드 일치 필요(대소문자 구분 없는 부분 문자열). ATS 스윕과 지역 스윕 모두에 적용됩니다. 설명 / 스니펫을 제공하는 소스(예: RSS)만 영향을 받으며 — 나머지 공고는 모두 통과 — 본문이 없는 소스의 행이 활성화로 인해 조용히 제거되는 일은 없습니다. 제목은 통과했지만 본문에서 결정적 결격 사유가 드러나는 공고를 제거하는 데 사용합니다.

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

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

스캔된 채용 공고를 위치 문자열(대소문자 구분 없는 부분 문자열)로 필터링하며, ATS 스윕과 지역 스윕 모두에 적용됩니다. 정식 career-ops scan.mjs와 동일한 의미:

location_filter 없음 → 모든 위치 통과(기본값).
위치가 비어 있음/없음 → 통과(누락 데이터는 불이익 없음).
block 일치 → 거부(block이 allow보다 우선).
allow 비어 있음 → 통과(block이 이미 거름).
allow 비어 있지 않음 → 최소 한 개 키워드와 일치해야 함.

portals.yml의 최상위 키(title_filter의 형제, russian_portals 하위 아님).

`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_queries는 AI 기반 Option B 스캔(Claude Code / Codex 내부의 /career-ops scan)을 구동합니다. 인프로세스 npm run scan (공개 보드 API만 호출)에서는 실행되지 않습니다. tracked_companies에 아직 없는 회사의 롤을 발견하고 싶을 때 사용하십시오. 항목을 유지하면서 실행하지 않으려면 enabled: false로 설정하십시오.

`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 }

항목당 필수 필드: name과 careers_url. 선택: api (명시적 Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday 엔드포인트), enabled: true|false로 항목을 삭제하지 않고 포함/제외 가능. ATS 스캐너는 URL 패턴 (job-boards.greenhouse.io/<slug> → Greenhouse 등)에서 ATS를 감지하고 각 회사의 공개 boards-api를 직접 호출합니다. 인식 가능한 ATS가 없는 회사는 건너뜁니다 (/#/scan의 Active Companies 카드에서 회색 ○로 표시).

`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 }

RSS/Atom 피드를 게시하는 모든 채용 보드(LaraJobs, WeWorkRemotely, RemoteOK, golangprojects 등)에 provider: rss 와 rss:(또는 feed_url:) 키를 가진 항목을 추가하기만 하면 스캐너를 연결할 수 있습니다 — 코드 변경 불필요. RSS 어댑터는 각 <item> 을 파싱하고(CDATA + HTML 엔티티, 제목/회사명 태그 제거) 채용 공고로 정규화한 뒤, ATS 소스와 동일한 title_filter / location_filter + 중복 제거 + 파이프라인 추가 흐름을 실행합니다. 이후 RSS 가 #/scan 필터 드롭다운에 선택 가능한 소스로 표시됩니다. (web-ui v1.62.x)

`russian_portals`

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

queries는 hh.ru와 Habr Career의 공고 제목에 대한 대소문자 무시 부분 일치입니다. negative 리스트와의 중복에 주의하십시오 — "Senior PHP"가 queries에 있는데 "php"가 title_filter.negative에 들어가면 스캔이 0건을 반환하고 콘솔이 충돌을 경고합니다.

러시아 포털 구성 — 상세 설정 가이드

v1.29.0은 5개의 러시아어 어댑터를 제공합니다. 두 개는 기본 UA 이상의 설정이 필요 없습니다(habr-career HTML 스크레이프, trudvsem 정부 open-data API — 키 없음, IP 제한 없음). 두 개는 기술 포털의 HTML 스크레이프(getmatch, geekjob — 키 없음)이며, 하나는 hh.ru 표준 API로 러시아 외부 IP에서는 HH_USER_AGENT 환경 변수를 App settings → API keys & runtime에서 설정하지 않으면 403이 발생할 수 있습니다(또는 러시아 IP/VPN 사용).

소스 목록

키	표시명	유형	인증	지역 제한
`hh`	hh.ru	JSON API	`HH_USER_AGENT`(선택)	RU 외부 IP는 403 가능
`habr`	Habr Career	HTML	없음	없음
`trudvsem`	Trudvsem	JSON API(open-data)	없음	없음
`getmatch`	GetMatch	HTML	없음	없음
`geekjob`	GeekJob	HTML	없음	없음

1단계 — `portals.yml` 열기

파일은 부모 프로젝트 career-ops/ 루트에 있습니다(web-ui/ 안이 아님). 아직 없다면 부모 프로젝트의 템플릿을 복사하세요:

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

2단계 — 5개 소스 활성화

russian_portals 블록을 추가/수정하여 스캔할 모든 소스를 나열합니다. 배열 순서는 무관 — 스캐너는 레지스트리 순서로 호출합니다.

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"

3단계 — 쿼리와 필터 튜닝

queries는 스캐너가 각 소스에 대해 검색하는 문자열입니다. 각 쿼리는 소스마다 한 번씩 실행됩니다 — 4 쿼리 × 5 소스 = 1회 스캔당 20회 호출. 스캔 시간을 1분 이내로 유지하려면 리스트를 3–7개로 좁히세요. area는 hh.ru의 지역 코드(다른 소스는 무시). per_page는 쿼리당 반환되는 채용 수 상한. only_remote: true는 어댑터 레벨에서 리모트만 필터(결과 테이블에도 별도 Remote 칩 있음).

흔한 함정

Negative 리스트 충돌. 쿼리의 단어("php", "senior")가 title_filter.negative에도 있으면 모든 결과가 사용자 앞에서 필터링됩니다. 스캔 시 스캐너가 stderr 경고를 출력합니다 — ⚠ config: query "Senior PHP" contains "php" which is in the negative list 라인을 찾으세요. 충돌하는 단어를 negative에서 제거해 해결합니다:

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"

일시적으로 소스 비활성화

데이터를 삭제하지 않고 소스를 비활성화하려면 sources에서 그 키만 제거하세요:

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

설정 확인

portals.yml 저장 후:

# 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 부트스트랩 흐름 (scan-job-portals)

부모 루트에서 한 번 실행하는 career-ops 정식 설정:

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

이것이 전체 부트스트랩입니다. 세 섹션(title_filter, tracked_companies, search_queries, 선택적 russian_portals)을 편집하고 저장하면 스캔할 준비가 끝납니다.

SPA 부트스트랩 동작

최초 실행 시 서버는 portals.yml에 russian_portals: 블록이 없으면 문서화된 형태로 덧붙입니다 — 멱등적입니다 (두 번째 부팅은 no-op. 리터럴 russian_portals: 라인이 이미 있기 때문). 영문 섹션은 자동 주입되지 않습니다. 위의 정식 부트스트랩대로 templates/portals.example.yml을 복사해서 얻으십시오.

6. 상태 (`#/health`)

OK / OPTIONAL / FAIL 배지로 표시되는 모든 설정 게이트. “동작하지 않습니다” 이슈를 등록하기 전에 먼저 읽으십시오.

AI 사용량 및 비용. AI 사용량 페이지(💳, 상태 옆)는 실시간 AI 생성에 쓴 토큰을 제공자별로 24시간/7일/30일/전체로 보여주며, 편집 가능한 가격표 기반 예상 USD 비용을 함께 표시합니다(청구 안 됨). 컴팩트한 사용량 미터도 모든 페이지의 왼쪽 사이드바 하단에 고정됩니다 — 동일한 24h/7d/30d 토큰 합계와 24시간 예상 비용이 실시간으로 갱신되며, 메뉴는 항상 그 위로 가려지지 않고, 헤더를 클릭하면 접힙니다.

필수 체크 (없으면 시스템 동작 불가)

Node version ≥ 18 — 서버가 네이티브 fetch와 node:test를 사용합니다.
Project root — CAREER_OPS_ROOT(환경 변수 또는 자동 감지)가 존재합니다.
cv.md, config/profile.yml, portals.yml, data/applications.md, data/pipeline.md, modes/oferta.md.

선택 체크 (경고만)

Profile customized — candidate.full_name이 템플릿 자리표시자가 아님.
GEMINI_API_KEY / ANTHROPIC_API_KEY — .env에 설정됨.
(서버가 기본 UA 사용) — 러시아 외부에서 hh.ru 스캔 시에만 중요.
Playwright (parent node_modules) — PDF 생성과 check-liveness.mjs에 필수. 설치: cd $CAREER_OPS_ROOT && npm install && npx playwright install chromium.
Parent project dependencies — 누락 시 cd $CAREER_OPS_ROOT && npm install.
data/, reports/, output/, jds/ 디렉터리 — 첫 쓰기 시 자동 생성.

서버가 loopback 외부에 노출되면 (HOST=0.0.0.0) 절대 경로와 정확한 Node 버전은 응답에서 "hidden"으로 대체되어, 호기심 많은 이웃이 설치 환경을 핑거프린팅할 수 없습니다.

실행 버튼

▶ Doctor는 node doctor.mjs를 실행하고 모달에 출력 표시.
▶ Verify pipeline은 node verify-pipeline.mjs 실행.

7. 검색 (`#/scan`)

스캐너는 활성화된 모든 보드를 크롤링하고 이력과 중복 제거한 다음 hits를 data/last-scan.json과 data/pipeline.md에 기록합니다.

검색 + 제외. 검색 상자는 쉼표를 OR로 취급하고(“찾을 역할”), 새 제외 필드는 쉼표로 구분된 단어와 일치하는 행을 숨깁니다. 둘 다 저장된 검색에 저장됩니다.

원클릭 스캔 (SPA)

🌐 Scan은 활성화된 모든 소스를 한 번에 실행합니다:

Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (ATS 스윕) — 인식 가능한 ATS URL을 가진 tracked_companies의 모든 회사.
v1.75.0 애그리게이터 — 하나에 옵트인한 tracked_companies의 각 항목: RemoteOK / Remotive / Working Nomads(보드 전체 리모트 피드, provider: <slug>)와 IBM / Arbeitsagentur / Glints / Jobstreet · SEEK(설정 기반, 항목별 <provider>: 블록).
hh.ru API + Habr Career + Trudvsem + GetMatch + GeekJob — russian_portals의 모든 쿼리.

한 번의 클릭으로 두 단계 (v1.29.2). 단일 🌐 Scan 버튼이 ATS 스윕과 지역 스윕을 모두 하나의 SSE 스트림으로 실행합니다. 로그에는 두 개의 단계 헤더가 순서대로 나타납니다:

▶ ATS scan (Greenhouse + Ashby + Lever) — EN ATS 보드.
▶ Regional scan (hh.ru + Habr Career) — 레지스트리의 5개 RU 소스.

각 단계는 ✓ done · NEW=N 요약으로 끝납니다. ATS 단계만 보인다면 stand가 v1.29.2 이전 빌드입니다 — 업그레이드하세요. v1.29.2 이전에는 SSE 클라이언트가 첫 done에서 닫혀 지역 단계가 조용히 누락되었습니다.

스캔이 진행되는 동안 SSE 라이브 로그가 오른쪽 패널에 흐릅니다. 중단하려면 Stop을 클릭하거나 페이지에서 나가면 됩니다. 서버는 진행 중인 HTTPS 요청을 AbortController로 취소합니다.

결과 필터링

로그 아래에서 결과 테이블이 data/last-scan.json의 행을 렌더링합니다.

v1.78.1 — 실시간 자동 새로고침. 이제 결과 테이블이 스캔이 진행되는 동안 자동으로 갱신되며, 스캔이 끝난 직후 한 번 더 갱신됩니다 — 수동 새로고침이나 페이지 전환이 필요 없습니다.

v1.80.0 — Max per source & 소스 격리(quarantine). Scan 버튼 옆의 Max per source 필드는 각 보드가 기여하는 채용 수를 제한합니다(빈 값/0 = 무제한, 기본값) — 거대한 보드 하나가 결과를 지배하지 않도록 할 때 유용합니다. 별도로, 영구적인 404 / 410을 반환하는 소스는 data/scan-quarantine.json에 기록되어 이후 스캔에서 건너뜁니다(자가 복구: 14일 후 재시도). 따라서 죽은 슬러그가 더 이상 로그를 어지럽히지 않습니다. portals.yml에서 scan_quarantine: false로 비활성화할 수 있습니다.

필터:

자유 텍스트 — 제목/회사에 대한 부분 문자열 일치.
Source 드롭다운 — 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(GET /api/scan/sources에서 자동 생성).
Remote / Hybrid / Onsite 드롭다운.
Country 드롭다운 (v1.78.0) — 현재 결과에서 감지된 국가들로 채워지는 지리 필터로, 각 항목은 국기 이모지와 개수와 함께 표시됩니다(예: 🇩🇪 Germany (12)). 하나를 선택하면 그 국가에 묶인 역할만 남습니다. 감지는 공고의 자유 텍스트 위치(국가명/별칭 + ~100개 주요 채용 시장 도시)를 국가로 매핑합니다. 보수적이며 결코 추측하지 않으므로, 위치를 확인할 수 없는 공고 — 또는 순수 “Remote” 공고 — 는 All countries 아래에 남습니다. 근무 형태 드롭다운과 결합하면 국가에 묶인 역할과 원격 역할을 모두 찾을 수 있습니다.
Posted within 드롭다운 (v1.80.0) — 클라이언트 측 기간 필터(Last 24 hours / 7 days / 30 days). pubDate가 더 오래된 행은 숨겨집니다. 날짜가 없는 행은 통과합니다(누락된 데이터에는 불이익이 없음).
★ Favorites (v1.80.0) — 행의 ☆를 클릭하면 채용을 즐겨찾기에 추가합니다(URL 기준으로 localStorage에 저장). 필터 패널에서 ★ Favorites를 체크하면 즐겨찾기한 행만 표시됩니다. 즐겨찾기는 스캔과 새로고침을 거쳐도 유지됩니다.
Saved searches (v1.80.0) — 필터 위의 바: 현재 필터 세트에 이름을 붙여 💾 Save한 다음, 드롭다운에서 다시 적용하거나 🗑 Delete할 수 있습니다. localStorage에 저장되며, 손상되거나 편집된 값은 깔끔하게 빈 상태로 초기화됩니다.
스택 칩 (PHP / Go / Backend / Senior / …) — 각 행에 대해 Skills.detectTech와 Skills.detectLevel이 자동 감지합니다. 다중 선택은 교집합 — PHP + Senior 선택 시 두 가지 모두 가진 행만 표시됩니다.
동적 칩 — 정적 스택 칩 아래에 제목의 대문자 토큰 중 빈도 상위 25개를 보여주어, 백엔드 엔지니어 어휘에 갇히지 않고 실제로 스캔하는 롤(마케팅, 디자인, 재무 등)에 UI가 적응하도록 합니다.

Active Companies 카드

portals.yml의 모든 회사를 스캔 상태와 함께 보여주는 접이식 카드:

✓ 초록 태그 — 직접 API 지원 (Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday).
○ 회색 태그 — 웹 검색 프롬프트 폴백 (API 매칭 없음).

회사 이름 클릭 → 위 결과 필터에 그 이름이 채워집니다. ↗ 아이콘 클릭 → 회사의 careers_url을 새 탭에서 엽니다.

CLI 스캔 흐름 (scan-job-portals)

CLI 쪽에서 스캔하는 두 가지 방법 (둘 다 SPA가 읽는 동일한 data/pipeline.md에 URL을 적재):

옵션 A — 직접 스크립트 (~30초, AI 토큰 0):

npm run scan                          # 모든 Greenhouse/Ashby/Lever 보드
npm run scan -- --dry-run             # 영속화 없이 미리보기
npm run scan -- --company Anthropic   # 하나의 tracked company로 좁히기

Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (인식 가능한 ATS URL)에서만 동작합니다. 공개 boards API를 직접 호출하므로 AI 토큰을 소비하지 않습니다.

옵션 B — AI 기반 브라우저 스캔:

/career-ops scan

Claude Code / Codex / Cursor / Gemini CLI 내부에서. 모델 토큰을 사용합니다. 각 tracked_companies 페이지를 직접 방문하며 API가 없는 보드(채용 페이지, 커스텀 ATS, 지역 포털)도 발견할 수 있습니다. 느리지만 더 넓습니다. 채용 중인 것이 분명한 타깃에서 ATS 스윕이 아무것도 반환하지 않을 때 유용합니다.

출력 (양쪽 모두) — 새 JD URL이 data/pipeline.md에 append되고, 방문한 모든 URL이 data/scan-history.tsv에 로그됩니다(미래의 모든 스캔에 걸친 중복 제거). 요약 출력: 스캔된 회사 수 · 발견된 잡 수 · 제목으로 필터된 수 · 건너뛴 중복 수 · 추가된 새 오퍼 수.

Score별 액션 임계값 (/career-ops pipeline이 새 URL을 배치 채점한 후 적용):

Score	권장 다음 단계
≥ 4.5	`/career-ops apply` — 적합도 높음. 즉시 지원
4.0 – 4.4	지원 또는 `/career-ops contacto`로 warm intro
3.5 – 3.9	`/career-ops deep` — 먼저 리서치
< 3.5	특별한 개인 사유 없는 한 건너뜀

SPA의 #/dashboard와 #/tracker는 4.0 이상 모든 행을 강조하여, 어떤 것도 재실행하지 않고 다음 액션을 고를 수 있게 합니다.

후속 명령

채점 후 정식 후속 명령:

/career-ops apply — 맞춤형 답변으로 지원서 작성.
/career-ops contacto — LinkedIn / 이메일 outreach 초안.
/career-ops deep — 회사/롤 심층 리서치.
/career-ops tracker — 파이프라인 상태 보기.

hh.ru — 웹사이트에서 스크랩 (2026년 7월부터 러시아 IP 필요)

hh.ru는 Habr Career와 같은 방식으로 공개 검색 웹사이트(hh.ru/search/vacancy)를 읽어 스캔합니다 — 키도 설정도 필요 없습니다. 다만 2026년 7월부터 hh.ru는 러시아 밖 IP에 HTTP 451(지역 법적 차단)을 반환하므로, 스캔은 러시아 IP에서만 동작합니다 — 러시아에서 서버를 돌리거나 러시아 출구 노드가 있는 VPN을 쓰세요. 첫 451(또는 안티봇 403)이 나오면 스캐너는 남은 실행 동안 hh.ru를 비활성화하고 로그에 알리므로, 다른 러시아 소스는 정상적으로 완료됩니다. JSON API(api.hh.ru)는 의도적으로 쓰지 않습니다: IP·User-Agent와 무관하게 모든 프로그램 클라이언트에 403 forbidden을 반환합니다.

올바르게 보이는 네트워크에서도 hh.ru는 출구 IP를 VPN/프록시로 판정하고(데이터센터/호스팅 IP는 모두 해당) 스캔을 /vpncheeck 중간 페이지(“VPN мешает работе сайта”)로 302 리디렉션할 수 있습니다. 이 페이지는 채용 공고가 0건인 HTTP 200을 반환합니다. 스캐너는 이 리디렉션을 감지해 남은 실행 동안 hh.ru를 비활성화하고 로그에 기록합니다. 해결책은 네트워크 쪽에 있습니다: 트래픽이 실제로 가정용 IP로 나가는지 확인하세요 — 브라우저 토글을 꺼도 시스템 전역 VPN이나 프록시는 계속 켜져 있는 경우가 많습니다(실제 출구 IP는 api.ipify.org 등에서 확인).

8. 파이프라인 (`#/pipeline`)

평가 대기 URL의 inbox. data/pipeline.md에 존재합니다.

개요 스트립. 상단의 컴팩트 스트립이 파이프라인을 한눈에 — 받은함 URL 수, 추적 수, Applied/Responded/Interview/Offer 수를 보여주며 각각 트래커로 연결됩니다.

URL 추가

세 가지 방법:

입력란에 URL을 입력/붙여넣고 + Add 클릭.
상단 바의 전역 검색(배지에 Enter라고 표시됨)을 사용하세요: http(s)://… 링크를 붙여넣고 Enter를 누르면 auto-pipeline이 열립니다. 다른 텍스트를 입력하고 Enter를 누르면 그 검색어가 미리 채워진 채로 #/scan으로 이동합니다(v1.78.1). 브라우저가 허용하는 곳에서는 Ctrl/Cmd+K로 여전히 검색창에 포커스됩니다. 브랜드 로고는 대시보드로 돌아갑니다.
Scan 실행 (위 참조) — 새 hits가 자동으로 pipeline에 들어갑니다.

모든 URL은 서버 측에서 isValidJobUrl()을 통과합니다. Loopback (localhost, 127.0.0.1), file://, javascript:, IP 리터럴, 템플릿 문자 (<, >, ")를 포함한 문자열은 모두 400.

서버 측 미리보기 패널

pipeline 행을 클릭하면 오른쪽에 미리보기가 로드됩니다. 대부분의 ATS 보드는 CORS 헤더를 보내지 않으므로 브라우저가 직접 가져올 수 없습니다. 서버가 요청을 프록시하고 <script> / <style> / HTML 태그를 제거한 다음 최대 8 KB의 평문을 반환합니다.

미리보기 프록시는 리디렉트를 수동으로 따라가며 홉별 SSRF 검증을 수행합니다 — 모든 Location 헤더가 다시 isValidJobUrl()을 통과하므로 적대적인 보드가 loopback / 사설 IP / file://로 바운스시킬 수 없습니다. 최대 3홉, 15초 타임아웃.

행 액션

▶ — URL이 미리 채워진 채로 #/evaluate?url=…로 이동.
✕ — data/pipeline.md에서 URL 제거.

오른쪽 상단 버튼

⚡ Evaluate first — Evaluate 페이지에서 큐 첫 번째 URL을 열어 채점 준비.
Scan — 더 많은 URL이 필요하면 스캐너로 돌아가기.

9. 평가 (`#/evaluate`)

단일 Job Description을 cv.md와 config/profile.yml에 대해 채점합니다. modes/oferta.md에 따른 구조화된 A–G 평가와 0–5 점수를 반환합니다.

입력

JD를 텍스트 영역에 붙여넣거나, #/pipeline에서 ?url=<href>로 이동합니다 — 페이지가 pipeline 미리보기와 동일한 SSRF-안전 프록시를 통해 URL을 가져와 텍스트 영역에 미리 채웁니다.

💾 Save JD를 클릭하면 JD가 감사 추적용으로 jds/jd-<date>-<ts>.txt에 영속화됩니다 (API 호출에서 save: true도 동일 효과).

폴백 체인

Anthropic — ANTHROPIC_API_KEY 설정 시 선호. 서버는 프롬프트 앞에 <project_context> 블록으로 cv.md, config/profile.yml, modes/_shared.md, modes/oferta.md를 묶습니다 (각 파일 16 KB, 전체 프롬프트 200 KB 소프트 캡). 페이지로 grounded markdown을 직접 반환합니다.
Gemini — GEMINI_API_KEY만 설정된 경우. 서버가 JD를 임시 파일로 두고 gemini-eval.mjs를 스폰합니다. 무료 티어 모델 (gemini-2.0-flash)도 일상적 채점에 충분합니다.
수동 — 키가 없을 때. 페이지가 Claude Code, ChatGPT 또는 다른 LLM에 붙여넣을 수 있는 완성된 프롬프트를 반환합니다.

출력 섹션 (정식 career-ops.org A–F)

v1.15.0 정렬. 블록 글자가 이제 정식 career-ops.org 스키마와 일치합니다. v1.15 이전 보고서는 A–G(C=Risks, F=Verdict, G=Legitimacy)를 사용했으며 호환성을 위해 그대로 렌더링되지만, 새 보고서는 아래 정식 의미의 A–F를 발행합니다. Score와 Legitimacy는 이제 보고서 헤더에 있습니다 (score: 4.2/5, legitimacy: High|Medium|Low).

A. Role Summary — 3불릿 요약 (리스크는 인라인으로 명시). B. CV Match — 매칭된 상위 3개 스킬 + 누락된 상위 3개. C. Strategy — 권장사항: 즉시 지원 / contacto 먼저 / deep 먼저 / skip. v1.15 이전엔 Risks였음. D. Compensation — target.comp_total_min_usd (레거시) 또는 compensation.target_range (정식) 대비. E. Personalization — 강조할 어프로치, archetype별 프레이밍, 커버 레터 / outreach에서 언급할 후크. v1.15 이전엔 Application Strategy였음. F. STAR stories — 롤에 맞춘 즉시 붙여넣기 가능한 1–3개의 S-T-A-R 블록. v1.15 이전엔 Verdict (원점수)였으며, score는 이제 legitimacy와 함께 보고서 헤더에 표시됩니다.

보고서 저장

💾 Save report를 클릭하거나 API 호출의 save 토글을 사용하면 마크다운이 reports/<date>-<company>-<role>.md에 영속화됩니다. 보고서의 파싱된 헤더(Score / Legitimacy / URL)는 Reports 페이지와 Dashboard에 나타납니다.

10개 이상 JD가 있을 때는 배치 평가

단일 JD라면 이 #/evaluate 페이지가 적절한 도구입니다. pipeline에 10개 이상 URL이 큐잉되었다면 JD별 클릭은 비현실적이니 14절의 Batch evaluate 하위 절(부모에서 ./batch/batch-runner.sh 실행)로 점프해서 밤새 돌리고, #/reports / #/tracker에서 결과를 확인하십시오. 전체 흐름: batch-evaluate-offers.

10. 보고서 (`#/reports`)

저장된 모든 평가를 탐색합니다. 카드에는 제목, 날짜, legitimacy 플래그, score (색상 코드: 초록 ≥ 4.0, 노랑 ≥ 3.0, 빨강 그 아래)가 표시됩니다.

카드를 클릭하면 전체 마크다운을 읽을 수 있습니다. 페이지네이션: 페이지당 12개, 하단에 컨트롤.

단일 보고서 뷰에는 다음도 있습니다:

← All reports — 그리드로 돌아감.
🔗 Open JD — 원본 채용 공고를 새 탭에서 엽니다.

11. 트래커 (`#/tracker`)

CRM. 지원당 한 행. data/applications.md에 GitHub-Flavored Markdown 테이블로 존재합니다.

상태 흐름

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

Hired(v1.118.0)는 행복한 최종 상태입니다 — 오퍼를 수락했다는 뜻입니다. 트래커는 축하 배지로 표시하고 취업 성공 배너로 맞이합니다.

상태 허용 목록은 서버 측에서 강제됩니다. POST /api/tracker에서 다른 값을 보내면 Evaluated로 기본 설정됩니다. 정식 Evaluated → Applied 전환은 /career-ops apply 마지막에 Submitted.를 확인할 때 자동입니다 (14절 참조).

컬럼 레이아웃

컬럼	설명
`#`	자동 번호, 영 패딩 (`001`, `002`, …).
`Date`	ISO 날짜 (`YYYY-MM-DD`). 기본 오늘.
`Company`	자유 텍스트. 파이프 (`\|`)와 개행은 자동 이스케이프됩니다.
`Role`	동일.
`Score`	`N/5` 포맷 (예: `4.2/5`).
`Status`	허용 목록 enum.
`PDF`	`generate-pdf.mjs`가 이 행에 대해 성공하면 ✅.
`Report`	대응하는 `reports/*.md`로의 마크다운 링크.
`Notes`	자유 텍스트, 200자 캡.

필터

Status 드롭다운.
Score 드롭다운 — ≥ 4.0 (높음), ≥ 3.0 (중간), < 3.0 (낮음).
Search — 회사 + 롤에 대한 부분 문자열 일치.

모든 필터는 페이지네이터를 1페이지로 리셋합니다. 페이지당 25행.

유지보수 버튼

▶ Normalize는 normalize-statuses.mjs를 실행 — 상태 표기를 재정규화 (applied → Applied, interview → Interview).
▶ Dedup은 dedup-tracker.mjs를 실행 — (company, role) 기준 대소문자 무시 중복 제거.
▶ Merge는 merge-tracker.mjs를 실행 — batch/tracker-additions/*.tsv (부모의 배치 흐름이 Apply 헬퍼로 제출한 지원을 떨어뜨리는 곳)의 대기 항목을 가져옵니다. 중복을 제거하고 처리된 파일을 batch/tracker-additions/merged/로 아카이브합니다. 업스트림 배치 흐름은 batch-evaluate-offers 를 참조하십시오.

행 추가

POST /api/tracker — 바디 { company, role, score?, status?, url?, reportSlug?, notes?, date? }. (company, role) 대소문자 무시로 중복 제거. UI에서는 Evaluate 페이지가 채점 성공 후 “Add to tracker” 버튼을 제공합니다.

12. 심층 조사 (`#/deep`)

구조화된 회사 브리프 생성: 스냅샷, 엔지니어링 문화, 최근 뉴스, Glassdoor 분위기, 인터뷰 프로세스, 협상 레버리지 포인트, 리크루터에게 물어볼 스마트한 질문 3가지.

입력

두 필드 — 회사 이름과 (선택) 롤. 구조를 형성하는 것은 모드 템플릿(modes/deep.md)입니다.

출력 경로

Evaluate와 동일한 폴백 체인:

Anthropic 라이브 (선호) — bundleProjectContext가 cv + profile + _shared.md + deep.md를 인라인. 출력: interview-prep/<company>-<role>.md에 저장되는 10–30 KB의 grounded markdown.
Gemini 라이브 — gemini-eval.mjs 호출. 동일 저장 경로.
수동 프롬프트 — 페이지가 Claude Code (WebFetch + WebSearch가 있어 실제 리서치 가능)에 줄 준비된 프롬프트를 건넵니다.

팁

Anthropic claude-sonnet-4-6은 호출당 보통 1–3분에 약 13 KB의 유용한 텍스트를 반환합니다.
Anthropic SDK는 내장 웹 검색이 없습니다. 최신 뉴스 + Glassdoor 분위기가 필요한 롤은 수동 프롬프트를 Claude Code에 붙여넣어 WebFetch 툴을 사용하게 하십시오.
라이브 실행은 과금됩니다. Sonnet 4.6 심층 리서치 호출 한 번에 약 $0.30–0.50.

13. 모드 프롬프트 (일곱 개 `/#/<mode>` 페이지)

케이던스 보드 (v1.117.0). 팔로업 페이지가 이제 부모의 followup-cadence.mjs 데이터로 구동되는 결정적 케이던스 보드로 열립니다: 지원별 긴급도(🔴 긴급 / 🟠 기한 초과 / 🟡 대기 / 🔵 냉각)와 다음 단계까지의 일수, 그리고 모든 Applied 행에 첫 팔로업 날짜를 고정하는 팔로업 날짜 시드 버튼(followup-seed.mjs --backfill). 부모 스크립트가 없으면 보드는 정직하게 “사용 불가”를 표시합니다.

일곱 개 프롬프트 빌더: Project 아이디어, Training 계획, Follow-up 이메일, Batch 평가, Outreach(리크루터에게), Interview prep 한 장 요약, Patterns 회고. 각각 특정 modes/<slug>.md 템플릿을 감쌉니다:

페이지	Slug	목적
`#/project`	`project`	타깃 롤에 맞춘 포트폴리오 프로젝트
`#/training`	`training`	스킬 갭 분석 → 커리큘럼
`#/followup`	`followup`	인터뷰 후 이메일 초안
`#/batch`	`batch`	다중 JD 배치 평가 프롬프트
`#/contacto`	`contacto`	리크루터/추천 outreach 메시지
`#/interview-prep`	`interview-prep`	특정 인터뷰 라운드 한 장 준비
`#/patterns`	`patterns`	“어떤 패턴이 나를 성공시켰나?” 반성적 분석

공통 형태

각 페이지에 모드별 소형 폼, ▶ Generate prompt 버튼(수동), 그리고 Anthropic 또는 Gemini 키가 있을 때 — 기본 액션으로 격상되는 ⚡ Run live 버튼이 있습니다.

▶ Generate prompt 클릭은 폼 값을 User-supplied context: 블록에 JSON 직렬화한 다음 modes/<slug>.md 템플릿을 그대로 이어 붙인 조립된 프롬프트를 반환합니다. 선호하는 LLM에 복사해 붙여넣으십시오.

⚡ Run live 클릭은 동일 프롬프트를 Anthropic(또는 Gemini)에 보내며, cv.md + profile.yml + _shared.md는 bundleProjectContext로 인라인됩니다. 결과는 페이지에 렌더링되고, 복사 가능하며, .md로 다운로드할 수 있습니다.

이 일곱 페이지는 명시적 허용 목록입니다. 전용 라우트를 가진 모드(oferta → Evaluate, deep → Deep research)와 부모 프로젝트가 Claude Code 내부에서만 지원하는 모드(apply, scan, pipeline, tracker, pdf, latex, ofertas, auto-pipeline)는 의도적으로 이 UI에서 제외됩니다.

14. 지원 체크리스트 (`#/apply`)

지원을 결정한 다음 이 Apply 헬퍼 페이지가 실제 지원 단계용 제출 체크리스트를 생성합니다. 폼을 자동 채우지는 않습니다 — 그 흐름은 부모 프로젝트에서 Playwright를 사용하는 Claude Code 내부의 /career-ops apply에 남아 있습니다.

SPA 체크리스트 모드 (`#/apply`)

SPA의 체크리스트는 Playwright를 호출하지 않고 손으로 폼을 채우려는 사용자를 위한 것입니다. 다음을 다룹니다:

Claude Code에서 /career-ops apply <url>를 실행해 Playwright로 폼을 읽기 (손으로 채울 거면 이 단계 생략).
공고가 여전히 열려 있는지 확인 (check-liveness.mjs).
CV가 최신인지 확인 (cv-sync-check.mjs, 점수 ≥ 4.0이면 PDF).
cv.md의 STAR+R proof points로 커버 레터 / “Why us?” 답변 맞춤화.
EEO / 스폰서십 / 시작일 질문은 진실되게 답변.
제출 전에 채워진 답변을 interview-prep/{company}-{role}.md에 저장.
절대 자동 제출 금지 — 최종 버튼은 사람(여러분)이 클릭.
제출 후: data/applications.md에 행 추가 (또는 batch/tracker-additions/에 TSV 쓰기).

수동 채우기 vs Playwright 보조

실제 제출의 두 경로:

수동 — 일반 브라우저 탭에서 채용 페이지를 열고, 위 SPA 체크리스트를 따르며, 답변을 복사/붙여넣기. Playwright 불필요. 폼이 짧거나 Chromium이 설치되어 있지 않을 때 사용.
Playwright 보조 — Claude Code(부모 프로젝트)에서 /career-ops apply <company> 실행. Playwright가 자체 브라우저를 열고 모든 폼 필드를 읽으며 번호 매긴 초안 답변을 반환합니다. Submit은 여전히 여러분이 클릭. 폼이 길거나 동적일 때, 또는 어떤 질문에 어떻게 답했는지 감사 추적이 필요할 때 사용.

전체 CLI apply 흐름 (apply-for-a-job)

선결 조건:

먼저 /career-ops pipeline을 실행해서 JD가 reports/에 평가 보고서를 갖도록 합니다. apply 명령은 기존 평가에 의존합니다. 평가가 없다면 먼저 pipeline을 실행하십시오.
보고서와 프로필이 로드된 상태.
권장: Playwright 설치 (npx playwright install chromium — 아래 Playwright Setup 참조). 누락 시 WebFetch로 폴백 (텍스트 전용 폼 미리보기, 클릭 채우기 없음).

번호 매긴 흐름 (정식 8단계):

회사 이름과 함께 명령 실행:
```
/career-ops apply <company>
```
예: /career-ops apply Anthropic. 인자 없이 실행하면 다음 턴에 폼 스크린샷, 폼 텍스트 붙여넣기, 또는 지원 URL을 제공합니다.
보고서 찾기. 시스템이 reports/에서 매칭되는 평가 (앞서 /career-ops pipeline 또는 #/evaluate로 만든 것)를 찾습니다.
폼 열기. Playwright가 브라우저 창을 자동으로 띄웁니다 — 직접 여는 것이 아닙니다.
필드 읽기. 시스템이 모든 폼 필드(레이블, 타입, 필수 여부, select의 옵션)를 읽고 파싱합니다.
답변 생성. career-ops가 프로필, proof points, 롤을 기반으로 각 필드에 대한 맞춤형 응답을 만듭니다.
번호 매긴 목록 반환. 폼 레이아웃에 맞춰 답변이 정렬됩니다 — 단순 필드(이름, 이메일)부터, 자유 텍스트(커버 레터, “Why us?”)는 마지막. 플래그 표시는 사람의 주의가 필요한 것 — 급여 앵커, 누락된 이력서 디테일, 선택 질문 — 을 가리킵니다.
수동 채우기. 각 답변을 해당 필드에 복사/붙여넣습니다. 이 단계는 수동이며 자동화되지 않습니다. 모든 답변을 먼저 검토하십시오.
사용자가 제출. Submit은 여러분이 직접 클릭합니다. career-ops는 절대로 Submit을 클릭하지 않습니다. 채팅에 다음을 입력해 완료를 확인합니다:
```
Submitted.
```

Submitted. 시 자동 갱신:

data/applications.md에서 상태가 Evaluated → Applied로 전환.
채워진 답변이 추후 참조용으로 보고서 G 섹션에 영속화.

Tracker로의 핸드오프:

/career-ops tracker

롤 점수와 무관하게 전체 파이프라인 상태를 모니터링합니다.

Batch evaluate (batch-evaluate-offers)

한 번에 채점할 JD가 10개 이상이라면 (SPA의 일대일 #/evaluate는 그 볼륨에 비현실적입니다) CLI의 배치 러너를 사용하십시오.

입력 파일 — batch/batch-input.tsv (탭 구분):

컬럼	목적
`id`	고유 순차 번호
`url`	전체 채용 공고 링크
`source`	출처 플랫폼 (LinkedIn, Greenhouse 등)
`notes`	선택적 맥락 정보

행 예시:

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

./batch/batch-runner.sh 플래그:

--dry-run — 평가 없이 대기 중인 오퍼 미리보기. TSV를 검증할 때 항상 먼저 실행하십시오.
--parallel N — N개 워커를 동시 실행 (1, 2, 3 권장).
--min-score X.X — 임계값 미만 점수의 오퍼는 영속화 건너뜀. 적합도 높은 롤의 보고서만 보관할 때 유용.
--retry-failed — 이전 실행에서 오류 난 오퍼(네트워크 실패, 레이트 리밋)만 재처리.
--max-retries N — 실패한 오퍼를 최대 N번 재시도 (기본 2).
--model NAME — claude -p --model에 전달되는 Claude 모델 (career-ops 1.8.0, #504). 미설정 = Claude Max 구독 기본 모델. 대량 배치에는 더 저렴한 모델 사용, 예: claude-sonnet-4-6. #/batch에서 모델 입력으로 노출 (web-ui 1.31.0).
--start-from N — N 미만의 오퍼 ID 건너뛰기 (부분 처리된 배치 재개). #/batch에서 시작 # 입력으로 노출 (web-ui 1.31.0).

표준 시퀀스:

편집 batch/batch-input.tsv — JD당 한 행.
Dry-run (먼저 권장):
```
./batch/batch-runner.sh --dry-run
```

실행 — 순차 또는 병렬:

./batch/batch-runner.sh                       # 하나씩
./batch/batch-runner.sh --parallel 2          # 두 개 동시
./batch/batch-runner.sh --parallel 3          # 세 개 동시
./batch/batch-runner.sh --parallel 2 --min-score 4.0  # 적합도 높은 것만 영속화

실패 재시도 (네트워크 / 레이트 리밋):

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

Reports는 reports/에 {id}-{company}-{YYYY-MM-DD}.md 형태로 저장됩니다. 요약 행이 batch/tracker-additions/에 append됩니다.

Tracker로 병합:

node merge-tracker.mjs                 # 배치 추가분 적용
node merge-tracker.mjs --dry-run       # 병합 미리보기

병합 명령은 항목을 중복 제거하고 처리된 파일을 batch/tracker-additions/merged/로 아카이브합니다.

SPA는 결과 보고서를 #/reports(페이지네이션, 점수 필 색상)에, tracker 행을 #/tracker에 노출합니다 — 마치 #/evaluate로 각각 추가한 것과 동일합니다. CLI로 내려가는 것을 선호하지 않는다면 #/tracker의 ▶ Merge 유지보수 버튼과 짝지어 사용하십시오.

Playwright Setup (set-up-playwright)

두 가지 career-ops 기능에 필수:

폼 채우기: /career-ops apply 내부 (위 3단계 — Playwright가 브라우저를 열고 필드 레이블을 읽으며 답변을 제안합니다).
PDF 생성: /career-ops pdf 및 #/cv / #/reports/:slug / #/evaluate / #/deep / #/interview-prep의 SPA 📄 Generate PDF 버튼.

Playwright가 없을 때의 폴백: apply 흐름은 WebFetch로 폴백합니다 (텍스트 전용 폼 미리보기, 클릭 채우기 없음). PDF 생성은 그냥 오류가 납니다.

기본 설정 (career-ops 부모 루트에서 실행):

# Playwright용 Chromium 설치
npm install
npx playwright install chromium

# Claude Code가 폼을 구동할 수 있도록 Playwright MCP 등록
claude mcp add playwright npx @playwright/mcp@latest

# 세 컴포넌트(Chromium, Playwright lib, MCP) 모두 검증
npm run doctor

대안 MCP 등록 — .claude/settings.local.json에 추가:

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

동작 노트:

기본 헤드리스. Playwright는 조용히 동작합니다. 브라우저를 실제로 보고 싶다면 Claude에게 open up with playwright the browser and fill out the entire form.이라고 지시하십시오.
한 패키지 안의 세 가지 역할 — Playwright npm 설치는 브라우저 자동화 라이브러리, /career-ops pdf용 PDF 렌더링 엔진, 그리고 (MCP를 통해) Claude Code 안의 폼 채우기 워크플로를 모두 제공합니다.
신뢰하기 전에 검증 — npm run doctor가 세 가지가 모두 작동함을 확인합니다. SPA의 Health 페이지는 누락 시 빠르게 실패하는 Playwright (parent node_modules) 체크를 노출합니다.

15. 인터뷰 준비

리서치 이후, 인터뷰 이전 단계. 이 앱의 세 가지 산출물이 수렴합니다:

저장된 심층 리서치 파일: interview-prep/ 아래, 실행한 회사-롤 쌍마다 하나. Deep research 페이지에서 또는 직접 /api/interview-prep로 탐색.
Patterns 모드 (#/patterns) — 자기 성찰 프롬프트 생성: “지난 N건의 인터뷰 / 오퍼 / 거절을 가로질러 어떤 패턴이 있는가?” tracker 행이 5개 이상 쌓였을 때 유용.
Interview-prep 모드 (#/interview-prep) — 다가오는 특정 라운드(behavioral, technical, system design)를 위한 한 장 요약을 미리 채워줍니다. 출력은 동일한 interview-prep/ 폴더로 떨어집니다.

권장 워크플로

예약된 각 인터뷰에 대해:

Deep을 재실행 (또는 저장 파일 열기)을 전날 수행.
#/interview-prep — 해당 라운드용 한 장 요약 생성. 메모에 붙여넣기.
System design / 코딩 라운드 — #/training을 열어 JD가 강조하는 특정 서브시스템에 대한 30분 타깃 복습 요청.
보상 라운드 — 심층 리서치 파일을 열고 “Negotiation leverage points”로 이동. 2–3개의 구체적 데이터 포인트 (Glassdoor 밴드, 최근 펀딩, 다른 회사의 비교 가능 오퍼) 준비.
Behavioral 라운드 — 원본 Evaluate 보고서 B 섹션에 들어간 cv.md의 STAR+R 스토리를 꺼내기.

인터뷰 직후:

tracker 행 갱신: 상태 → Responded (그 다음 Interview, Offer 등).
#/followup 실행 — 감사 이메일 초안 작성.
새 정보(보상 범위, 팀 구성, 기술 스택의 의외성)를 얻었다면, 저장된 interview-prep/<company>-<role>.md에 ## Post-round notes로 편집해 둬서 미래의 자신이 가질 수 있게 하십시오.

16. Activity log + 문제 해결

Activity log (`#/activity`)

서버에 도달하는 모든 상태 변경 요청의 감사 추적. 기록: pipeline 추가, tracker 쓰기, CV 저장, JD 저장, evaluate 실행, deep research 실행, scan 실행, 설정 변경, 모드 실행.

비밀(ANTHROPIC_API_KEY, GEMINI_API_KEY)은 들어오는 과정에서 편집됩니다. data/activity.jsonl에서 실제 키 값을 보는 일은 없습니다.

액션 프리픽스 (pipeline., cv., evaluate, scan. 등)로 필터링. 페이지당 25행. 서버는 가장 최근 이벤트 최대 500개를 반환합니다.

문제 해결

증상	가능한 원인	해결
Health 페이지에서 `cv.md`가 빨강	최초 실행, 파일 아직 없음	`touch $CAREER_OPS_ROOT/cv.md` 후 새로고침.
`Profile customized`가 빨강	`candidate.full_name`이 여전히 `Jane Smith`	`config/profile.yml` 편집.
스캔 로그에 `hh.ru: HTTP 403`	러시아 외부 IP, `(서버가 기본 UA 사용)` 미설정	`dev.hh.ru/admin`에 등록, 러시아 IP / VPN 사용.
`gemini-eval.mjs: ERR_MODULE_NOT_FOUND`	부모 프로젝트 의존성 미설치	`cd $CAREER_OPS_ROOT && npm install`.
Generate PDF 오류	부모에 Playwright 미설치	`cd $CAREER_OPS_ROOT && npx playwright install chromium`.
`/career-ops apply`가 “no report found”라 함	Pipeline이 이 JD를 채점한 적 없음	`/career-ops pipeline` (또는 `#/evaluate`) 먼저 실행. 14절 선결 조건 참조.
`batch-runner.sh: no such file`	잘못된 디렉터리에서 실행	`./batch/batch-runner.sh` 호출 전에 `cd $CAREER_OPS_ROOT`.
서버가 `EADDRINUSE: 4317` 보고	기존 인스턴스 실행 중	`pkill -f 'node server/index.mjs'` 후 재시작.
라이브 LLM 호출이 2분 이상 멈춤	프롬프트가 거대하거나 Anthropic이 느림	`/api/health`의 Anthropic 플래그 확인. 서버는 프롬프트를 200 KB 소프트 캡으로 자르고 413을 반환합니다.
Pipeline 미리보기에 `(unsafe redirect)`	공고가 사설 IP / loopback으로 리디렉트	보안 기능입니다(REVIEW-B1). 리디렉트 타깃은 거부되고 원본 URL은 변경되지 않습니다.
Tracker 행이 테이블을 깨뜨림	v1.9.1 이전의 회사 이름 파이프	v1.9.1+로 업데이트 — 파이프는 종단 간 이스케이프됩니다 (BF-1).
신선한 클론에서 `npm test` 실패	테스트가 부모 프로젝트 레이아웃 가정	`CAREER_OPS_ROOT=$(mktemp -d)` 사용 및 픽스처 부트스트랩.

더 깊은 진단: Health 페이지에서 ▶ Doctor 실행, 출력 복사, https://github.com/Fighter90/career-ops-ui/issues의 이슈 트래커에서 검색하십시오.

17. 새 채용 포털 소스를 추가하는 방법

career-ops-ui는 각 채용 사이트를 어댑터로 취급합니다 — server/lib/sources/<slug>.mjs 아래의 단일 파일이 한 사이트의 결과를 가져오고 정규화하는 방법을 알고 있습니다. v1.118.0 기준으로 server/lib/sources/ 레지스트리는 59개의 어댑터를 포함합니다 — 영문 54개 + 러시아어 5개 보드. 영문 세트는 주요 ATS(Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday), 명시적 provider:로 선택되는 보드 전체 애그리게이터(RemoteOK, Remotive, We Work Remotely, NoDesk, Get on Board, Amazon, …), 그리고 careers_url 호스트 또는 명시적 api: URL에서 자동 감지되는 테넌트별 ATS(BambooHR, Personio, Recruitee, Teamtailor, Avature, SAP SuccessFactors, …)를 아우릅니다. 전체 목록은 여기서 손으로 셀 필요가 전혀 없습니다 — server/lib/sources/에서 자동으로 검색되어 #/scan의 Source 드롭다운에 실시간으로 표시됩니다. YAML은 §5, 복사·붙여넣기 항목은 docs/portals-examples.md를 참조하세요.

v1.69.0 (P-14) — 드롭인 자동 검색. 12번째 소스 추가는 이제 순수 파일 드롭입니다. 레지스트리 (server/lib/sources/registry.mjs)는 더 이상 직접 관리하는 목록을 유지하지 않습니다 — 부팅 시 이 폴더를 스캔하고(readdirSync + 동적 import()) 모든 *.mjs에서 export const meta 블록을 수집합니다. 어댑터를 작성하고 meta를 선언하면 스캐너, #/scan 필터 드롭다운, RU 디스패처에서 즉시 보입니다 — registry.mjs 편집 불필요. (RU 소스는 여전히 부모의 portals.yml에 한 줄이 필요합니다; 5단계 참조.)

1단계 — 어댑터 작성

server/lib/sources/<slug>.mjs를 생성합니다. 소스에 JSON API가 있는지 HTML만 렌더링하는지에 따라 두 가지 패턴이 동작합니다:

API 기반 소스 (가장 깔끔 — 사이트에 열린 데이터 엔드포인트가 있을 때 사용):

// 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 스크레이프 소스 (API가 없을 때 — getmatch.mjs와 geekjob.mjs에서 전체 예시 확인):

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.
}

모든 어댑터가 반드시 지켜야 할 세 가지 계약:

유효한 meta 블록 내보내기 (2단계 참조). 없으면 레지스트리가 파일을 조용히 건너뜁니다(부팅 시 console.warn 한 번) — 소스가 드롭다운에 절대 나타나지 않습니다.
opts에서 { onlyRemote, fetchImpl, signal } 수용. fetchImpl이 있어야 네트워크 없이 어댑터를 테스트할 수 있고, signal은 클라이언트 연결 해제 전파에 필요합니다(REVIEW-B3).
공통 형태로 레코드 반환 — { id, title, company, url, salary, location, isRemote, workplaceType, relocates, date, snippet, source }. 여기서 source는 meta.value와 일치해야 합니다.

2단계 — 어댑터의 `meta` 선언 (자동 등록)

이것이 등록 단계의 전부입니다. registry.mjs는 편집하지 않습니다. 어댑터가 meta 블록을 내보내기만 하면 — 레지스트리가 부팅 시 자동으로 검색합니다:

// 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
};

검색 유효성 검사 방식(규칙 하나라도 실패하면 파일이 건너뛰어지고 [sources/registry] 경고 하나가 남아 반쯤 마이그레이션된 브랜치도 진단 가능):

value — 비어 있지 않은 문자열. 어댑터의 job.source와 일치해야 합니다.
label — 비어 있지 않은 문자열.
region — 정확히 'en' 또는 'ru'; 그 외는 거부됩니다.
configKey — region: 'ru'에는 필수, 'en'에는 무시됩니다.

region: 'en'은 ATS 스윕에 합류하고(tracked_companies URL 패턴에서 자동 검색), region: 'ru'는 지역 디스패처에 합류합니다. 공개 API (SOURCES, SOURCES_BY_REGION, RU_CONFIG_KEYS, getRegionalSources)는 발견된 모든 meta에서 재구성되며, en 먼저 그다음 ru, 각 지역 내에서 레이블 알파벳 순 — 드롭다운 순서가 사용자에게 안정적으로 유지됩니다.

3단계 — 디스패처에 연결 (RU만)

EN ATS 소스는 tracked_companies URL 패턴에서 자동 검색됩니다 — 추가 연결 불필요. RU 소스의 경우 server/lib/ru-scanner.mjs를 열고 RU_DISPATCH 테이블에 행을 추가합니다:

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

디스패처 루프는 cfg.sources에 있는 모든 키에 대해 entry.search(query, opts)를 호출합니다. 추가 코드 변경 불필요.

4단계 — 테스트 (모킹, 실제 네트워크 금지)

tests/sources-<slug>.test.mjs 아래에 파일을 두세요. 실제 네트워크는 테스트에서 금지됩니다(CI-isolation 계약):

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');
});

5단계 — 자신의 `portals.yml`에서 활성화

부모 프로젝트의 portals.yml은 사용자 소유 설정입니다. 새 소스의 configKey를 배열에 추가하세요:

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

브라우저에서 #/scan을 새로 고치세요. 소스 필터 드롭다운이 새 항목을 자동으로 인식합니다(단일 진실 공급원: GET /api/scan/sources → registry.mjs). 🌐 스캔 버튼이 이제 모든 지역 스윕에 새 소스를 포함합니다.

참조 어댑터 (새 소스는 이것들을 미러링하세요)

어댑터 파일	유형	비고
`hh.mjs`	JSON API	표준 RU API 어댑터; 지오 인식 UA 폴백.
`trudvsem.mjs`	JSON API	러시아 정부 오픈 데이터; IP 게이트 없음.
`habr.mjs`	HTML 스크레이프	러시아 기술 게시판; 정규식 기반 카드 파서.
`getmatch.mjs`	HTML 스크레이프	방어적 파서, 파싱 실패 시 `[]`.
`geekjob.mjs`	HTML 스크레이프	GetMatch와 동일한 방어적 스타일.
`greenhouse.mjs`	JSON API	표준 EN ATS 어댑터; `tracked_companies` URL 패턴 사용.

일반적인 함정

meta 내보내기 빠뜨리기. v1.69.0부터 meta 블록이 소스를 등록하는 유일한 수단입니다. meta가 없거나 잘못된 경우 = 파일이 부팅 시 조용히 건너뛰어지고 [sources/registry] <file> has no valid \export const meta` — skipped` 경고 하나만 남습니다. 새 어댑터가 드롭다운에 보이지 않으면 서버 로그를 확인하세요.
source 필드 불일치. 어댑터가 기록하는 문자열은 meta.value와 정확히 일치해야 합니다. 둘이 어긋나면, #/scan 필터 드롭다운에는 소스가 표시되지만 선택하면 모든 행이 걸러집니다(동등성 검사가 r.source === fs이기 때문).
파싱 실패 시 예외 던지기. HTML 스크레이퍼는 파싱 가능한 카드가 없는 정상 200에서 []를 반환해야 합니다. 예외를 던지면 멀티 소스 디스패처 루프가 깨집니다 — 잘못된 HTML 구조 하나가 같은 쿼리의 다른 모든 소스를 죽입니다.
fetchImpl / signal 빠뜨리기. 이것들이 없으면 어댑터는 실제 네트워크에 접속하지 않고는 유닛 테스트할 수 없으며, 클라이언트 연결 해제도 전파되지 않습니다(사용자가 탭을 닫아도 백그라운드 페치가 살아 있습니다).
RU에 tracked_companies 의존. 그 목록은 EN ATS 소스 전용입니다. RU 어댑터는 대신 russian_portals.queries에서 스스로 구동합니다 — 회사별 항목 없음.

18. 알림 (상단바의 🔔)

v1.58.34 — 우측 하단에 나타나는 모든 토스트는 in-memory 저널(최대 50, 오래된 것 삭제)에 캡처됩니다. 상단바의 🔔 을 클릭하면 우측 슬라이드 알림 드로어가 열려 놓친 메시지를 다시 확인할 수 있습니다. 저널은 탭/세션 단위 — 탭을 닫으면 비워집니다.

드로어는 벨 클릭 시에만 열립니다(또는 키보드 포커스 + Enter / Space). 자동으로 열리지 않습니다. 빨간 배지는 마지막 열람 후 안 읽은 개수를 표시하고, 열면 초기화됩니다.

카테고리

카테고리	발생 시점	시각적 신호
성공	`Saved`, `Copied`, `Refreshed`, 스캔 완료, CV 임포트, apply-checklist 액션, 프로필 저장	왼쪽 테두리 녹색; 녹색 토스트 배경
오류	URL 검증 실패, `(METHOD /path · HTTP NNN)` 접미사가 붙은 API 오류, 네트워크 실패, pipeline-400 중복, doctor/verify 비정상 종료	왼쪽 테두리 빨강; 빨간 토스트 배경; 기술 접미사는 `세부 정보` `<details>` 에 격납 (U-4)
정보 / 진행	`Running doctor.mjs…`, `Running verify-pipeline.mjs…`, `Refreshing…`, `Loading…`, 스캔 진행	왼쪽 테두리 회색

각 항목: 시각(HH:MM:SS, 현재 언어), 메시지(U-4 로 헤드라인은 정리됨), 있을 경우 (METHOD /path · HTTP NNN) 등 기술 세부 사항(monospace).

알림이 아닌 것

Doctor / verify 결과 모달(모달은 토스트와 별개, 저널 외).
#/scan / #/auto 의 SSE 로그(페이지 본문에 직접 출력).
토스트 없는 spinner-only 로딩 상태.

키보드

벨 클릭 또는 focus + Enter / Space → 드로어 열기.
Esc, ×, 벨 재클릭 → 닫기; 포커스 벨로 복귀.

19. 앱을 내 언어로 현지화하기

인터페이스는 9개 언어로 제공됩니다(English, Español, Français, Português, 한국어, 日本語, Русский, 简体中文, 繁體中文). 화면의 모든 라벨은 번역 사전에서 오며, 앱 로직을 건드리지 않고도 언어를 추가하거나 수정할 수 있습니다.

번역이 있는 곳. v1.60.0부터 각 언어는 public/js/lib/locales/ 아래 자체 파일입니다 — i18n-dict.en.js, i18n-dict.es.js, i18n-dict.ru.js 등 — '키': '텍스트' 쌍의 단순한 목록입니다. 공용 i18n-dict.aliases.js는 항상 동일하게 표시되어야 하는 키(사이드바 라벨과 그 페이지 제목)가 하나의 번역을 가리키게 합니다. i18n-dict.js가 로드 시 이를 조립하며, 직접 편집하지 않습니다.

문구 수정/추가. 해당 언어 파일을 열고 키(예: 'nav.scan')를 찾아 텍스트를 수정합니다. 새 라벨을 추가하려면 8개 언어 파일 모두에 같은 키와 번역값을 추가한 뒤 페이지에서 t('your.key')로 사용합니다. npm test를 실행하세요 — 어느 언어든 키가 빠지면 실패하므로 절반만 번역된 채 배포되지 않습니다.

새 언어 추가. i18n-dict.en.js를 i18n-dict.<code>.js로 복사해 모든 값을 번역한 뒤, 코드를 i18n.js(언어 목록 + 브라우저 자동 감지)와 i18n-dict.js 조립기에 등록하고 index.html에 <script> 한 줄을 추가합니다. 테스트 스냅샷과 도움말 / README 동반 파일을 포함한 전체 체크리스트는 docs/LOCALIZATION.md에 있습니다.

알아두면 좋은 점. 언어 전환기는 사이드바 하단에 있으며, 선택은 브라우저별로 기억됩니다. 서버 진단 메시지는 의도적으로 영어로 유지됩니다(로그 일관성) — 화면 인터페이스만 번역됩니다.

전체 단계별 현지화 가이드는 저장소의 **docs/LOCALIZATION.md**를 참조하세요.

20. 목표 직무별 통계 (`#/stats`)

Analytics → 목표 직무 통계 페이지는 스캔이 이미 수집한 희소한 데이터를, 실제로 목표로 삼고 있는 직무에 대한 시장 그림으로 바꿔줍니다. 국가별 채용 공고 수와 급여 수준, 그리고 시간에 따라 추적할 수 있는 추세를 보여줍니다. 아무것도 지어내지 않습니다. 스캐너가 찾아낸 것만 집계하며, 표본이 얼마나 얇은지에 대해서도 솔직합니다.

숫자의 출처

목표 직무는 프로필(config/profile.yml → target roles)에서 읽어오며, 하드코딩되어 있지 않습니다. 먼저 #/profile에서 설정하세요. 직무가 없으면 이 페이지는 빈 차트 대신 “목표 직무를 설정하세요”라는 안내를 표시합니다.
채용 공고는 최신 스캔에서 가져옵니다(먼저 #/scan에서 한 번 실행하세요). 각 공고의 위치는 국가로 매핑되고(스캔의 국가 필터와 동일한 감지기), 급여 문자열은 파싱되어 근사 환율표를 통해 USD로 정규화됩니다.
모든 집계는 브라우저 안에서 이루어집니다. 어떤 데이터도 기기를 벗어나지 않으며, 이 페이지가 기록하는 유일한 것은 사용자가 명시적으로 저장하는 스냅샷뿐입니다.

차트 읽는 법

국가별 채용 공고 수: 일치하는 공고가 각 국가에 몇 개 있는지. 상단의 직무 및 국가 필터를 사용해 하나의 목표 직무나 하나의 국가로 좁힐 수 있습니다.
국가별 중위 급여(USD): 국가별로 파싱된 급여의 중앙값. 파싱 가능한 급여가 있는 공고만 집계되며, 표본 크기는 차트 옆에 표시됩니다. 금액은 대략적인 환율로 환산되므로 정확한 값이 아니라 참고용으로 읽으세요. 단독 ¥(일본 엔과 중국 위안 사이에서 모호함)는 큰 FX 왜곡을 피하기 위해 추측하지 않고 버립니다.
현재 스캔에 파싱 가능한 급여가 없으면, 급여 차트는 숫자를 지어내는 대신 그 사실을 알립니다.

스냅샷 저장 및 추세 추적

스냅샷 저장을 클릭하면 현재 집계가 data/role-stats.jsonl에 추가됩니다. 각 스냅샷은 서버에서 타임스탬프가 찍힙니다. 스냅샷은 이 페이지가 기록하는 유일한 항목이며, CV나 프로필을 절대 건드리지 않습니다.
추세 차트는 저장된 스냅샷 전반에 걸쳐 채용 공고 수를 표시합니다. 주기적으로(예: 매주 스캔 후) 하나씩 저장하면 목표 직무에 대한 시장이 시간에 따라 어떻게 움직이는지 볼 수 있습니다.

21. 당신의 투페이저 — 지원자 시장 적합도 (`#/two-pager`)

career-ops-ui의 대부분은 “이 채용 공고가 내 CV와 맞는가?“를 묻습니다. **투페이저(two-pager)**는 나머지 절반, 즉 “이 채용 공고가 내가 실제로 원하는 것과 맞는가?“에 답합니다. 이는 Never Search Alone에 나오는 **“Mnookin 투페이저”**를 모델로 삼은 것으로, 무엇이 당신에게 활력을 주는지, 무엇을 필수로 요구하는지, 무엇을 받아들이지 않을지를 1인칭으로 짧게 서술한 문서입니다. **Setup → Two-pager 🎯**에서 엽니다.

AI 자동 채우기 + 내보내기(v1.100). “✨ AI 채우기 도우미”가 이제 이력서에서 모든 필드를 실시간으로 채웁니다(검토 후 저장); 👁 미리보기 및 내보내기는 투페이저를 렌더링하고 Markdown, PDF, DOCX로 내보냅니다.

무엇을 입력하나

나는 누구인가 — 당신의 경력과 잘 해내는 역할의 형태에 대한 몇 문장의 1인칭 서술.
목표 환경 — 원하는 회사 규모, 단계, 문화.
다섯 개의 칩 목록 — 입력한 뒤 Enter(또는 쉼표)를 눌러 각 항목을 추가하고, **×**를 클릭해 제거합니다:
- 내가 좋아하는 것 — 활력을 주는 요소(원격 근무, 오너십, 신규 개발, 멘토링…).
- 반드시 필요한 것 — 강한 요구 사항(연봉 하한선, 국가, 기술 스택…).
- 내가 싫어하는 것 — 기운을 빼앗는 요소(온콜, 끝없는 회의, 레거시 전담…).
- 협상 불가 조건(Deal-breakers) — 절대 안 되는 것(온사이트만 가능, 비자 스폰서 없음, 특정 금액 미만…).
- 양보할 수 없는 것(Non-negotiables) — 경계선(근무지, 원격 근무, 연봉 하한선…).

Save two-pager를 클릭하면 저장됩니다. 이는 상위 career-ops 프로젝트의 사용자 레이어에 있는 config/two-pager.yml에 기록되므로 — CV나 프로필과 마찬가지로 — 시스템을 업데이트할 때 절대 덮어써지지 않습니다.

AI 작성 도우미

어떻게 표현할지 막막한가요? ✨ AI fill assistant를 클릭하세요. 곧바로 실행할 수 있는 프롬프트(당신의 CV와 프로필이 인라인으로 포함된 Mnookin 형식)를 만들어 대화 상자에 보여줍니다. 그 프롬프트를 원하는 LLM에서 실행한 뒤, 결과로 나온 YAML 필드를 다시 양식에 붙여 넣으세요. 이 도우미는 오직 당신 자신의 CV와 프로필만 사용합니다 — 당신에 대한 사실을 지어내지 않으며, 이 버튼에서 실시간 API 호출은 이루어지지 않습니다.

원하는 것과의 적합도 점수

투페이저를 저장하고 나면 **#/scan**의 모든 채용 공고에 작은 ◎ N 배지(0–100)가 붙습니다. 각 채용의 근무 형태(원격/하이브리드/온사이트), 국가, 연봉 하한선, **이주(relocation)**를 당신의 투페이저와 비교합니다 — 초록색 배지는 강한 적합을, 빨간색은 협상 불가 조건이 걸렸음을 뜻합니다. 마우스를 올리면 구체적인 내용을 볼 수 있습니다(✓ 무엇이 맞았는지, ✗ 어떤 협상 불가 조건을 위반했는지).

이는 의도적으로 정직합니다: 채용 공고가 비교 가능한 신호를 전혀 주지 않을 때(예를 들어 당신의 선호가 모두 스캔 행에서 확인할 수 없는 자유 텍스트일 때)에는 배지가 아예 표시되지 않습니다 — 시스템은 결코 숫자를 지어내지 않습니다. 같은 대상에 대해 부드러운 **싫어함(hate)**보다 강한 협상 불가 조건(deal-breaker) 위반이 더 무겁게 반영됩니다. 배지 외에도, 저장된 투페이저는 모든 LLM **평가(evaluation)**에 인라인으로 포함되므로, 당신이 밝힌 선호가 CV-대-JD 매칭뿐 아니라 서면 판정에도 영향을 미칩니다.

22. 모의 면접 (`#/mock-interview`)

면접 준비 자료를 읽는 것과 답변을 소리 내어 말하는 것은 다른 문제입니다. 모의 면접 페이지(사이드바의 **Interview prep → Mock interview 🎤**에서 엽니다)는 특정 역할을 상대로 턴을 주고받는 리허설을 진행하며, 당신 자신의 CV, 프로필, 투페이저, 스토리 뱅크에 기반합니다. 미리 정해진 질문 목록이 아닙니다 — 면접관은 당신이 실제로 말한 내용에 반응합니다.

세션 시작하기

목표 역할(그리고 선택적으로 회사)을 입력합니다. 가지고 있다면 직무 기술서도 붙여 넣으세요 — 질문이 눈에 띄게 날카로워집니다.
Start interview를 클릭합니다. 면접관은 그 역할과 당신의 배경에 맞춘 집중적인 질문 하나로 시작합니다.
답변을 입력하고 Send answer를 클릭합니다. 원하는 만큼 반복하세요 — 고정된 퀴즈가 아니라 대화입니다.

각 턴이 주는 것

답변할 때마다 면접관은 세 부분으로 응답합니다:

피드백 — 무엇이 잘 전달되었는지(강점)와 무엇이 빠졌는지를, STAR+R(Situation, Task, Action, Result, Reflection) 관점에서 짚어 줍니다. 당신이 건너뛴 구체적인 차원을 지목합니다.
점수 — 한 줄 근거와 함께 간단한 N/5를 제시하여, 한 세션 동안의 진전을 체감할 수 있게 합니다.
다음 질문 — 직전 답변에서 가장 약했던 부분을 의도적으로 파고드는 후속 질문.

모든 것은 당신의 실제 자료에 기반합니다: cv.md, config/profile.yml, config/two-pager.yml, 그리고 당신의 STAR+R 스토리 뱅크(interview-prep/story-bank.md)가 모두 프롬프트에 인라인으로 포함됩니다. 면접관은 진짜 빈틈은 파고들지만, 당신에게 없는 경험을 결코 지어내지 않습니다. LLM 키가 설정되어 있지 않으면, 이 페이지는 아무 어시스턴트에나 붙여 넣어 바로 실행할 수 있는 프롬프트를 건네줍니다 — 앱의 다른 곳에서도 쓰이는 동일한 정직한 대체 방식입니다.

세션 저장 및 다시 보기

리허설을 끝냈으면 Save transcript를 클릭해 보관하세요. 이는 상위 프로젝트의 사용자 레이어에 있는 interview-prep/mock-{company}-{role}-{date}.md에 기록되므로, 다른 면접 준비 노트와 나란히 저장되며 시스템 업데이트로 덮어써지지 않습니다. 페이지 하단의 Saved sessions 목록에서 어떤 기록이든 다시 열거나 삭제할 수 있습니다. 다른 역할로 처음부터 시작하려면 New interview를 사용하세요.

23. 네트워킹 및 심층 기업 리서치 (`#/networking`)

정문으로 지원하는 것은 게임의 절반일 뿐입니다 — 나머지 절반은 누군가를 아는 것, 또는 최소한 누구에게 연락하고 무슨 말을 할지 아는 것입니다. 네트워킹 페이지(사이드바에서 **심층 리서치 → 네트워킹 🤝**으로 열기)는 회사를, 당신 자신의 CV·프로필·two-pager에 근거하여 면접을 얻기 위한 구체적인 계획으로 바꿔줍니다.

계획 세우기

회사(필수)를 입력하고, 선택적으로 직무와 채용 공고를 입력하세요. 공고는 “내가 적합한 이유” 후크를 더 날카롭게 만듭니다.
계획 세우기를 클릭하세요. LLM 키가 있으면 실시간으로 실행되어 계획을 페이지에 바로 렌더링하고, 키가 없으면 아무 어시스턴트에나 붙여넣을 수 있는 준비된 프롬프트를 건네줍니다(앱 전반에서 쓰이는 동일한 정직한 폴백 — 아무것도 지어내지 않습니다).

계획에 담기는 내용

계획은 네 개 섹션으로 돌아옵니다:

회사 도시에 — 회사가 무엇을 하는지에 대한 압축된 브리핑, 인용할 만한 최근 신호, 그리고 당신의 실제 경력에서 뽑아낸 두세 개의 “내가 적합한 이유” 후크.
누구에게 연락할지 — 세 명에서 다섯 명의 타깃 페르소나(팀의 채용 담당자, 사내 리크루터, 팀의 시니어 엔지니어, 친밀한 연줄이나 동문 인맥)와 각각을 찾기 위한 구체적인 LinkedIn 검색 문자열. 실제 이름을 결코 지어내지 않으며 — 적합한 사람을 찾는 방법을 알려줍니다.
가장 따뜻한 소개 경로 — 당신의 경력에 가장 현실적인 단 하나의 따뜻한 진입 경로: 공통의 고용주·학교·커뮤니티, 2촌 인맥, 또는 그것이 진정으로 최선의 선택일 때의 신호가 강한 콜드 메시지.
아웃리치 초안 — 당신의 주요 페르소나를 위한 짧고 구체적인 메시지(세 문장에서 다섯 문장, 군더더기 없음)로, 일반적으로 읽히지 않도록 당신의 실제 증거 포인트에 근거합니다.

계획 저장 및 다시 보기

계획 저장을 클릭하여 하나를 보관하세요. 상위 프로젝트의 사용자 레이어 networking/net-{company}-{role}-{date}.md에 기록됩니다 — 당신 자신의 파일이며, 시스템 업데이트로 결코 덮어쓰이지 않습니다. 페이지 하단의 저장된 계획 목록에서 어떤 계획이든 다시 열거나 삭제할 수 있습니다. 초안과 페르소나는 오직 당신의 실제 자료에만 근거하므로, 이를 그대로 맹목적으로 보낼 스크립트가 아니라 개인화할 강력한 초안으로 다루세요.

24. CV Studio (`#/cv-studio`)

CV에 추가 (v1.117.0). 새 카드는 프로젝트·논문·포트폴리오 페이지(URL 또는 붙여넣은 텍스트)를 그 출처에만 근거한 ATS 불릿으로 바꿉니다 — 출처에 없는 지표·고용주·날짜는 지어내지 않고 생략합니다. 제안을 검토해 직접 CV 편집기에 붙여넣으며, 자동 저장은 없고 URL은 파이프라인과 동일한 SSRF 안전 검증기를 거칩니다.

#/cv 페이지는 이력서를 작성하는 곳이고, CV Studio(사이드바의 **Setup → CV Studio 🎨**에서 열기)는 이력서를 다듬는 곳입니다. cv.md에 세 가지 정직한 도구를 제공하며, 그중 둘은 절대 브라우저를 벗어나지 않습니다.

채용공고에 맞춤(v1.101). 채용공고를 붙여넣으면 CV Studio가 맞춤 이력서와 어울리는 커버레터를 만들고, 리크루터 체크리스트 게이트를 통과시킵니다(오류는 차단, 경고는 권고). 오직 당신의 자료에만 근거합니다.

이력서 진단

페이지를 여는 순간 이력서를 100점 만점으로 채점하고 각 항목별 진단 결과를 짧은 설명과 함께 나열하여 무엇을 바꿀지 당신이 결정하도록 합니다(절대 조용히 고쳐 쓰지 않습니다):

길이 — 이력서가 한두 페이지의 건강한 범위에 있는가?
정량화된 성과 — 항목 중 실제 수치나 지표를 포함한 비율은 얼마인가? 채용 담당자는 훑어보며 이런 부분을 찾습니다.
강한 행동 동사 — “담당했음” 또는 “도왔음” 같은 약한 표현을 표시합니다.
유행어 — 공허한 상투어(“성과 지향적”, “팀 플레이어”)를 표시합니다.
핵심 섹션 — 요약, 경력, 학력, 기술 항목이 있는지 확인합니다.
연락처 정보 — 이메일이 있는지 확인합니다.

이 모든 것은 LLM 없이 전적으로 브라우저에서 실행됩니다 — 수치는 결정론적이며 그 무엇도 지어내지 않습니다.

개인정보 마스크

이력서를 작문 샘플이나 스크린샷으로 공유하기 전에, 개인정보 마스크는 개인 식별 데이터를 가립니다: 이메일, 전화번호, 링크/핸들, 주소, 그리고 활성화하고 입력하면 이름 → 이니셜까지. 각 범주를 켜고 끄고, 마스킹된 버전을 복사해 안전하게 공유하세요. 모든 처리는 전적으로 브라우저에서 이루어지며, 몇 개의 항목을 가렸는지 정확히 보고하고, 원본을 절대 저장하거나 전송하지 않습니다.

사람답게 만들기 (보이스 매칭)

딱딱한 문장이나 문단 — 상투적인 문구처럼 읽히는 그런 일반적인 AI 표현 — 을 붙여 넣으면 사람답게 만들기가 그것을 당신의 목소리로 고쳐 씁니다. 이 재작성은 서버 측에서 당신의 voice-dna.md(당신의 글이 어떻게 읽히는지)와 writing-samples/(당신의 실제 문장)에 근거합니다. 엄격한 규칙: 순서를 바꾸고, 다듬고, 어조를 재조정할 수는 있지만, 붙여 넣은 텍스트에 이미 없는 사실, 지표, 성과는 절대 새로 만들어 넣지 않습니다. LLM 키가 있으면 실시간으로 고쳐 쓰고, 키가 없으면 어떤 어시스턴트에든 붙여 넣을 수 있는 완성된 프롬프트를 건네줍니다. 그런 다음 평소처럼 #/cv 페이지에서 이력서를 편집하세요 — CV Studio는 제안하고, 결정은 당신이 합니다.

25. 메모리 (`#/memory`)

다른 모든 페이지는 매번 새로 시작합니다. 메모리(사이드바의 **설정 → 메모리 🧠**에서 엽니다)는 어시스턴트에게 무언가를 한 번 말하면 계속 유지되는 유일한 곳입니다. 모든 AI 요청에 주입되는, 짧고 편집 가능한 “나에 대해 이것을 기억해” 메모를 담고 있습니다.

무엇을 위한 것인가

지속적인 선호와 작업 방식에 사용하세요. 예를 들어:

목표로 하는 직무와 회사 유형(그리고 절대 보고 싶지 않은 것들).
답변이 어떻게 작성되기를 원하는지 — 간결하게 또는 상세하게, 시니어 톤, 군더더기 없이.
반복할 가치가 있는 확고한 제약 — 원격만, 최저 연봉, 온콜 없음.

선호와 방향 제시에 국한하세요. 여기는 당신의 경력에 관한 사실을 위한 곳이 아닙니다 — 당신의 역량, 고용주, 성과는 CV, 프로필, 두 페이지 요약에 있으며, 이들은 당신의 CV와 커버레터에 나타나는 모든 것의 유일한 출처로 남습니다. 메모리 메모는 어시스턴트가 당신과 어떻게 작업하는지를 형성할 뿐, 당신에 대해 무엇을 주장하는지는 결코 형성하지 않습니다.

어떻게 모든 곳에 도달하는가

메모리 저장을 클릭하면, 메모는 상위 프로젝트의 사용자 계층인 config/memory.md에 기록되고 공유 프로젝트 컨텍스트에 포함됩니다. 즉, 평가, 모의 면접, 네트워킹 계획, CV Studio 재작성 등 모든 AI 요청과, 당신이 구성한 모든 제공자를 자동으로 따라다닙니다. 한 번만 작성하세요. 페이지마다 반복할 필요가 없습니다. 다른 사용자 계층 파일과 마찬가지로, 시스템을 업데이트해도 절대 덮어써지지 않으며, 당신이 실행하기로 선택한 LLM 프롬프트 안에서만 당신의 기기를 떠납니다.

내 데이터에서 제안

무엇을 써야 할지 모르겠나요? ✨ 내 데이터에서 제안은 당신의 지원 트래커를 읽고 일련의 행동 항목 초안을 작성합니다 — 당신이 추구하고, 수락하고, 거절하는 것들의 패턴입니다. 제공된 프롬프트를 아무 LLM에서 실행하고, 제안을 검토한 뒤, 편집한 버전을 메모에 붙여넣으세요. 오직 당신 자신의 트래커만 활용하며 사실을 지어내지 않습니다. 무엇이든 저장되기 전에 당신이 항상 검토합니다.

26. 통계 (`#/stats`)

거절 패턴 탭 (v1.117.0). 네 번째 탭은 부모의 analyze-patterns.mjs(읽기 전용)를 실행해 결과 분포, 실행 가능한 추천, ATS 벤더별 진전율(“알고리즘 단일 문화” 신호 — Bommasani et al., FAccT 2026)을 보여줍니다. 최소 표본 미만 벤더에는 별표가 붙고, 부모 프로젝트가 없으면 탭이 정직하게 알립니다.

통계 페이지는 세 가지 뷰를 하나의 섹션에 모읍니다: AI가 생성한 시장 리포트, 여러분 자신의 파이프라인 분석, 그리고 스캔에서 얻은 목표 역할의 채용 공고 추세입니다. 상단의 탭으로 이들 사이를 전환하십시오.

시장 리포트

시장 리포트 탭은 여러분의 목표 역할에 대한 급여 및 노동 시장 분석을 모델에 요청합니다 — 어떤 역할과 시니어리티를 다룰지 알기 위해 여러분의 CV와 프로필을 읽습니다. 지역 / 시장(예: Russia, EU-remote, US, Germany)을 입력하고 통화를 선택한 뒤 시장 리포트 생성을 클릭하십시오. 요약, 등급별 급여(중앙값과 P10/P25/P75/P90), 주요 고용주, 수요 높은 스킬 표, 복지 빈도, 사무실/하이브리드/원격 비율, AI 영향을 포함한 12–24개월 추세, 협상 가이드가 담긴 구조화된 리포트를 얻습니다. 모든 수치는 모델의 학습 지식에서 나온 방향성 추정치이며 — 스크래핑되거나 실시간 데이터가 아닙니다 — 리포트에도 그렇게 명시됩니다. 수치는 인용값이 아니라 범위로 다루십시오. API 키가 설정되지 않은 경우 조작된 리포트 대신 복사·붙여넣기용 프롬프트를 받습니다. 리포트를 앱 밖으로 가져가려면 .md 다운로드, PDF로 저장 또는 복사를 사용하십시오.

내 파이프라인

내 파이프라인 탭은 여러분 자신의 지원 트래커를 차트로 보여줍니다 — 외부 데이터는 전혀 없습니다. 추적한 역할 수, 점수 분포, 상태 퍼널, 상위 회사와 역할, 시간에 따른 지원 추이, 전환율(지원 중 얼마가 Applied, Responded, Interview, Offer에 도달하는지)을 보여줍니다. 여러분의 구직을 정직하게 비추는 거울입니다: 오직 data/applications.md에 이미 있는 내용만 반영합니다.

목표 역할 추세

목표 역할 추세 탭은 원래의 뷰입니다: 최신 스캔에서 집계된, 목표 역할에 대한 국가별 채용 공고 수와 중앙값 급여이며, 통화 선택기와 목표 역할별 공고 개요가 함께 제공됩니다. 스냅샷 저장은 현재 집계를 기록해 시간에 따라 공고 수가 어떻게 변하는지 지켜볼 수 있게 하며, 추세선은 그 스냅샷들을 다시 읽어옵니다. 데이터가 희소한 것은 예상된 일이며 참고용으로 표시됩니다 — 지어낸 숫자로 채워지는 일은 결코 없습니다.

누적 통계와 보상

누적 통계 탭(v1.118.0)은 제로 토큰 부모 스크립트 두 개를 읽기 전용으로 중계합니다: stats.mjs — 누적 트래커 집계, 누적 퍼널 비율(응답 / 면접 / 오퍼), 스캐너 합계, 포털 커버리지 — 그리고 salary-gap.mjs — 지원 건별 희망 vs 공고 제시 vs 실제 보상(리포트의 Machine Summary와 data/salary-observations.tsv에서 통합). 표본이 작으면 참고용으로 표시되며, 부모 프로젝트가 없으면 탭에 정직한 안내가 표시됩니다.

27. 커리어 플랜 (`#/career-plan`)

커리어 플랜 페이지는 당신의 이력서와 프로필을 구체적이고 개인화된 성장 계획으로 바꿔 줍니다 — 커리어 코치와 함께 세울 법한 종류의 계획이지만, 당신의 자료로부터 생성되며 당신이 편집할 수 있습니다.

플랜 생성하기

기간(6개월, 12개월, 24개월)을 고르고, 선택적으로 초점을 입력한 뒤(예: “관리직으로 이동”, “원격 근무로 전환”, “Go로 전환”), 플랜 생성을 클릭하세요. 모델은 (공유 프로젝트 컨텍스트를 통해) 당신의 이력서, 프로필, 투페이저, 메모리 노트를 읽고 구조화된 계획을 작성합니다: 솔직한 출발점 스냅샷, 강점과 성장 영역의 SWOT, SMART / OKR / WOOP로 표현된 목표, 절충점을 포함한 대안적 커리어 경로, 하드/소프트 스킬 계획, 선택한 기간에 대한 월별 로드맵, 진행 상황 추적 방법, 있을 법한 함정, 그리고 지원 조치입니다. 모든 권장 사항은 당신의 자료가 실제로 보여 주는 내용에 근거합니다 — 앞을 내다보며 계획하되, 당신의 이력에 관한 사실을 결코 지어내지 않습니다. API 키가 설정되어 있지 않으면 대신 복사해 붙여넣을 수 있는 프롬프트를 받게 됩니다.

편집과 저장

플랜은 편집 가능한 텍스트 영역에 나타납니다 — 무엇이든 수정한 뒤 플랜 저장을 클릭하세요. 상위 프로젝트의 사용자 레이어인 config/career-plan.md에 기록되므로 시스템 업데이트에도 유지되며, 당신이 실행하기로 선택한 LLM 프롬프트 안에서만 전송됩니다. 미리 보기는 저장하기 전에 서식이 적용된 상태로 읽을 수 있도록 Markdown을 렌더링합니다.

내보내기

.md 다운로드, PDF로 저장, 복사를 사용해 플랜을 앱 밖으로 가져가세요 — 앱의 AI 보고서 전반에서 쓰이는 것과 동일한 내보내기 컨트롤입니다. PDF는 기존 인라인 PDF 생성기를 거치고, Markdown은 직접 다운로드됩니다.

28. 커리어 방향성 (`#/orientation`)

커리어 방향성 페이지는 “어떤 방향이 실제로 나에게 맞을까?“라는 질문에 답합니다 — 직업 적성 검사에서 얻을 법한 종류의 통찰이지만, 설문지가 아니라 당신 자신의 CV와 프로필에서 추론합니다.

무엇을 만들어 주나

프로필 생성을 클릭하면 모델은 당신의 CV, 프로필, 투페이저, 메모리 노트를 읽고 커리어 방향성 프로필을 작성합니다: 가장 잘 맞는 커리어 벡터(여덟 가지 원형 — 기능주의자, 관리자, 소통가, 전문가, 분석가, 혁신가, 매니저, 기업가 — 중 어느 것이 가장 잘 맞는지, CV의 근거와 함께), 커리어 유형 성향, 일련의 추천 직무, CV가 보여 주는 것에 연결된 직업적 강점, 업무 스타일 경향(몇 가지 축에서 “당신의 CV가 어떻게 읽히는지”), 그리고 적합성을 넓히기 위한 개발 권장 사항입니다.

어떻게 생성되나

이는 당신의 CV가 어떻게 읽히는지에 대한 AI의 성찰이며 — 심리 검사가 아닙니다. 프롬프트는 전적으로 당신 자신의 자료에 근거합니다: 성취를 지어내지 않으며, 수치 검사 점수를 마치 측정된 것처럼 결코 보고하지 않습니다. API 키가 설정되어 있지 않으면 실시간 프로필 대신 어떤 LLM에서든 실행할 수 있는 복사·붙여넣기 프롬프트를 받습니다. 디스크에는 아무것도 기록되지 않으며 — 프로필은 매번 새로 생성됩니다.