Guia do usuário

Ajuda — career-ops-ui

Guia completo de cada página, do momento em que você abre o aplicativo até conseguir uma entrevista. Cada cabeçalho ## abaixo corresponde a uma entrada da barra lateral ou a uma fase do fluxo de trabalho. Leia de cima a baixo na primeira execução; depois pule para uma seção específica via sumário no menu lateral de ajuda.

Para quem: qualquer pessoa que acabou de colocar esta UI dentro de um checkout do career-ops e rodou bash bin/start.sh. Nenhum conhecimento prévio de career-ops é assumido.

Sobre o career-ops

career-ops é um sistema open source de busca de emprego que roda como slash commands dentro de qualquer CLI de programação com IA (Claude Code, Gemini CLI, Codex, Qwen Code, OpenCode, GitHub Copilot CLI — outras CLIs compatíveis com Claude também funcionam pela mesma superfície de slash-commands). Independente de modelo. Avalia cada vaga contra seu CV com uma rubrica de seis dimensões 0.0–5.0, gera currículos PDF personalizados e registra cada candidatura localmente na sua máquina.

Referência canônica (leia na ordem na primeira instalação):

What is career-ops — o sistema, princípios e inventário de conceitos.
Scan job portals — descubra vagas; alimente o Pipeline.
Apply for a job — fluxo completo de envio com leitura de formulário via Playwright.
Batch-evaluate offers — pontue 10+ JDs de uma vez via batch-runner.sh.
Set up Playwright — instale o Chromium + registre o MCP para PDF e preenchimento de formulários.

Princípios fundamentais (de career-ops.org/docs/introduction/what-is-career-ops):

Open source, de verdade — MIT, sem tier pago, sem lista de espera, sem telemetria, sem contas. O sistema opera sem tiers pagos, contas ou telemetria. Contribuições de código passam por revisão da comunidade antes da liberação.
Soberania de dados — cv.md, config/profile.yml, data/, reports/, interview-prep/ nunca saem do seu notebook a menos que você os envie explicitamente. Você roda tudo localmente na sua máquina, mantendo total soberania sobre seus dados.
Arquitetura agnóstica de IA — career-ops NÃO empacota um modelo. Funciona como comandos dentro de CLIs de programação com IA já existentes. Troque de provedor (Anthropic ↔ Gemini ↔ OpenAI) e seu histórico de avaliações permanece consistente.
Envio controlado por humanos — career-ops redige as respostas e abre o formulário, mas você clica em Submit. O sistema nunca candidata automaticamente. O sistema fornece estrutura e avaliação; humanos mantêm a autoridade final de envio.
Busca estruturada — feito para uma busca de emprego ativa e deliberada, com muitas candidaturas; não é uma ferramenta de envio único, nem motor de recomendação. O setup leva ~15 minutos e assume conforto com terminal.

O que career-ops NÃO é (não-objetivos explícitos):

Não é um auto-aplicador. Não envia formulários por você.
Não é um reconstrutor de currículos. Ajusta por JD; não inventa experiência.
Não é um otimizador de LinkedIn. Seu perfil é assunto seu.
Não é uma substituição de planilha escondida atrás de uma UI SaaS. Os dados são markdown puro no seu sistema de arquivos.

Conceitos-chave (inventário completo — cada artefato que career-ops toca):

Conceito	O que é
Mode	Template de prompt em `modes/<slug>.md`. Built-in: `oferta`, `deep`, `apply`, `pipeline`, `batch`, `contacto`, `followup`, `interview-prep`, `patterns`, `project`, `training`, `ofertas`, `auto-pipeline`, `pdf`, `latex`, `scan`, `tracker`.
Arquétipo	Perfil de papel-alvo em `config/profile.yml`. A rubrica pondera matches de skills contra o arquétipo ativo — o campo mais importante de todos.
Pipeline	`data/pipeline.md` — caixa de entrada de URLs de JD aguardando avaliação.
Tracker	`data/applications.md` — tabela GFM histórica de cada avaliação + status de candidatura.
Report	`reports/<NNN>-<company>-<DATE>.md` — avaliação A–F completa por JD, com score + legitimidade no cabeçalho.
Scan history	`data/scan-history.tsv` — log append-only; previne duplicatas entre scans.
Proof points	Blocos de evidência STAR+R extraídos do `cv.md`, reaproveitados em avaliação, respostas de apply e preparação para entrevista.
JD store	`jds/jd-<date>-<ts>.txt` — descrições de vagas salvas verbatim durante a avaliação para a trilha de auditoria.
Interview-prep	`interview-prep/<company>-<role>.md` — briefings de pesquisa profunda e one-pagers por rodada.
Batch additions	`batch/tracker-additions/*.tsv` — linhas pendentes enfileiradas pelo `batch-runner.sh` para merge no tracker.

career-ops vs career-ops-ui (este app)

	career-ops (CLI)	career-ops-ui (este app)
Onde roda	dentro do Claude Code / Gemini CLI / Codex / Qwen Code / OpenCode / GitHub Copilot CLI	`http://127.0.0.1:4317` no seu navegador
Superfície	slash commands `/career-ops <mode>`	barra lateral com uma página por workflow
Preenchimento de formulário	sim, via Playwright MCP	não — gera o checklist, você finaliza no CLI
PDF	`generate-pdf.mjs`	`📄 Generate PDF` em `#/cv`, `#/reports/:slug`, `#/evaluate`, `#/deep`, `#/interview-prep`
Arquivos de dados	compartilhados com career-ops-ui	compartilhados com career-ops

career-ops-ui é adições puras. Nada dentro de career-ops/ muda. Ambas as superfícies compartilham o mesmo cv.md, config/profile.yml, portals.yml, data/, reports/, interview-prep/, modes/.

Limiares de ação por score

Quando um JD tem uma avaliação, o score determina o próximo passo (tabela canônica de career-ops.org/docs/introduction/what-is-career-ops):

Score	Próximo passo
≥ 4.5	Rode `/career-ops apply` — alto fit, candidate-se imediatamente.
4.0 – 4.4	Candidate-se, ou `/career-ops contacto` para uma introdução calorosa antes.
3.5 – 3.9	Rode `/career-ops deep` — pesquise empresa / cargo antes de decidir.
< 3.5	Pule, a menos que tenha uma razão pessoal específica.

O #/dashboard e #/tracker do career-ops-ui destacam cada linha com score igual ou acima de 4.0, para você escolher uma ação sem re-rodar nada.

Documentação externa

Referência completa do motor career-ops subjacente (escaneamento, rubrica de avaliação, processamento em batch, fluxo de apply, setup do Playwright) em career-ops.org/docs:

1. Início rápido — passo a passo de “criar CV” até “candidatado e mensagem enviada”

Este é o playbook canônico, botão a botão. Siga em ordem na primeira vez. Cada passo nomeia a rota exata, o botão exato e o que você verá em caso de sucesso. As seções 2–16 abaixo aprofundam cada fase.

Perguntar ao guia. Abra Perguntar ao guia 💬 (barra lateral, sob Ajuda) e digite uma pergunta — responde apenas deste guia no seu idioma e nunca lê seu currículo. O mesmo assistente fica a um toque de qualquer página: um botão de chat com um robô flutua no canto inferior direito (inferior esquerdo em idiomas da direita para a esquerda); toque para perguntar sem sair do que está fazendo.

Lançamento e inicialização com um único comando. A partir de um terminal você pode fazer todo o bootstrap sem tocar na interface:
career-ops-ui setup      # instala dependências → doctor → inicia o servidor
career-ops-ui init       # escolha o provedor LLM + cole a chave dele (eco suprimido)
career-ops-ui doctor     # reverifique a qualquer momento (saída 0 ⇔ tudo o que é obrigatório em verde)
career-ops-ui run        # apenas inicia o servidor em http://127.0.0.1:4317
career-ops-ui open       # abre + TRAZ PARA FRENTE a aba do painel no seu navegador
Após setup/run a aba do navegador é aberta e trazida para a frente automaticamente (v1.43.0); career-ops-ui open faz o mesmo sob demanda, então você nunca precisa procurar a aba do painel. NO_OPEN=1 desativa a abertura automática em inícios headless/CI.

setup executa toda a cadeia sozinho. init grava a chave no career-ops/.env do projeto pai através do mesmo caminho validado que a aba de chaves de API do #/config usa, e define LLM_PROVIDER (auto | claude | gemini), que as rotas ao vivo de avaliação / profundo / modo / pipeline automático respeitam. Forma para CI: career-ops-ui init --provider claude --anthropic-key sk-ant-… --yes. Prefere a interface? Continue com os passos abaixo.

A. Setup (faça uma vez, ~5 minutos)

career-ops-ui deve estar em career-ops/web-ui/ (aninhado dentro do projeto career-ops pai). Ele lê seu cv.md, config/ e data/ da pasta pai via ../ e não funciona de forma independente. Se career-ops-ui init não for encontrado após um pull, execute cd career-ops/web-ui && npm install && npx career-ops-ui init.

Passo 1 — Abra o app em http://127.0.0.1:4317. Se não estiver rodando, num terminal execute bash bin/start.sh a partir da raiz do repositório. O Dashboard (#/dashboard) carrega.

Passo 2 — Clique em ❤ Health na barra lateral esquerda. Cada verificação obrigatória deve estar verde:

cv.md, config/profile.yml, portals.yml existem
Chave de API definida (pelo menos uma de ANTHROPIC_API_KEY / GEMINI_API_KEY)
Playwright instalado (apenas necessário se você for usar Generate PDF)

Se algo estiver vermelho, a página informa o arquivo ou variável de ambiente exata para corrigir. Não prossiga até Health estar verde.

Passo 3 — Clique em ⚒ App settings na barra lateral. Você cai na aba API keys & runtime.

Cole ANTHROPIC_API_KEY (preferida — melhor pontuação de long-form) e/ou GEMINI_API_KEY. Obtenha chaves em https://console.anthropic.com/settings/keys ou https://aistudio.google.com/apikey.
Clique em 💾 Save. Depois clique em ▶ Test Anthropic (ou Gemini) — um round-trip minúsculo confirma que a chave funciona.

Passo 4 — Mude para a aba Profile na mesma página. Este é o editor YAML direto de config/profile.yml. Edite no mínimo:

candidate.full_name — substitua qualquer placeholder (“Jane Smith”) pelo seu nome real
candidate.email, linkedin, github — usados em cover letters
target.roles — os títulos de vaga para os quais você vai se candidatar
target.comp_total_min_usd — remuneração total mínima; ofertas abaixo são sinalizadas na seção D de cada avaliação
target.archetypes — os padrões de carreira que você aceita (campo de maior impacto)

Clique em 💾 Save. O servidor valida o YAML e carimba o cabeçalho canônico # Career-Ops Profile Configuration.

B. CV (faça uma vez, ~10 minutos)

Passo 5 — Clique em ✎ CV na barra lateral. Duas colunas: editor à esquerda, preview ao vivo à direita.

Passo 6 — Escolha um caminho para preencher o editor:

Faça upload de um currículo existente — clique em 📁 Upload CV, escolha um arquivo entre .docx / .doc / .odt / .rtf / .pdf / .html / .txt / .md. O servidor converte para markdown via pandoc ou pdftotext, sanitiza XSS, e coloca o resultado no editor. Revise a conversão — PDFs especialmente podem perder fidelidade de layout.
Cole markdown diretamente — a área de texto é um editor markdown; o painel à direita é o que o LLM (e seu futuro recrutador) verá.
Dicas de tom: um bullet = uma conquista com uma métrica. Mantenha abaixo de 1500 palavras. Seções nesta ordem: Summary, Experience, Projects, Education, Skills.

Passo 7 — Clique em 💾 Save (canto superior direito da página CV). O servidor sanitiza (<script> / javascript: / handlers inline são removidos) e grava cv.md. Toast: “Saved”.

Passo 8 (opcional) — Clique em 📄 Generate PDF. Roda generate-pdf.mjs no projeto pai (Playwright necessário) e o novo PDF é baixado automaticamente para o seu navegador quando termina. A lista no rodapé da página mantém cada arquivo gerado anteriormente.

C. Encontrar vagas (~2 minutos por scan)

Passo 9 — Clique em 🌐 Scan na barra lateral. Confirme que portals.yml lista os boards que te interessam (seção 5 desta ajuda). Pressione o botão 🌐 Scan now. Um log SSE ao vivo é transmitido enquanto o scanner percorre Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (boards em inglês) e hh.ru / Habr Career / Trudvsem / GetMatch / GeekJob (boards russos, se habilitados).

Passo 10 — Quando o scan terminar, revise os resultados. Clique em qualquer tag de empresa para filtrar; clique no ícone ↗ para abrir a página de carreiras da empresa em uma nova aba. Cada vaga que sobreviveu ao filtro de título fica enfileirada no Pipeline.

D. Pontuar as ofertas (~30 segundos por JD)

Passo 11 — Clique em Pipeline na barra lateral. Você vê cada URL que o scanner enfileirou. Clique em uma entrada para visualizar o JD inline.

Passo 12 — Clique em ▶ Evaluate ao lado de qualquer JD. Isso salta para #/evaluate. Com uma chave de API configurada, roda ao vivo; sem uma, você recebe um prompt manual para colar no seu próprio LLM. O modo ao vivo produz uma pontuação 0–5 contra o seu CV nas seções A–G (Papel / Empresa / Remuneração / Risco / Stretch / Fit cultural / Veredito). Save cai em reports/<date>-<slug>.md.

Passo 13 — Clique em Reports na barra lateral e revise a avaliação mais recente. Qualquer coisa abaixo do seu comp_total_min_usd é sinalizada em vermelho na seção D. Qualquer coisa com Verdict: pursue é sua short-list.

E. Decidir e pesquisar a fundo a empresa shortlisted (~3 minutos)

Passo 14 — Escolha uma vaga que valha a pena perseguir. Clique em Deep research na barra lateral. Digite o nome da empresa e o cargo. O modelo produz um briefing de empresa em 7 seções (missão, notícias recentes, stack tecnológico, sinais de contratação, benchmarks de remuneração, riscos, ângulo recomendado). Save cai em interview-prep/<company>-<role>.md.

F. Candidatar (~5 minutos por candidatura)

Passo 15 — Clique em Apply checklist na barra lateral. Cole a URL da vaga + JD. O assistente gera um checklist de envio passo a passo:

Rascunho de cover letter personalizado (usa seu cv.md + profile.yml)
Palavras-chave específicas para espelhar do JD
Arquivos a anexar (PDF do CV — veja passo 8)
Onde se candidatar (a URL canônica de carreiras, não redirects de agregadores)
Lembrete: NUNCA auto-envie — a revisão final e o envio são sempre manuais.

Passo 16 — Abra a página de carreiras em uma nova aba. Use a checklist de apply como sua lista de tarefas. Envie pelo formulário real da empresa. Anexe o PDF que você gerou no passo 8.

Passo 17 — Aborde uma pessoa real. Abra o modo Outreach (#/contacto na barra lateral). O modelo redige uma mensagem curta de LinkedIn / email personalizada para o briefing de empresa do passo 14. Personalize a abertura (um detalhe específico do seu briefing de deep research). Envie.

G. Rastrear e dar follow-up (contínuo)

Passo 18 — Clique em Tracker na barra lateral e adicione uma linha para a candidatura: empresa, cargo, score, status Applied, link para o relatório, link para o briefing de deep research. A data é preenchida automaticamente.

Passo 19 — Uma semana depois: abra o modo Follow-up (#/followup). Redige um e-mail educado de check-in referenciando a candidatura original. Envie. Atualize o status do tracker para Followed up.

Passo 20 — Quando receber um convite de entrevista, rode o modo Interview prep (#/interview-prep). Gera preparação direcionada para a empresa específica + estágio (system design / behavioral / coding). Puxa do briefing de deep research automaticamente.

Passo 21 — Conseguiu a oferta? Atualize o status do Tracker para Offer e revisite a seção de remuneração do seu relatório de avaliação — seu número mínimo de aceitação está lá.

TL;DR — a ordem da barra lateral coincide com o workflow

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

É isso. 21 passos, botão a botão, do zero à oferta.

Auto-pipeline de um clique (`#/auto`) — o atalho de 21 passos

Para pontuar rápido uma vaga específica, pule o passo a passo. Barra lateral → ✨ Auto-pipeline (ou o botão ✨ no Dashboard): cole a URL, pressione Enter ou ▶ Executar pipeline completo, e o servidor roda toda a cadeia numa passagem observável:

Validar URL — verificação SSRF-segura (isValidJobUrl).
Buscar a descrição — safeGet (DNS fixado) baixa + saneia a JD.
Avaliar contra seu CV — Anthropic → Gemini → prompt manual sem key.
Salvar relatório — grava reports/<slug>.md com score + legitimidade.
Adicionar ao tracker — adiciona uma linha em data/applications.md.

Feedback é um stepper vertical (lista ordenada, aria-current no passo ativo, live-region para leitores de tela). No fim, o cartão linka ao relatório (Ver relatório · N/5) e ao tracker. Passo falho é marcado e o botão reabilita para retry sem reload. Sem API key? Modo manual: passos 3–5 colapsam e você recebe um prompt para copiar. Linkável: #/auto?url=<enc>&go=1 auto-inicia.

CLI (v1.38.0). Um comando faz a cadeia: career-ops-ui setup. Verbos: career-ops-ui doctor (checagem env/chaves/tooling — mesmo motor do Health; exit 1 se falhar algo obrigatório), career-ops-ui run, career-ops-ui init (assistente provedor+chave, v1.39.0). Provedores (v1.39.0). A aba API-keys adiciona um select LLM_PROVIDER (auto=Anthropic→Gemini · claude · gemini) e um campo OPENAI_API_KEY (lado Codex/OpenCode CLI). career-ops-ui init é o assistente interativo.

Provedores (v1.57.0). A eval ao vivo headless abrange Anthropic → Gemini → OpenAI → Qwen → OpenRouter (ordem auto; LLM_PROVIDER fixa um). OpenRouter — uma OPENROUTER_API_KEY dá acesso a mais de 300 modelos; o dropdown OPENROUTER_MODEL carrega o catálogo ao vivo da OpenRouter (proxy no servidor, fallback curado offline). Também corrigido: chaves coladas com quebra de linha / espaços são aparadas antes de validar, então /#/config não mostra mais «validation failed» para nenhum provedor.

2. Configurações do app e chaves de API (`#/config`)

Novidades v1.55 → v1.56. Sem chave LLM, um banner vermelho em cada tela explica que ⚡ Executar ao vivo está em modo de prompt manual e leva aqui; com uma chave vira um chip discreto com o provedor ativo. Antes de cada botão ⚡ Executar ao vivo (#/auto, #/evaluate, #/deep, modos) aparece um custo estimado honesto (ex.: “Custo estimado: OpenAI gpt-5-codex · ~$0.04/eval”, ou sem custo de API no modo manual). #/scan recolhe filtros secundários atrás de um disclosure Filtros avançados; #/tracker adiciona chips de funil clicáveis + paginação de servidor opcional; #/pipeline virtualiza acima de 1000 linhas.

Ferramentas CLI de IA. A aba Ferramentas CLI de IA mostra quais CLIs de agente (Claude Code, Codex, Gemini, OpenCode, Copilot, Qwen, Antigravity) estão instaladas no servidor — uma varredura do PATH somente leitura, sem executá-las. Aparência → Mostrar logos de empresa (desativado por padrão) mostra o favicon de cada empresa na tabela de varredura, obtido do próprio domínio (nunca um serviço de terceiros).

Duas abas:

API keys & runtime — edita o .env do projeto pai a partir do navegador (mesmo arquivo que os scripts Node do career-ops leem na inicialização). A aba também oferece seletores de modelo por provedor — OPENAI_MODEL (OpenAI/Codex) ao lado de ANTHROPIC_MODEL e GEMINI_MODEL.
Profile — editor YAML direto de config/profile.yml. Save carimba o cabeçalho canônico # Career-Ops Profile Configuration.

Um save em qualquer aba propaga imediatamente — sem reinício do servidor.

Configurar seu provedor LLM (passo a passo). A ⚡ avaliação ao vivo do web UI roda headless e usa uma chave de API. Funciona via “OR” — defina qualquer uma destas e já funciona; com várias definidas, auto as prefere nesta ordem: Anthropic → Gemini → OpenAI → Qwen. (o próprio career-ops é agnóstico de CLI — você também o roda dentro de Claude Code, Codex, Gemini, OpenCode, Qwen, Copilot ou Kimi; isso é separado desta chave headless.)

Abra #/config → a aba API keys & runtime.
Escolha seu provedor em LLM_PROVIDER: auto (usa a chave que estiver definida), ou force um com claude / gemini / openai / qwen.
Preencha a chave + modelo do provedor que você escolheu:
- Anthropic — defina ANTHROPIC_API_KEY (console.anthropic.com), opcionalmente ANTHROPIC_MODEL (default claude-sonnet-4-6).
- Gemini — defina GEMINI_API_KEY (aistudio.google.com/apikey), opcionalmente GEMINI_MODEL (default gemini-2.0-flash).
- OpenAI — defina OPENAI_API_KEY (platform.openai.com), opcionalmente OPENAI_MODEL (default gpt-5-codex).
- Qwen — defina QWEN_API_KEY (Alibaba Model Studio / DashScope, dashscope.console.aliyun.com), opcionalmente QWEN_MODEL (default qwen-max). Para o endpoint da China continental defina QWEN_BASE_URL no .env cru.
Clique em Save. As chaves são escritas no .env do projeto pai; a mudança surte efeito imediatamente — sem reinício do servidor.
Verifique em #/evaluate: cole uma URL/descrição de vaga e pressione ⚡ Run live. O cabeçalho do resultado mostra qual provedor rodou (anthropic / gemini / openai / qwen). Sem nenhuma chave definida → você recebe o prompt manual de copiar-colar.

Os segredos são mascarados após salvar e nunca logados. Campos de id de modelo (*_MODEL) não são secretos.

Aba Profile

v1.32.0 — formulário por campos. A aba Profile não é mais um textarea de YAML bruto: agora é um formulário com seções recolhíveis Candidato / Narrativa / Remuneração. Ao salvar envia apenas os 14 caminhos escalares modelados; o servidor faz merge em config/profile.yml, então seus archetypes, proof_points e chaves próprias são preservados intactos. Trade-off: o save por campos re-serializa o YAML e perde comentários # — use o disclosure Advanced: edit raw YAML no fim da aba para preservá-los ou editar arrays aninhados. v1.35.0 — editores de arrays. Editores add/remove para Target roles e Superpowers (listas de texto), Archetypes (name/level/fit) e Proof points (name/url/hero-metric). Mesma garantia merge-not-replace; esvaziar uma lista remove a chave de forma limpa. v1.54.3 — aba Modes como formulário estruturado. modes/_profile.md não é mais um editor de markdown por seção: agora é um formulário derivado do esquema documentado. Seções de lista — Target Roles / Adaptive Framing / Comp Targets — são campos de linha repetíveis (adicionar/remover linhas); seções de prosa — Exit Narrative / Location Policy — são textareas rotuladas; qualquer seção desconhecida ou não-lista cai para um textarea rotulado verbatim. Salvar continua fazendo merge por seção — preâmbulo, seções intactas e seções próprias preservados byte a byte. Permanece o disclosure Advanced: raw markdown para editar o arquivo inteiro: adicionar/remover seções ou editar o preâmbulo.

A área de texto mostra o config/profile.yml atual verbatim.
Edite e clique em 💾 Save. O servidor valida o YAML (precisa ser um mapping, precisa conter candidate) e grava o arquivo.
Um cabeçalho # Career-Ops Profile Configuration é adicionado se estiver ausente.
O resumo somente-leitura em #/profile é o companheiro visual.

Chaves reconhecidas

Chave	O que faz	Onde obter
`ANTHROPIC_API_KEY`	Habilita chamadas live ao SDK Anthropic. Preferida quando Anthropic + Gemini estão ambas configuradas — melhor saída estruturada long-form para pontuação de JD e deep research.	https://console.anthropic.com/settings/keys
`ANTHROPIC_MODEL`	Sobrescreve o default `claude-sonnet-4-6`. Experimente `claude-opus-4-7` para raciocínio mais pesado, `claude-haiku-4-5-20251001` para barato-e-rápido.	—
`GEMINI_API_KEY`	Fallback quando não há chave Anthropic. Usado por `gemini-eval.mjs` no modo `oferta`. Free tier funciona para baixo volume.	https://aistudio.google.com/apikey
`GEMINI_MODEL`	Sobrescreve o modelo Gemini default.	—
`(server uses default UA)`	Necessário ao rodar scans do `hh.ru` de fora da Rússia (a API retorna 403 em User-Agents genéricos). Registre um app em https://dev.hh.ru/admin e use a string UA dele.	dev.hh.ru
`PORT`	Porta de bind do Express. Default 4317.	—
`HOST`	Endereço de bind. Default `127.0.0.1`. Configurar `0.0.0.0` expõe a UI na LAN — sem gate de auth ainda, veja o doc de Production-readiness.	—

Comportamento

Leitura (GET /api/config) retorna cada chave reconhecida. Chaves secretas (ANTHROPIC_API_KEY, GEMINI_API_KEY) são mascaradas — você vê sk-ant•••••••a1b2, nunca o valor completo.
Save (POST /api/config) valida cada valor, grava em <parent>/.env, e aplica imediatamente ao processo em execução. Sem reinício.
Valor vazio deleta a chave. Útil se você quiser deixar de usar uma chave hh.ru / VPN russo.

Botões de smoke-test

Após salvar, clique em ▶ Test Anthropic ou ▶ Test Gemini — ambos disparam um prompt minúsculo (≤256 tokens de saída) para você gastar essencialmente nada confirmando que a chave está conectada corretamente. Retorna uma amostra de ~200 caracteres em caso de sucesso.

3. Perfil (`#/profile` — também acessível como `#/settings`)

Vista somente-leitura em card de config/profile.yml. Para editar, vá em App settings → aba Profile (#/config → Profile). Saves caem no mesmo arquivo; esta página faz re-parse no reload.

Os campos que mais importam:

candidate.full_name — usado em cada prompt. Substitua o template Jane Smith antes de escanear qualquer coisa de verdade, ou suas cover letters geradas sairão sob o nome placeholder.
candidate.email, linkedin, github — referenciados na geração de cover letter e na checklist de apply.
target.roles — títulos de vaga aceitos. O filtro positivo do scanner usa isso implicitamente (via portals.yml::title_filter).
target.comp_total_min_usd — remuneração total mínima. A seção D de cada avaliação sinaliza ofertas abaixo disso.
target.archetypes — o campo mais importante. Estes são os padrões de carreira que você aceita (ex.: Tech-Lead-Backend, Founding-Engineer, Data-Platform). Cada JD é comparado contra eles e o arquétipo de melhor fit aparece no cabeçalho do report.

A página Health expõe uma verificação Profile customized que falha enquanto full_name coincidir com um nome placeholder conhecido.

4. CV (`#/cv`)

Fonte única da verdade para cada avaliação, deep research e cover letter. Vive em cv.md na raiz do projeto pai.

Opções de edição

Cole diretamente — a área de texto à esquerda é um editor markdown. O painel à direita espelha o que o LLM (e seu futuro recrutador) verá.
📁 Upload CV — escolha um arquivo local em qualquer destes formatos e o servidor converte para markdown para você:
- Formatos de texto — .md, .markdown, .txt, .html, .htm passam direto (HTML vai via pandoc → GFM markdown).
- Formatos Office — .docx, .doc, .odt, .rtf são convertidos via pandoc (brew install pandoc no macOS, apt install pandoc no Linux).
- PDF — .pdf é extraído via pdftotext do Poppler (brew install poppler / apt install poppler-utils).
- O markdown convertido cai no editor; clique em 💾 Save para persistir. O resultado é sanitizado (mesmo strip de XSS do paste).
- Limite rígido: 10 MB por upload. Arquivos maiores → 413.
A partir do LinkedIn — caminho mais fácil: abra o Claude Code no projeto pai, rode /career-ops, cole a URL do seu LinkedIn e peça extract my CV from this and write it to cv.md.

O que é sanitizado

No servidor, cada PUT em /api/cv passa por stripDangerousMarkdown:

Tags <script>, <iframe>, <object>, <embed>, <svg>, <style>, <form> — removidas inteiramente.
Handlers inline de evento (onclick=, onerror=, etc.) — removidos.
Esquemas de URI javascript:, vbscript:, data:text/html — neutralizados.

A resposta inclui sanitized: true sempre que algo acima foi removido, para você saber se a origem tinha algo nocivo.

Tamanho máximo do corpo: 1 MB. Qualquer coisa maior retorna 413.

Outros botões

sync-check — roda cv-sync-check.mjs no projeto pai. Sinaliza inconsistências: um projeto listado no seu CV mas não nos arquétipos de data/applications.md, etc.
📄 Generate PDF — faz streaming de generate-pdf.mjs. A saída cai em output/*.pdf. Requer Playwright (a página Health mostra se está instalado nos node_modules do pai). Quando a geração termina, o PDF mais novo é baixado automaticamente para a sua pasta de Downloads padrão; a lista na página mantém cada arquivo gerado anteriormente.

Dicas de tom / formato

Um bullet = uma conquista com uma métrica. “Reduzi a latência p99 em 38%” bate “melhorei a performance” em qualquer rubrica de avaliação.
Seções nesta ordem: Summary (3–5 linhas), Experience (cronologia reversa), Projects (no máximo 5), Education, Skills (deduplicado, sem sopa de buzzwords).
Mantenha abaixo de 1500 palavras. A rubrica de pontuação usa informação densa; um CV inflado é penalizado por ruído.

5. Portais e fontes (`portals.yml`)

A configuração do scanner vive em portals.yml na raiz do projeto pai. Três seções importam. As três seções da SPA (abaixo) batem com o schema canônico de career-ops.org de scan-job-portals 1:1.

Atalho: a URL #/portals agora resolve direto para App settings e (quando há uma fonte regional configurada) salta para o grupo Regional sources — então um link #/portals salvo nos favoritos ou digitado não dá mais 404 (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]

Uma vaga escaneada passa quando seu título contém pelo menos uma palavra-chave positiva E nenhuma das palavras-chave negativas. Ajuste os dois. As palavras-chave são substrings case-insensitive.

seniority_boost é a terceira chave do title-filter. Palavras-chave listadas aqui não filtram nada — empurram vagas correspondentes para o topo dos resultados, então um “Senior Backend Engineer” fica acima de um “Engineer”. Default: ["Senior", "Staff", "Lead"]. Ajuste para combinar com como seus papéis-alvo são titulados.

Comece com 3–5 palavras-chave positivas para clareza; amplie depois.

content_filter (opcional — web-ui 1.75.0, parent #974). Uma irmã de nível superior do location_filter com as mesmas listas de palavras-chave positive / negative, mas comparada com o texto da descrição / snippet de uma vaga em vez da localização:

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

Semântica idêntica ao location_filter: sem a chave → tudo passa; uma vaga com descrição vazia/ausente passa (dado faltante não é penalizado); um match em negative → rejeitada; positive vazio → passa; positive não vazio → precisa casar ao menos uma palavra-chave (substring case-insensitive). Aplicado tanto pela varredura ATS quanto pelas regionais. Apenas fontes que entregam uma descrição/snippet (ex.: RSS) são afetadas — toda outra vaga passa — então habilitá-lo nunca descarta silenciosamente linhas de fontes que não carregam corpo. Use-o para descartar uma vaga que passou pelo filtro de título mas cujo corpo revela um deal-breaker.

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

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

Filtra as vagas escaneadas pela localização (substring, sem diferenciar maiúsculas), aplicado pela varredura ATS e pela regional. Semântica idêntica ao scan.mjs canônico do career-ops:

Sem location_filter → todas as localizações passam (padrão).
Localização vazia/ausente → passa (dado faltante não é penalizado).
Match em block → rejeitada (block tem precedência sobre allow).
allow vazio → passa (block já filtrou).
allow não vazio → precisa casar ao menos uma palavra-chave.

Chave de nível superior em portals.yml (irmã de title_filter, não aninhada em russian_portals).

`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 movem o scan Option B com IA (/career-ops scan dentro do Claude Code / Codex). Eles NÃO são executados pelo npm run scan in-process (que só bate em APIs públicas dos boards). Use-os quando quiser descobrir papéis em empresas ainda não em tracked_companies. Defina enabled: false para manter uma entrada sem executá-la.

`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 }

Campos obrigatórios por entrada: name e careers_url. Opcional: api (endpoint explícito Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday), enabled: true|false para incluir/excluir sem deletar a entrada. O scanner ATS detecta o ATS pelo padrão da URL (job-boards.greenhouse.io/<slug> → Greenhouse, etc.) e busca a boards-api pública de cada empresa diretamente. Empresas sem um ATS reconhecível são puladas (o card Active Companies em /#/scan as mostra em cinza com ○).

`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 }

Aponte o scanner para qualquer portal de vagas que publique um feed RSS/Atom (LaraJobs, WeWorkRemotely, RemoteOK, golangprojects, …) adicionando uma entrada com provider: rss e uma chave rss: (ou feed_url:) — sem mudanças de código. O adaptador RSS analisa cada <item> (CDATA + entidades HTML, títulos/empresas sem tags), normaliza para uma vaga e executa o mesmo fluxo title_filter / location_filter + dedup + acréscimo ao pipeline das fontes ATS. Em seguida, RSS aparece como fonte selecionável no menu de filtro de #/scan. (web-ui v1.62.x)

`russian_portals`

russian_portals:
  sources: ["hh", "habr", "trudvsem", "getmatch", "geekjob"]      # ou apenas um
  area: 113                 # 1=Moscou, 2=SPb, 113=Rússia, 1001=remoto
  per_page: 50
  only_remote: false
  queries:
    - "Senior PHP"
    - "Senior Go"
    - "Тимлид PHP"

queries são matches case-insensitive de substring contra títulos de vagas em hh.ru e Habr Career. Cuidado com sobreposição com a lista negativa — se "Senior PHP" está em queries mas "php" acaba em title_filter.negative, o scan retornará zero resultados e o console te avisará sobre o conflito.

Configurar os portais russos — guia detalhado

v1.29.0 inclui 5 adaptadores russos. Dois não precisam de nada além do UA padrão (habr-career, scraping HTML; trudvsem, API open-data do governo — sem key, sem barreira geográfica). Dois são scrapers HTML de portais técnicos (getmatch, geekjob — também sem key). Um é a API canônica do hh.ru, que pode retornar 403 a partir de IPs fora da Rússia, a menos que você configure a variável HH_USER_AGENT via App settings → API keys & runtime (ou rode o servidor a partir de IP russo / VPN).

Inventário de fontes

Chave	Rótulo	Tipo	Auth	Restrição geográfica
`hh`	hh.ru	JSON API	`HH_USER_AGENT` opcional	IPs não-RU podem 403
`habr`	Habr Career	HTML	nenhum	nenhuma
`trudvsem`	Trudvsem	JSON API (open-data)	nenhum	nenhuma
`getmatch`	GetMatch	HTML	nenhum	nenhuma
`geekjob`	GeekJob	HTML	nenhum	nenhuma

Passo 1 — Abra `portals.yml`

O arquivo fica na raiz do projeto pai career-ops/ (NÃO dentro de web-ui/). Se ainda não existir, copie o exemplo que vem com o projeto pai:

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

Passo 2 — Habilite as 5 fontes

Adicione ou atualize o bloco russian_portals listando todas as fontes que quer escanear. A ordem não importa; o scanner percorre na ordem do registry.

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"

Passo 3 — Ajuste queries e filtros

queries são as strings que o scanner usa para buscar em cada fonte. Cada query roda uma vez por fonte — 4 queries × 5 fontes = 20 chamadas por scan. Mantenha a lista focada (3–7 queries) para que o scan fique abaixo do minuto. area é o código de região do hh.ru (as outras fontes ignoram). per_page limita quantas vagas cada fonte retorna por query. only_remote: true filtra remoto a nível de adaptador (a tabela de resultados ainda tem chip Remoto próprio).

Erros comuns

Colisão com lista negativa. Se uma palavra de query ("php", "senior") também está em title_filter.negative, todos os resultados são filtrados antes de você ver. O scanner emite aviso stderr em tempo de scan — procure pela linha ⚠ config: query "Senior PHP" contains "php" which is in the negative list. Resolva removendo a palavra de negative:

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"

Desativar uma fonte temporariamente

Para desabilitar uma fonte sem apagar seus dados, basta remover sua chave de sources:

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

Verificar a configuração

Depois de salvar 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.

Fluxo de bootstrap CLI (scan-job-portals)

O setup canônico do career-ops (rode a partir da raiz do pai uma vez):

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

Esse é todo o bootstrap. Edite as três seções (title_filter, tracked_companies, search_queries, opcional russian_portals), salve, e está pronto para escanear.

Comportamento de bootstrap da SPA

No primeiro arranque, o servidor anexa um bloco russian_portals: documentado ao portals.yml se ele estiver ausente — idempotente (o segundo boot é no-op porque a linha literal russian_portals: agora está lá). As seções em inglês NÃO são auto-injetadas; elas vêm do templates/portals.example.yml que você copiou seguindo o bootstrap canônico acima.

6. Saúde (`#/health`)

Cada gate de setup, em badges OK / OPTIONAL / FAIL. Leia isto antes de abrir qualquer issue “não funciona”.

Uso e custo de IA. A página Uso de IA (💳, ao lado de Saúde) mostra os tokens de gerações de IA ao vivo por provedor em 24h / 7d / 30d / tudo, com um custo estimado em USD de uma tabela de preços editável (nunca cobrado). Um medidor USO compacto também fica fixado no fim da barra lateral esquerda em cada página — os mesmos totais de tokens de 24h/7d/30d e um custo estimado de 24 horas, atualizado ao vivo; o menu sempre fica livre acima dele, e clicar no cabeçalho o recolhe.

Verificações obrigatórias (sistema não funciona sem elas)

Node version ≥ 18 — o servidor usa fetch nativo e node:test.
Project root — que CAREER_OPS_ROOT (env ou auto-detectado) existe.
cv.md, config/profile.yml, portals.yml, data/applications.md, data/pipeline.md, modes/oferta.md.

Verificações opcionais (apenas avisos)

Profile customized — candidate.full_name não é o placeholder do template.
GEMINI_API_KEY / ANTHROPIC_API_KEY — configurada em .env.
(server uses default UA) — só importa se você escanear hh.ru de fora da Rússia.
Playwright (parent node_modules) — necessário para geração de PDF e check-liveness.mjs. Instale com cd $CAREER_OPS_ROOT && npm install && npx playwright install chromium.
Parent project dependencies — cd $CAREER_OPS_ROOT && npm install se faltarem.
Diretórios data/, reports/, output/, jds/ — auto-criados na primeira escrita.

Quando o servidor é exposto além de loopback (HOST=0.0.0.0), os caminhos absolutos e a versão exata do Node são substituídos por "hidden" na resposta para que um vizinho curioso não consiga fingerprintar sua instalação.

Botões de execução

▶ Doctor roda node doctor.mjs e mostra a saída num modal.
▶ Verify pipeline roda node verify-pipeline.mjs.

7. Busca (`#/scan`)

O scanner percorre cada board habilitado, deduplica contra seu histórico, e grava hits em data/last-scan.json e data/pipeline.md.

Pesquisar + Excluir. A caixa Pesquisar trata vírgulas como OU (“cargos a encontrar”); o novo campo Excluir oculta linhas que combinem com qualquer palavra separada por vírgula. Ambos são salvos com suas buscas.

Scan com um clique (SPA)

🌐 Scan roda cada fonte habilitada numa única varredura:

Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (a varredura ATS) para cada empresa em tracked_companies com URL ATS reconhecível.
Os agregadores da v1.75.0 para cada entrada de tracked_companies que opte por um deles: RemoteOK / Remotive / Working Nomads (feeds remotos de todo o board, provider: <slug>) e IBM / Arbeitsagentur / Glints / Jobstreet · SEEK (orientados a configuração, com bloco <provider>: por entrada).
API hh.ru + HTML Habr Career para cada query em russian_portals.

Duas fases em um clique (v1.29.2). O único botão 🌐 Scan dispara TANTO o sweep ATS QUANTO o regional em um único stream SSE. No log verá dois cabeçalhos de fase, na ordem:

▶ ATS scan (Greenhouse + Ashby + Lever) — boards ATS EN.
▶ Regional scan (hh.ru + Habr Career) — 5 fontes RU do registry.

Cada fase termina com um resumo ✓ done · NEW=N. Se vê só a fase ATS, seu stand está em build pré-v1.29.2 — atualize. Antes de v1.29.2 o cliente SSE fechava no primeiro done e a fase regional era descartada silenciosamente.

O log SSE ao vivo é transmitido ao painel direito enquanto o scan roda. Clique em Stop (ou simplesmente navegue para fora) para abortar — o servidor cancela as requisições HTTPS em voo via AbortController.

Filtrando resultados

Abaixo do log, a tabela de resultados renderiza linhas de data/last-scan.json.

v1.78.1 — atualização automática ao vivo. A tabela de resultados agora se atualiza automaticamente enquanto uma varredura roda e mais uma vez logo após terminar — sem recarregar manualmente nem trocar de página.

v1.80.0 — Máx. por fonte & quarentena de fontes. O campo Máx. por fonte ao lado do botão Varrer limita quantas vagas cada board contribui (vazio/0 = sem limite, o padrão) — útil quando um board enorme dominaria os resultados. Separadamente, qualquer fonte que retorne um 404 / 410 permanente é gravada em data/scan-quarantine.json e ignorada nas varreduras seguintes (autorrecuperação: nova tentativa após 14 dias), para que slugs mortos parem de poluir o log. Desative com scan_quarantine: false no portals.yml.

Filtros:

Texto livre — match de substring contra título / empresa.
Dropdown de Fonte — 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 (preenchido automaticamente a partir de GET /api/scan/sources).
Dropdown Remote / Hybrid / Onsite.
Dropdown Country (v1.78.0) — um filtro de geografia preenchido a partir dos países detectados nos resultados atuais, cada um exibido com seu emoji de bandeira e uma contagem (ex.: 🇩🇪 Germany (12)). Escolha um para manter apenas as vagas ligadas àquele país. A detecção mapeia a localização em texto livre de uma vaga (nomes de países/aliases + ~100 grandes cidades do mercado de trabalho) para um país; é conservadora e nunca chuta, então uma vaga cuja localização não possa ser resolvida — ou um anúncio puramente “Remote” — permanece em All countries. Combine com o dropdown de tipo de trabalho para encontrar vagas ligadas a um país e remotas.
Dropdown Publicado nos últimos (v1.80.0) — um filtro de idade no lado do cliente (Últimas 24 horas / 7 dias / 30 dias). Linhas cujo pubDate é mais antigo ficam ocultas; linhas sem data listada passam (a ausência de dados não é penalizada).
★ Favoritos (v1.80.0) — clique no ☆ em qualquer linha para marcar uma vaga com estrela (armazenada no localStorage por URL); marque ★ Favoritos no painel de filtros para mostrar apenas as linhas com estrela. As estrelas sobrevivem a varreduras e recarregamentos.
Buscas salvas (v1.80.0) — a barra acima dos filtros: nomeie o conjunto de filtros atual e 💾 Salvar, depois reaplique-o pelo dropdown ou 🗑 Exclua-o. Armazenado no localStorage; um valor corrompido/editado é redefinido limpo para vazio.
Chips de stack (PHP / Go / Backend / Senior / …) — auto-detectados por linha por Skills.detectTech e Skills.detectLevel. Interseção multi-select — selecionar PHP + Senior mostra linhas que têm AMBOS.
Chips dinâmicos abaixo dos chips estáticos de stack — top-25 tokens capitalizados mais frequentes dos títulos, então a UI se adapta aos papéis que você realmente escaneia (marketing, design, finanças…) em vez de ficar travada no vocabulário de backend.

Card Active Companies

Um card colapsável listando cada empresa em portals.yml com seu status de scan:

Tag verde ✓ — suporte direto via API (Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday).
Tag cinza ○ — fallback para prompt de web-search (sem match de API).

Clique no nome da empresa → preenche o filtro de resultados acima com aquele nome. Clique no ícone ↗ → abre a careers_url da empresa em uma nova aba.

Fluxo CLI de scan (scan-job-portals)

Duas formas de escanear pelo CLI (ambas depositam URLs no mesmo data/pipeline.md que a SPA lê):

Opção A — script direto (~30 s, zero tokens de IA):

npm run scan                          # todos os boards Greenhouse/Ashby/Lever
npm run scan -- --dry-run             # preview sem persistir
npm run scan -- --company Anthropic   # restringe a uma empresa rastreada

Funciona apenas para Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (URLs ATS reconhecíveis). Nenhum token de IA consumido — bate diretamente nas APIs públicas dos boards.

Opção B — scan com IA via navegador:

/career-ops scan

Dentro de Claude Code / Codex / Cursor / Gemini CLI. Usa tokens do modelo. Visita cada página de tracked_companies diretamente e pode descobrir boards não-API (páginas de carreiras, ATS custom, portais regionais). Mais lento, porém mais amplo. Útil quando uma varredura ATS retorna nada para um alvo que você sabe que está contratando.

Saída (ambos os caminhos) — novas URLs de JD anexadas a data/pipeline.md, cada URL visitada registrada em data/scan-history.tsv (dedup entre todos os scans futuros), resumo impresso: empresas escaneadas · vagas encontradas · filtradas por título · duplicatas puladas · novas ofertas adicionadas.

Limiares de ação por score (aplique depois que /career-ops pipeline pontua as novas URLs em batch):

Score	Próximo passo recomendado
≥ 4.5	`/career-ops apply` — alto fit, candidate-se imediatamente
4.0 – 4.4	candidate-se, ou `/career-ops contacto` para introdução calorosa
3.5 – 3.9	`/career-ops deep` — pesquise primeiro
< 3.5	pule, a menos que tenha uma razão pessoal específica

O #/dashboard e #/tracker da SPA destacam cada linha com score igual ou acima de 4.0, para você escolher uma ação sem re-rodar nada.

Comandos de follow-up

Depois de pontuar, os follow-ups canônicos são:

/career-ops apply — Preenche candidatura com respostas personalizadas
/career-ops contacto — Redige outreach por LinkedIn / email
/career-ops deep — Pesquisa empresa / cargo a fundo
/career-ops tracker — Vê o status do pipeline

hh.ru — coletado do site (desde julho de 2026 exige IP russo)

O hh.ru é coletado lendo o site público de busca (hh.ru/search/vacancy), do mesmo jeito que o Habr Career — sem chave nem configuração. Porém, desde julho de 2026 o hh.ru devolve HTTP 451 (bloqueio legal regional) para IPs fora da Rússia, então a varredura só funciona a partir de um IP russo — rode o servidor na Rússia ou por uma VPN com saída russa. No primeiro 451 (ou 403 anti-bot) o scanner desativa o hh.ru pelo resto da execução e avisa no log, de modo que as demais fontes russas ainda completam. A API JSON (api.hh.ru) não é usada de propósito: ela devolve 403 forbidden a todo cliente programático, seja qual for o IP ou User-Agent.

Mesmo a partir de uma rede que parece correta, o hh.ru pode marcar o IP de saída como VPN/proxy (qualquer IP de datacenter/hosting conta) e redirecionar o scan com 302 para um interstitial /vpncheeck (“VPN мешает работе сайта”) que devolve HTTP 200 com zero vagas. O scanner detecta esse redirecionamento, desativa o hh.ru pelo resto da execução e avisa no log. A correção está na rede: garanta que o tráfego realmente saia por um IP residencial — um VPN ou proxy em nível de sistema costuma continuar ativo mesmo com o botão do navegador desligado (confira seu IP de saída real, p. ex. em api.ipify.org).

8. Vagas (`#/pipeline`)

Caixa de entrada de URLs aguardando avaliação. Vive em data/pipeline.md.

Faixa de visão geral. Uma faixa compacta no topo mostra seu pipeline num relance — quantas URLs na caixa, quantas rastreadas e as contagens Applied/Responded/Interview/Offer, cada uma ligando ao tracker.

Adicionando URLs

Três formas:

Digite / cole uma URL no input + clique em + Add.
Use a busca global da barra superior (o badge dela mostra Enter): cole qualquer link http(s)://… e aperte Enter para abrir o auto-pipeline; digite qualquer outro texto e Enter salta para #/scan com aquele termo pré-preenchido (v1.78.1). Ctrl/Cmd+K continua focando a caixa onde o navegador permite. O logo da marca volta ao painel.
Rode um Scan (veja acima) — hits frescos vão para o pipeline automaticamente.

Cada URL passa por isValidJobUrl() no servidor. Loopback (localhost, 127.0.0.1), file://, javascript:, IPs literais e strings com caracteres de template (<, >, ") retornam 400.

Painel de preview server-side

Clique em qualquer linha do pipeline para carregar um preview à direita. A maioria dos boards ATS não envia cabeçalhos CORS, então o navegador não consegue buscá-los diretamente; o servidor faz proxy da requisição, remove <script> / <style> / tags HTML, e retorna até 8 KB de texto puro.

O proxy de preview percorre redirects manualmente com validação SSRF por hop — cada cabeçalho Location passa por isValidJobUrl() novamente, para que um board hostil não consiga te bouncear para loopback / IP privada / file://. Limite de 3 hops, timeout de 15 segundos.

Ações de linha

▶ — salta para #/evaluate?url=… com a URL pré-preenchida.
✕ — remove a URL de data/pipeline.md.

Botões do topo

⚡ Evaluate first — abre a primeira URL enfileirada na página Evaluate, pronta para pontuar.
Scan — volta para o scanner se você quiser mais URLs.

9. Avaliar (`#/evaluate`)

Pontua uma única Job Description contra cv.md e config/profile.yml. Retorna uma avaliação estruturada A–G conforme modes/oferta.md mais uma pontuação 0–5.

Entrada

Cole o JD na área de texto, ou chegue aqui de #/pipeline com ?url=<href> — a página busca a URL através do mesmo proxy seguro contra SSRF usado para previews do pipeline e pré-preenche a área de texto.

Clique em 💾 Save JD para persistir o JD em jds/jd-<date>-<ts>.txt para a trilha de auditoria (ou passe save: true na chamada da API — mesmo efeito).

Cadeia de fallback

Anthropic — preferida quando ANTHROPIC_API_KEY está configurada. O servidor empacota cv.md, config/profile.yml, modes/_shared.md, e modes/oferta.md num bloco <project_context> antes do prompt (cada arquivo limitado a 16 KB, prompt completo com soft-cap em 200 KB). Retorna markdown fundamentado diretamente à página.
Gemini — quando apenas GEMINI_API_KEY está configurada. O servidor faz spawn de gemini-eval.mjs com o JD como arquivo temporário. O modelo free-tier (gemini-2.0-flash) basta para pontuação de rotina.
Manual — sem chave. A página retorna um prompt totalmente formado para você colar no Claude Code, ChatGPT, ou qualquer outro LLM.

Seções de saída (A–F canônico de career-ops.org)

Realinhamento da v1.15.0. As letras dos blocos agora batem com o schema canônico de career-ops.org. Reports pre-v1.15 usavam A–G (com C=Risks, F=Verdict, G=Legitimacy); ainda os renderizamos como estão para compatibilidade retroativa, mas novos reports emitem A–F com a semântica canônica abaixo. Score e Legitimidade agora vivem no cabeçalho do report (score: 4.2/5, legitimacy: High|Medium|Low).

A. Role Summary — recapitulação em 3 bullets (riscos chamados inline). B. CV Match — top 3 skills atendidas + top 3 faltantes. C. Strategy — recomendação: candidate-se agora / contacto primeiro / deep primeiro / pule. Era Risks antes da v1.15. D. Compensation — relativo ao seu target.comp_total_min_usd (legado) ou compensation.target_range (canônico). E. Personalization — ângulo para liderar, framing por arquétipo, ganchos para mencionar em cover letter / outreach. Era Application Strategy antes da v1.15. F. STAR stories — 1–3 blocos S-T-A-R prontos para colar personalizados para o papel. Era Verdict (score bruto) antes da v1.15; o score agora aparece no cabeçalho do report junto com legitimacy.

Salvando o relatório

Clique em 💾 Save report (ou use o toggle de save na chamada da API) para persistir o markdown em reports/<date>-<company>-<role>.md. O cabeçalho parseado do relatório (Score / Legitimacy / URL) aparece na página Reports e no Dashboard.

Avaliação em batch quando você tem 10+ JDs

Para um único JD, esta página #/evaluate é a ferramenta certa. Para 10+ URLs enfileiradas no pipeline, o click-through por JD é impraticável — salte para a subseção Batch evaluate da §14 (executando ./batch/batch-runner.sh no projeto pai), deixe processar durante a noite, depois volte para #/reports / #/tracker para os resultados. Fluxo completo: batch-evaluate-offers.

10. Relatórios (`#/reports`)

Navegue por cada avaliação salva. Cards mostram título, data, flag de legitimidade e score (com código de cores: verde ≥ 4.0, amarelo ≥ 3.0, vermelho abaixo).

Clique num card para ler o markdown completo. Paginação: 12 por página; controles no rodapé.

A vista de um único relatório também tem:

← All reports — volta para o grid.
🔗 Open JD — abre a postagem de vaga original em uma nova aba.

11. Tracker (`#/tracker`)

O CRM. Uma linha por candidatura; vive em data/applications.md como uma tabela GitHub-Flavored Markdown.

Fluxo de status

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

Hired (v1.118.0) é o estado final feliz — a oferta foi aceita. O tracker o marca com um badge comemorativo e o recebe com um banner de «vaga conquistada».

O whitelist de status é aplicado no servidor; enviar qualquer outra coisa em um POST /api/tracker faz default para Evaluated. A transição canônica Evaluated → Applied é automática quando você confirma Submitted. no fim de /career-ops apply (veja §14).

Layout das colunas

Coluna	O que é
`#`	Auto-numerada, com zero à esquerda (`001`, `002`, …).
`Date`	Data ISO (`AAAA-MM-DD`). Default para hoje.
`Company`	Texto livre. Pipes (`\|`) e quebras de linha são escapados automaticamente.
`Role`	Igual.
`Score`	Formato `N/5` (ex.: `4.2/5`).
`Status`	Enum com whitelist.
`PDF`	✅ assim que `generate-pdf.mjs` teve sucesso para esta linha.
`Report`	Link markdown para o `reports/*.md` correspondente.
`Notes`	Texto livre, limitado a 200 caracteres.

Filtros

Dropdown Status.
Dropdown Score — ≥ 4.0 (alto), ≥ 3.0 (médio), < 3.0 (baixo).
Search — match de substring contra empresa + cargo.

Cada filtro reseta o paginador para a página 1. 25 linhas por página.

Botões de manutenção

▶ Normalize roda normalize-statuses.mjs — re-canoniza grafias de status (applied → Applied, interview → Interview).
▶ Dedup roda dedup-tracker.mjs — remove duplicatas case-insensitive por (company, role).
▶ Merge roda merge-tracker.mjs — puxa entradas pendentes de batch/tracker-additions/*.tsv (onde o fluxo batch do projeto pai deposita candidaturas enviadas via o assistente Apply). Deduplica e arquiva arquivos processados em batch/tracker-additions/merged/. Veja batch-evaluate-offers para o fluxo batch upstream.

Adicionando linhas

POST /api/tracker — corpo { company, role, score?, status?, url?, reportSlug?, notes?, date? }. Dedup por (company, role) case-insensitive. Na UI, a página Evaluate oferece um botão “Add to tracker” depois de uma pontuação bem-sucedida.

12. Pesquisa (`#/deep`)

Gera um briefing estruturado de empresa: snapshot, cultura de engenharia, notícias recentes, sentimento Glassdoor, processo de entrevista, pontos de alavancagem para negociação, três perguntas inteligentes para fazer ao recrutador.

Entrada

Dois campos — nome da empresa e (opcional) cargo. O template do modo (modes/deep.md) é o que molda a estrutura.

Caminhos de saída

Mesma cadeia de fallback do Evaluate:

Anthropic live (preferida) — bundleProjectContext inlineia cv + profile + _shared.md + deep.md. Saída: 10–30 KB de markdown fundamentado salvos em interview-prep/<company>-<role>.md.
Gemini live — invocação de gemini-eval.mjs. Mesmo target de save.
Prompt manual — a página te entrega um prompt pronto para o Claude Code (que tem WebFetch + WebSearch e consegue fazer pesquisa real).

Dicas

Anthropic em claude-sonnet-4-6 tipicamente retorna ~13 KB de texto útil em 1–3 minutos por chamada.
O SDK Anthropic não tem busca web embutida. Para cargos onde você precisa de notícias frescas + sentimento Glassdoor, cole o prompt manual no Claude Code e deixe ele usar a ferramenta WebFetch.
Execuções live são cobradas; uma chamada de deep research no Sonnet 4.6 custa ≈ US$ 0,30–0,50.

13. Prompts de modos (as sete páginas `/#/<mode>`)

Quadro de cadência (v1.117.0). A página de follow-up agora abre com um quadro de cadência determinista alimentado pelo followup-cadence.mjs do pai: urgência por candidatura (🔴 urgente / 🟠 atrasado / 🟡 aguardando / 🔵 frio) com dias até o próximo passo, mais um botão Semear datas de follow-up que fixa uma primeira data para cada linha Applied (followup-seed.mjs --backfill). Sem os scripts do pai, o quadro mostra um aviso honesto de “indisponível”.

Sete construtores de prompts: ideias de Project, planos de Training, emails de Follow-up, avaliações em Batch, Outreach para recrutadores, one-pagers de Interview prep e retrospectivas de Patterns. Cada um encapsula um template específico modes/<slug>.md:

Página	Slug	Propósito
`#/project`	`project`	Personalizar um projeto de portfólio para um papel-alvo.
`#/training`	`training`	Análise de skill-gap → currículo.
`#/followup`	`followup`	Rascunho de email pós-entrevista.
`#/batch`	`batch`	Prompt de avaliação batch multi-JD.
`#/contacto`	`contacto`	Mensagem de outreach a um recrutador / referral.
`#/interview-prep`	`interview-prep`	One-pager de preparação para uma rodada específica.
`#/patterns`	`patterns`	Análise reflexiva “Que padrões me tornaram bem-sucedido?”.

Forma compartilhada

Cada página tem um pequeno formulário (os campos são específicos do mode), um botão ▶ Generate prompt (manual), e — quando uma chave Anthropic ou Gemini está presente — um botão ⚡ Run live que sobe a primário.

Clicar em ▶ Generate prompt retorna o prompt montado com seus valores do formulário JSON-stringified num bloco User-supplied context:, seguido pelo template modes/<slug>.md verbatim. Copie e cole no LLM da sua escolha.

Clicar em ⚡ Run live envia o mesmo prompt para Anthropic (ou Gemini), com cv.md + profile.yml + _shared.md inlineados via bundleProjectContext. O resultado é renderizado na página, copiável, e baixável como .md.

As sete páginas são uma allowlist explícita — modes que têm uma rota dedicada (oferta → Evaluate, deep → Deep research) e modes que o projeto pai suporta apenas dentro do Claude Code (apply, scan, pipeline, tracker, pdf, latex, ofertas, auto-pipeline) ficam fora desta UI deliberadamente.

14. Checklist de candidatura (`#/apply`)

Depois que você decidiu se candidatar, esta página de assistente Apply gera um checklist de envio para a etapa real de candidatura. NÃO auto-preenche formulários — esse fluxo permanece em /career-ops apply dentro do Claude Code, que usa Playwright no projeto pai.

Modo checklist da SPA (`#/apply`)

O checklist da SPA é para usuários que preferem preencher o formulário à mão sem invocar o Playwright. Cobre:

Rode /career-ops apply <url> no Claude Code para ler o formulário via Playwright (pule este passo se for preencher à mão).
Verifique que a postagem ainda está viva (check-liveness.mjs).
Confirme que o CV é o mais recente (cv-sync-check.mjs, depois PDF se score ≥ 4.0).
Personalize a cover letter / resposta “Why us?” usando proof points STAR+R do cv.md.
Responda perguntas de EEO / sponsorship / data de início com honestidade.
Salve as respostas preenchidas em interview-prep/{company}-{role}.md antes de enviar.
NUNCA auto-envie — você (humano) clica no botão final.
Depois do envio: adicione linha em data/applications.md (ou escreva TSV em batch/tracker-additions/).

Preenchimento manual vs assistido por Playwright

Duas rotas para o envio real:

Manual — abra a página de carreiras em uma aba normal do navegador, siga o checklist da SPA acima, copie/cole respostas. Não precisa de Playwright. Use quando o formulário é curto ou você não tem Chromium instalado.
Assistido por Playwright — rode /career-ops apply <company> no Claude Code (projeto pai). O Playwright abre seu próprio navegador, lê cada campo do formulário, retorna respostas rascunho numeradas. Você ainda clica em Submit. Use quando o formulário é longo, dinâmico, ou você quer a trilha de auditoria de quais perguntas tiveram quais respostas.

Fluxo CLI completo de apply (apply-for-a-job)

Pré-requisitos:

Rode /career-ops pipeline primeiro para que o JD tenha um relatório de avaliação em reports/. O comando apply depende de uma avaliação existente; sem uma, rode o pipeline inicialmente.
Tenha o report e profile carregados.
Recomendado: Playwright instalado (npx playwright install chromium — veja Setup do Playwright abaixo). Faz fallback para WebFetch (preview de formulário só texto, sem click-fill) quando ausente.

Fluxo numerado (8 passos canônicos):

Rode o comando com o nome da empresa:
```
/career-ops apply <company>
```
Exemplo: /career-ops apply Anthropic. Sem argumento, forneça um screenshot do formulário, o texto do formulário colado, ou a URL da candidatura no próximo turno.
Localiza o report. O sistema encontra a avaliação correspondente em reports/ (a que foi criada por /career-ops pipeline ou #/evaluate antes).
Abre o formulário. O Playwright lança uma janela do navegador automaticamente — você NÃO o abre você mesmo.
Lê os campos. O sistema lê e parseia cada campo do formulário (label, tipo, obrigatório, opções para selects).
Gera respostas. career-ops cria respostas personalizadas para cada campo com base no seu profile, proof points e o papel.
Retorna lista numerada. Você recebe respostas ordenadas para coincidir com o layout do formulário — campos simples (nome, email) primeiro, campos de texto livre (cover letter, “Why us?”) por último. Itens sinalizados apontam coisas que precisam de atenção humana — âncora de salário, detalhes ausentes do currículo, perguntas opcionais.
Preenchimento manual. Você copia e cola cada resposta no campo correspondente. Este passo é manual, não automatizado. Você revisa cada resposta primeiro.
Usuário envia. Você clica em Submit você mesmo. career-ops nunca clica em Submit. Confirme a conclusão digitando no chat:
```
Submitted.
```

Atualizações automáticas em Submitted.:

Status muda Evaluated → Applied em data/applications.md.
As respostas preenchidas persistem na Seção G do report para referência futura.

Handoff ao tracker:

/career-ops tracker

Monitore o status de todo o seu pipeline, independentemente do score do papel.

Batch evaluate (batch-evaluate-offers)

Quando você tem 10+ JDs para pontuar de uma vez (o #/evaluate um a um da SPA é impraticável nesse volume), use o batch runner pelo CLI.

Arquivo de entrada — batch/batch-input.tsv (separado por tabulação):

Coluna	Propósito
`id`	Número sequencial único
`url`	Link completo da postagem da vaga
`source`	Plataforma de origem (LinkedIn, Greenhouse, etc.)
`notes`	Detalhe contextual opcional

Linha de exemplo:

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

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

--dry-run — Preview de ofertas pendentes sem avaliação. Sempre rode isto primeiro para validar o TSV.
--parallel N — Roda N workers simultaneamente (1, 2, ou 3 recomendados).
--min-score X.X — Pula a persistência de ofertas com score abaixo do limiar. Útil para manter relatórios apenas para papéis de alto fit.
--retry-failed — Reprocessa apenas as ofertas que erraram na execução anterior (falhas de rede, limitação de taxa).
--max-retries N — Tenta ofertas falhas até N vezes (default: 2).
--model NAME — Modelo Claude passado para claude -p --model (career-ops 1.8.0, #504). Sem valor = o modelo padrão da sua assinatura Claude Max. Use um mais barato para lotes grandes, ex. claude-sonnet-4-6. Em #/batch aparece como o campo Modelo (web-ui 1.31.0).
--start-from N — Pula IDs de vaga abaixo de N (retoma um lote parcialmente processado). Em #/batch aparece como o campo A partir de # (web-ui 1.31.0).

Sequência padrão:

Edite batch/batch-input.tsv — uma linha por JD.
Dry-run (recomendado primeiro):
```
./batch/batch-runner.sh --dry-run
```

Rode — sequencial ou paralelo:

./batch/batch-runner.sh                       # um de cada vez
./batch/batch-runner.sh --parallel 2          # dois concorrentes
./batch/batch-runner.sh --parallel 3          # três concorrentes
./batch/batch-runner.sh --parallel 2 --min-score 4.0  # persiste apenas alto fit

Retry falhas (rede / limitação de taxa):

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

Reports caem em reports/ como {id}-{company}-{AAAA-MM-DD}.md. Linhas de resumo são anexadas a batch/tracker-additions/.

Merge no tracker:

node merge-tracker.mjs                 # aplica as adições do batch
node merge-tracker.mjs --dry-run       # preview do merge

O comando merge deduplica entradas e arquiva arquivos processados em batch/tracker-additions/merged/.

A SPA expõe os relatórios resultantes em #/reports (paginados, score-pill colorido) e as linhas do tracker em #/tracker — exatamente como se você tivesse adicionado cada uma via #/evaluate. Combine com o botão de manutenção ▶ Merge em #/tracker se preferir não descer ao CLI.

Setup do Playwright (set-up-playwright)

Necessário para duas features do career-ops:

Preenchimento de formulário em /career-ops apply (passo 3 acima — Playwright abre o navegador, lê labels de campos, sugere respostas).
Geração de PDF via /career-ops pdf e o botão 📄 Generate PDF da SPA em #/cv / #/reports/:slug / #/evaluate / #/deep / #/interview-prep.

Fallback quando o Playwright está ausente: o fluxo de apply faz fallback para WebFetch (preview de formulário só texto, sem click-fill). A geração de PDF simplesmente dá erro.

Setup principal (rode a partir da raiz do projeto pai career-ops):

# Instala o Chromium para o Playwright
npm install
npx playwright install chromium

# Registra o Playwright MCP para que o Claude Code consiga dirigir formulários
claude mcp add playwright npx @playwright/mcp@latest

# Verifica os três componentes (Chromium, lib Playwright, MCP)
npm run doctor

Registro alternativo do MCP — adicione a .claude/settings.local.json:

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

Notas de comportamento:

Headless por padrão. O Playwright opera silenciosamente. Para observar o navegador em ação, diga ao Claude open up with playwright the browser and fill out the entire form.
Três papéis em um pacote — o npm install do Playwright te dá a biblioteca de automação de navegador, o motor de renderização de PDF para /career-ops pdf, e (via o MCP) o workflow de preenchimento de formulário dentro do Claude Code.
Verifique antes de confiar — npm run doctor confirma que todos os três estão operacionais. A página Health da SPA expõe uma verificação Playwright (parent node_modules) que falha rápido se estiver ausente.

15. Preparação para entrevistas

Esta é a fase pós-research, pré-entrevista. Três artefatos neste app convergem:

Arquivos de deep research salvos em interview-prep/, um por par empresa-cargo que você rodou. Navegue da página Deep research ou diretamente via /api/interview-prep.
Modo Patterns (#/patterns) — gera um prompt auto-reflexivo: “ao longo das minhas últimas N entrevistas / ofertas / rejeições, que padrões se mantêm?” Útil quando você acumulou 5+ linhas no tracker.
Modo Interview-prep (#/interview-prep) — pré-preenche um one-pager para uma rodada específica que vai acontecer (behavioral, técnica, system design). A saída vai para a mesma pasta interview-prep/.

Workflow recomendado

Para cada entrevista que você tem agendada:

Re-rode Deep (ou abra o arquivo salvo) no dia anterior.
#/interview-prep — gere um one-pager para a rodada específica. Cole nas suas anotações.
Rodadas de system design / coding — abra #/training e peça um refresher direcionado de 30 minutos sobre o subsistema específico que o JD enfatiza.
Rodadas de remuneração — abra o arquivo de deep research, salte para “Negotiation leverage points.” Traga 2–3 datapoints específicos (banda Glassdoor, funding recente, oferta comparável em outra empresa).
Rodadas behavioral — puxe histórias STAR+R do seu cv.md que caem na seção B do report Evaluate original.

Depois da entrevista, imediatamente:

Atualize a linha do tracker: status → Responded (depois Interview, Offer, etc.).
Rode #/followup para redigir o email de agradecimento.
Se você conseguiu nova informação (faixa de remuneração, composição do time, surpresa de stack), edite o interview-prep/<company>-<role>.md salvo com ## Post-round notes para que o seu eu-futuro tenha.

16. Activity log + Solução de problemas

Activity log (`#/activity`)

Trilha de auditoria de cada requisição que altera estado e que bate no servidor. Registra: adições ao pipeline, escritas no tracker, saves de CV, saves de JD, execuções de evaluate, execuções de deep research, execuções de scan, mudanças de config, execuções de mode.

Segredos (ANTHROPIC_API_KEY, GEMINI_API_KEY) são redigidos na entrada; você nunca verá um valor real de chave em data/activity.jsonl.

Filtre por prefixo de ação (pipeline., cv., evaluate, scan., etc.). 25 linhas por página; o servidor retorna até os 500 eventos mais recentes.

Solução de problemas

Sintoma	Causa provável	Solução
Página Health em vermelho no `cv.md`	Primeira execução, arquivo ainda não existe	`touch $CAREER_OPS_ROOT/cv.md` e dê refresh.
Health vermelho em `Profile customized`	`candidate.full_name` ainda é `Jane Smith`	Edite `config/profile.yml`.
`hh.ru: HTTP 403` no log do scan	IP não-russo, sem `(server uses default UA)`	Registre em `dev.hh.ru/admin`, configure um IP russo / VPN.
`gemini-eval.mjs: ERR_MODULE_NOT_FOUND`	Dependências do projeto pai não instaladas	`cd $CAREER_OPS_ROOT && npm install`.
Erros no Generate PDF	Playwright não instalado no pai	`cd $CAREER_OPS_ROOT && npx playwright install chromium`.
`/career-ops apply` diz “no report found”	O pipeline nunca pontuou este JD	Rode `/career-ops pipeline` (ou `#/evaluate`) primeiro; veja os pré-requisitos da §14.
`batch-runner.sh: no such file`	Rodando do diretório errado	`cd $CAREER_OPS_ROOT` antes de invocar `./batch/batch-runner.sh`.
Servidor reporta `EADDRINUSE: 4317`	Instância antiga ainda rodando	`pkill -f 'node server/index.mjs'` e reinicie.
Chamada LLM live trava > 2 min	Prompt enorme ou Anthropic lento	Verifique a flag Anthropic em `/api/health`; o servidor faz soft-cap em prompts de 200 KB e retorna 413.
Preview do pipeline mostra `(unsafe redirect)`	Postagem redirecionou para um IP privada / loopback	Esta é uma feature de segurança (REVIEW-B1). O alvo do redirect é rejeitado e a URL original permanece inalterada.
Texto da linha do tracker quebra a tabela	Pipe no nome da empresa pre-v1.9.1	Atualize para v1.9.1+ — pipes são escapados ponta a ponta (BF-1).
`npm test` falha em clone fresco	Os testes assumem layout do projeto pai	Use `CAREER_OPS_ROOT=$(mktemp -d)` e bootstrap fixtures.

Para diagnóstico mais profundo: rode ▶ Doctor na página Health, copie a saída, e busque a issue no rastreador em https://github.com/Fighter90/career-ops-ui/issues.

17. Como adicionar uma nova fonte de portal de vagas

O career-ops-ui trata cada job board como um adapter — um único arquivo em server/lib/sources/<slug>.mjs que sabe como buscar e normalizar os resultados de um portal. A partir da v1.118.0 o registry server/lib/sources/ inclui 59 adapters — 54 em inglês + 5 russos. O conjunto em inglês abrange os principais ATSes (Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday), agregadores de todo o board selecionados por um provider: explícito (RemoteOK, Remotive, We Work Remotely, NoDesk, Get on Board, Amazon, …), e ATSes por tenant autodetectados a partir de um host careers_url ou de uma URL api: explícita (BambooHR, Personio, Recruitee, Teamtailor, Avature, SAP SuccessFactors, …). A lista completa nunca precisa ser contada à mão aqui — ela é autodescoberta a partir de server/lib/sources/ e exibida ao vivo no dropdown Source de #/scan. Veja a §5 para o YAML e docs/portals-examples.md para entradas prontas para copiar e colar.

v1.69.0 (P-14) — auto-descoberta drop-in. Adicionar uma 12.ª fonte é agora um drop puro de arquivo. O registry (server/lib/sources/registry.mjs) não mantém mais uma lista manual — na inicialização ele escaneia esta pasta (readdirSync + dynamic import()) e coleta o bloco export const meta de cada *.mjs. Escreva o adapter, declare seu meta, e ele aparece imediatamente no scanner, no dropdown de filtros do #/scan e no dispatcher RU — sem nenhuma edição em registry.mjs. (Fontes RU ainda precisam de uma linha no portals.yml do projeto pai; veja o Passo 5.)

Passo 1 — Escreva o adapter

Crie server/lib/sources/<slug>.mjs. Dois padrões funcionam dependendo de se a fonte tem uma API JSON ou só renderiza HTML:

Fonte com API (mais limpo — use sempre que o site tiver um endpoint de dados aberto):

// 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) — metadados auto-descritivos. O registry auto-descobre
// este bloco na inicialização; ISTO é o que registra a fonte (veja o Passo 2).
export const meta = {
  value: 'example',          // ← deve ser igual ao job.source escrito abaixo
  label: 'Example.com',      // ← exibido no dropdown de filtros do #/scan
  region: 'ru',              // ← 'en' (varredura ATS) | 'ru' (dispatcher regional)
  configKey: 'example',      // ← apenas RU; a chave usada no 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',           // ← deve corresponder ao `meta.value` exatamente
  };
}

Fonte com HTML-scrape (quando não há API — veja getmatch.mjs e geekjob.mjs para exemplos completos):

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.
}

Três contratos que todo adapter DEVE honrar:

Exportar um bloco meta válido (veja o Passo 2). Sem ele o registry ignora silenciosamente o arquivo (um console.warn na inicialização) e a fonte nunca aparece.
Aceitar { onlyRemote, fetchImpl, signal } em opts. fetchImpl é o que torna os adapters testáveis sem rede; signal é necessário para propagação de desconexão do cliente (REVIEW-B3).
Retornar registros com o formato comum — { id, title, company, url, salary, location, isRemote, workplaceType, relocates, date, snippet, source }, onde source corresponde ao meta.value.

Passo 2 — Declare o `meta` do adapter (auto-registro)

Este é o passo completo de registro. Você não edita registry.mjs. Basta garantir que o adapter exporte um bloco meta — o registry o auto-descobre na inicialização:

// 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
};

Como a descoberta valida (um arquivo que falha em qualquer regra é ignorado, com um aviso [sources/registry], para que uma branch parcialmente migrada permaneça diagnosticável):

value — string não vazia. DEVE corresponder ao job.source do seu adapter.
label — string não vazia.
region — exatamente 'en' ou 'ru'; qualquer outro valor é rejeitado.
configKey — obrigatório para region: 'ru', ignorado para 'en'.

region: 'en' entra na varredura ATS (auto-descobre a partir dos padrões de URL de tracked_companies); region: 'ru' entra no dispatcher regional. A API pública (SOURCES, SOURCES_BY_REGION, RU_CONFIG_KEYS, getRegionalSources) é reconstruída a partir de cada meta descoberto, ordenado en primeiro depois ru, alfabético por label dentro de cada região — assim a ordem do dropdown permanece estável para os usuários.

Passo 3 — Conecte ao dispatcher (apenas RU)

Fontes ATS EN se auto-descobrem a partir dos padrões de URL de tracked_companies — sem mais configuração necessária. Para fontes RU, abra server/lib/ru-scanner.mjs, encontre a tabela RU_DISPATCH, e adicione uma linha:

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

O loop do dispatcher chama entry.search(query, opts) para cada chave presente em cfg.sources. Nenhuma outra alteração de código é necessária.

Passo 4 — Teste (mockado, nunca em rede real)

Crie um arquivo em tests/sources-<slug>.test.mjs. Rede real é proibida nos testes (contrato CI-isolation):

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');
});

Passo 5 — Habilite no seu `portals.yml`

O portals.yml do projeto pai é a config do usuário. Adicione o configKey da nova fonte ao array:

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

Recarregue #/scan no navegador. O dropdown do filtro de fonte capta a nova entrada automaticamente (única fonte da verdade via GET /api/scan/sources → registry.mjs). O botão 🌐 Scan agora inclui a nova fonte em cada varredura regional.

Adapters de referência (espelhe estes para novas fontes)

Arquivo do adapter	Tipo	Notas
`hh.mjs`	JSON API	Adapter de API RU canônico; fallback de UA ciente de geo.
`trudvsem.mjs`	JSON API	Open-data do governo russo; sem barreira de IP.
`habr.mjs`	HTML scrape	Quadro tech russo; parser de cards baseado em regex.
`getmatch.mjs`	HTML scrape	Parser defensivo, `[]` em falha de parse.
`geekjob.mjs`	HTML scrape	Mesmo estilo defensivo do GetMatch.
`greenhouse.mjs`	JSON API	Adapter ATS EN canônico; usa o padrão de URL `tracked_companies`.

Pitfalls comuns

Esquecer o export meta. Desde a v1.69.0 o bloco meta é a única coisa que registra uma fonte. Sem meta (ou com um malformado) = o arquivo é ignorado silenciosamente na inicialização com um único aviso [sources/registry] <file> has no valid \export const meta` — skipped`, e a fonte nunca chega ao dropdown. Verifique o log do servidor se um adapter novo não aparecer.
Divergência do campo source. A string escrita pelo seu adapter DEVE corresponder ao meta.value exatamente. Se divergirem, o dropdown do filtro de #/scan mostrará a fonte mas ao selecioná-la filtrará todas as linhas (porque a verificação de igualdade é r.source === fs).
Lançar exceção em falha de parse. Scrapers HTML DEVEM retornar [] num 200 saudável sem cards parseáveis. Lançar exceção quebra o loop do dispatcher multi-fonte — uma estrutura HTML ruim mata todas as outras fontes para a mesma consulta.
Esquecer fetchImpl / signal. Sem eles, seu adapter não pode ser testado em unit tests sem acessar a rede real, e desconexões do cliente não se propagam (o fetch em background segue vivo após o usuário fechar a aba).
Confiar em tracked_companies para RU. Essa lista é só para fontes ATS EN. Os adapters RU se autoabastecem a partir de russian_portals.queries — sem entradas por empresa.

18. Notificações (🔔 na barra superior)

v1.58.34 — todo toast no canto inferior direito também é capturado em um diário in-memory (limite 50, mais antigos descartados). Clique no 🔔 da barra superior para abrir o drawer Notificações e revisar o que perdeu. O diário é por aba/sessão — fechar a aba o limpa.

O drawer só abre ao clicar no sino (ou Enter / Space com foco). Nunca abre sozinho. O badge vermelho conta entradas não vistas; abrir o drawer reseta o badge.

Categorias

Categoria	Quando dispara	Pista visual
Sucesso	`Salvo`, `Copiado`, `Atualizado`, scan completo, CV importado, ações de apply-checklist, perfil salvo	borda esquerda verde; toast verde
Erro	URL inválida, erros de API com postfix `(MÉTODO /caminho · HTTP NNN)`, falhas de rede, duplicatas de pipeline-400, doctor/verify exit ≠ 0	borda esquerda vermelha; toast vermelho; postfix em `Detalhes` (U-4)
Info / progresso	`Running doctor.mjs…`, `Refreshing…`, `Loading…`, progresso do scan	borda esquerda cinza

Cada entrada mostra hora local, mensagem humana e, se houver, postfix técnico em monospace.

O que NÃO é notificação

Modal de resultado de Doctor / verify (modal, não toast).
Linhas SSE em #/scan / #/auto (vão direto pro corpo da página).
Estados de spinner sem toast.

Teclado

Clique ou Enter / Space no sino → abrir.
Esc, ×, ou novo clique no sino → fechar; foco volta ao sino.

19. Localizar o app para o seu idioma

A interface é distribuída em 9 idiomas (English, Español, Français, Português, 한국어, 日本語, Русский, 简体中文, 繁體中文). Cada rótulo na tela vem de um dicionário de traduções, e você pode adicionar ou corrigir um idioma sem mexer na lógica do app.

Onde ficam as traduções. Desde a v1.60.0 cada idioma é um arquivo próprio em public/js/lib/locales/ — i18n-dict.en.js, i18n-dict.es.js, i18n-dict.ru.js, etc. — uma lista simples de pares 'chave': 'texto'. Um i18n-dict.aliases.js compartilhado faz com que chaves que devem ler igual (um rótulo do menu e o título da sua página) apontem para uma única tradução. i18n-dict.js monta tudo no carregamento; você nunca o edita.

Corrigir ou adicionar um texto. Abra o arquivo do seu idioma, encontre a chave (ex.: 'nav.scan') e edite o texto. Para adicionar um rótulo novo, acrescente a mesma chave aos 8 arquivos de idioma com o valor traduzido e use-a na página via t('sua.chave'). Rode npm test — ele falha se algum idioma estiver sem a chave, então nada é publicado pela metade.

Adicionar um idioma novo. Copie i18n-dict.en.js para i18n-dict.<código>.js, traduza cada valor e registre o código em i18n.js (a lista de idiomas + autodetecção do navegador), no montador i18n-dict.js, e adicione uma linha <script> em index.html. O checklist completo — incluindo o snapshot de testes e os arquivos de ajuda / README — está em docs/LOCALIZATION.md.

Bom saber. O seletor de idioma fica no rodapé da barra lateral; sua escolha é lembrada por navegador. As mensagens de diagnóstico do servidor permanecem em inglês de propósito (para os logs ficarem consistentes) — apenas a interface na tela é traduzida.

Veja docs/LOCALIZATION.md no repositório para o guia de localização completo, passo a passo.

20. Estatísticas por cargos-alvo (`#/stats`)

A página Analytics → Estatísticas por cargo-alvo transforma os dados esparsos que suas varreduras já coletam em um retrato do mercado para os cargos que você realmente está buscando: contagem de vagas e níveis salariais por país, além de uma tendência que você pode acompanhar ao longo do tempo. Nada é inventado: ela só agrega o que os scanners encontraram e é honesta sobre o quão pequena é a amostra.

De onde vêm os números

Os cargos-alvo são lidos do seu Perfil (config/profile.yml → target roles), nunca fixados no código. Defina-os primeiro em #/profile; sem cargos, a página mostra um aviso “defina seus cargos-alvo” em vez de gráficos vazios.
As vagas vêm da sua varredura mais recente (rode uma primeiro em #/scan). A localização de cada vaga é mapeada para um país (o mesmo detector do filtro de país da varredura) e sua string salarial é analisada e normalizada para USD por meio de uma tabela de câmbio aproximada.
Tudo é agregado no seu navegador: nenhum dado sai da sua máquina, e a única coisa que a página chega a gravar é um snapshot que você salva explicitamente.

Como ler os gráficos

Vagas por país: quantas vagas correspondentes há em cada país. Use os filtros de Cargo e País no topo para restringir a um único cargo-alvo ou a um único país.
Salário mediano por país (USD): o salário intermediário analisado por país. Só são contadas as vagas com salário interpretável; o tamanho da amostra aparece ao lado do gráfico, e os valores são convertidos a taxas aproximadas, então leia como indicativo, não exato. Um ¥ isolado (ambíguo entre o iene japonês e o yuan chinês) é descartado em vez de adivinhado, para evitar uma grande distorção de FX.
Quando a varredura atual não tem salários interpretáveis, o gráfico salarial informa isso em vez de inventar números.

Salvar snapshots e acompanhar a tendência

Clique em Salvar snapshot para acrescentar o agregado atual a data/role-stats.jsonl. Cada snapshot recebe um carimbo de data/hora no servidor; os snapshots são a única coisa que esta página grava e nunca tocam seu CV nem seu perfil.
O gráfico de tendência plota a contagem de vagas ao longo dos seus snapshots salvos: salve um periodicamente (por exemplo, após cada varredura semanal) para observar como o mercado para seus cargos-alvo se move ao longo do tempo.

21. Seu documento de duas páginas — encaixe candidato-mercado (`#/two-pager`)

Quase tudo no career-ops-ui pergunta “esta vaga combina com meu CV?”. O documento de duas páginas responde à outra metade: “esta vaga combina com o que eu realmente quero?”. Ele é inspirado no “documento de duas páginas de Mnookin” de Never Search Alone — uma declaração curta, em primeira pessoa, do que te dá energia, do que você exige e do que você não aceitará. Abra-o em Configuração → Documento de duas páginas 🎯.

Autopreenchimento por IA + exportação (v1.100). O “✨ assistente de preenchimento IA” agora preenche todos os campos ao vivo do seu CV (revise e salve); 👁 Pré-visualizar e exportar renderiza o two-pager e o exporta para Markdown, PDF ou DOCX.

O que você preenche

Quem eu sou — algumas frases em primeira pessoa sobre sua trajetória e o tipo de cargo em que você se destaca.
Ambiente-alvo — o tamanho, o estágio e a cultura de empresa que você busca.
Cinco listas de chips — digite e pressione Enter (ou vírgula) para adicionar cada item, clique em × para removê-lo:
- O que eu amo — energizantes (remoto, autonomia, greenfield, mentoria…).
- Requisitos obrigatórios — exigências duras (um salário mínimo, um país, uma stack…).
- O que eu odeio — desgastantes (plantão, reuniões intermináveis, só legado…).
- Impeditivos — nãos absolutos (só presencial, sem patrocínio de visto, abaixo de um número…).
- Inegociáveis — limites (localização, remoto, salário mínimo…).

Clique em Salvar documento de duas páginas para persisti-lo. Ele é gravado na camada de usuário do seu projeto pai career-ops em config/two-pager.yml, então — como seu CV e seu perfil — ele nunca é sobrescrito quando você atualiza o sistema.

O assistente de preenchimento com IA

Não sabe como formular? Clique em ✨ Assistente de preenchimento com IA. Ele monta um prompt pronto para executar (o formato Mnookin, com seu CV e seu perfil embutidos) e o exibe em um diálogo. Execute esse prompt em qualquer LLM e depois cole os campos YAML resultantes de volta no formulário. O assistente só usa o seu próprio CV e perfil — ele nunca inventa fatos sobre você, e nenhuma chamada de API ao vivo é feita a partir deste botão.

A pontuação de encaixe com o que você quer

Depois de salvar um documento de duas páginas, cada vaga em #/scan ganha um pequeno selo ◎ N (0–100). Ele compara o tipo de trabalho (remoto/híbrido/presencial), o país, o salário mínimo e a realocação de cada vaga com seu documento de duas páginas — um selo verde significa bom encaixe, vermelho significa que um impeditivo disparou. Passe o cursor por cima para ver os detalhes (✓ o que combinou, ✗ qual impeditivo foi violado).

Ele é deliberadamente honesto: quando uma vaga não dá nenhum sinal comparável (por exemplo, se suas preferências são todas texto livre que uma linha de varredura não consegue confirmar), nenhum selo é exibido — o sistema nunca inventa um número. A violação de um impeditivo duro pesa mais do que um ódio brando pela mesma coisa. Além do selo, seu documento de duas páginas salvo é embutido em cada avaliação com LLM, então suas preferências declaradas moldam também o veredicto escrito, não apenas o encaixe CV-vs-vaga.

22. Entrevista simulada (`#/mock-interview`)

Ler a preparação de entrevistas é uma coisa; dizer as respostas em voz alta é outra. A página Entrevista simulada (abra-a em Preparação de entrevistas → Entrevista simulada 🎤 na barra lateral) executa um ensaio turno a turno contra uma vaga específica, apoiado no seu próprio CV, perfil, documento de duas páginas e banco de histórias. Não é uma lista de perguntas enlatadas — o entrevistador reage ao que você realmente diz.

Iniciar uma sessão

Informe uma vaga-alvo (e opcionalmente uma empresa). Cole também a descrição da vaga se você a tiver — as perguntas ficam visivelmente mais afiadas.
Clique em Iniciar entrevista. O entrevistador abre com uma pergunta focada, adaptada à vaga e à sua trajetória.
Digite sua resposta e clique em Enviar resposta. Repita quantas vezes quiser — é uma conversa, não um questionário fixo.

O que cada turno lhe dá

Depois de cada resposta, o entrevistador responde com três partes:

Feedback — o que funcionou (pontos fortes) e o que faltou, formulado em termos STAR+R (Situação, Tarefa, Ação, Resultado, Reflexão). Ele nomeia a dimensão específica que você pulou.
Pontuação — um rápido N/5 com uma justificativa de uma linha, para que você sinta o progresso ao longo de uma sessão.
Próxima pergunta — um acompanhamento que sonda deliberadamente a parte mais fraca da sua última resposta.

Tudo se apoia nos seus materiais reais: cv.md, config/profile.yml, config/two-pager.yml e seu banco de histórias STAR+R (interview-prep/story-bank.md) são todos embutidos no prompt. O entrevistador pressionará sobre lacunas genuínas, mas nunca inventa experiência que você não tem. Se nenhuma chave de LLM estiver configurada, a página lhe entrega um prompt pronto para executar e colar em qualquer assistente — o mesmo recurso honesto usado em outras partes do app.

Salvar e revisitar sessões

Clique em Salvar transcrição para guardar um ensaio finalizado. Ele é gravado na camada de usuário do seu projeto pai em interview-prep/mock-{company}-{role}-{date}.md, de modo que fica junto às suas outras notas de preparação de entrevistas e nunca é sobrescrito pelas atualizações do sistema. A lista de Sessões salvas no rodapé da página permite reabrir qualquer transcrição ou excluí-la. Use Nova entrevista para começar do zero com uma vaga diferente.

23. Networking e pesquisa aprofundada de empresas (`#/networking`)

Candidatar-se pela porta da frente é só metade do jogo — a outra metade é conhecer alguém, ou pelo menos saber quem procurar e o que dizer. A página Networking (abra em Pesquisa aprofundada → Networking 🤝 na barra lateral) transforma uma empresa em um plano concreto para conseguir uma entrevista, baseado no seu próprio CV, perfil e two-pager.

Montando um plano

Informe uma empresa (obrigatório) e, opcionalmente, um cargo e a descrição da vaga. A descrição afina os ganchos de “por que eu encaixo”.
Clique em Montar plano. Com uma chave de LLM ele roda ao vivo e renderiza o plano na hora; sem chave ele te entrega um prompt pronto para colar em qualquer assistente (o mesmo fallback honesto usado em todo o app — nada é inventado).

O que o plano contém

O plano volta em quatro seções:

Dossiê da empresa — um resumo enxuto do que a empresa faz, sinais recentes que valem a pena citar e dois ou três ganchos de “por que eu encaixo” extraídos da sua trajetória real.
Quem contatar — de três a cinco personas-alvo (o gestor de contratação do time, um recrutador interno, um engenheiro sênior do time, um contato próximo ou de ex-alunos) com uma string de busca do LinkedIn concreta para encontrar cada um. Ele nunca inventa nomes reais — diz como encontrar as pessoas certas.
Caminho de apresentação mais próximo — a rota quente de entrada mais realista para a sua trajetória: um empregador, escola ou comunidade em comum; um contato de segundo grau; ou uma mensagem fria de alto sinal quando essa for genuinamente a melhor opção.
Rascunhos de abordagem — mensagens curtas e específicas (de três a cinco frases, sem enrolação) para as suas principais personas, baseadas nos seus pontos de prova reais para que não soem genéricas.

Salvando e revisitando planos

Clique em Salvar plano para guardar um. Ele é gravado na camada de usuário do seu projeto pai em networking/net-{company}-{role}-{date}.md — seu próprio arquivo, nunca sobrescrito por atualizações do sistema. A lista de Planos salvos no final da página permite reabrir ou excluir qualquer plano. Como os rascunhos e as personas se baseiam apenas nos seus materiais reais, trate-os como um primeiro rascunho sólido para personalizar — não como um roteiro para enviar às cegas.

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

Adicionar ao CV (v1.117.0). Um novo cartão transforma um projeto, publicação ou página de portfólio (URL ou texto colado) em tópicos prontos para ATS baseados SOMENTE nessa fonte — métricas, empregadores ou datas ausentes são omitidos, nunca inventados. Você revisa as sugestões e cola as aceitas no editor de CV; nada é gravado automaticamente e URLs passam pelo mesmo validador anti-SSRF do pipeline.

A página #/cv é onde você escreve seu CV; o CV Studio (abra-o em Setup → CV Studio 🎨 na barra lateral) é onde você o aprimora. Ele dá ao seu cv.md três ferramentas honestas, duas das quais nunca saem do seu navegador.

Adaptar a uma vaga (v1.101). Cole uma descrição de vaga e o CV Studio produz um currículo adaptado mais uma carta de apresentação, passados por uma verificação estilo recrutador (erros bloqueiam, avisos aconselham), baseado apenas nos seus materiais.

Diagnóstico do currículo

No instante em que você abre a página, ele pontua seu CV de 0 a 100 e lista as constatações por verificação, cada uma com uma breve explicação para que você decida o que mudar (ele nunca reescreve em silêncio):

Tamanho — o CV está numa faixa saudável de uma a duas páginas?
Impacto quantificado — que proporção dos seus tópicos inclui um número ou métrica real? Recrutadores procuram por eles ao passar os olhos.
Verbos de ação fortes — sinaliza frases fracas como “responsável por” ou “ajudei”.
Jargões — sinaliza clichês vazios (“orientado a resultados”, “trabalha bem em equipe”).
Seções essenciais — verifica se há Resumo, Experiência, Formação e Habilidades.
Dados de contato — garante que haja um e-mail.

Isso roda inteiramente no seu navegador, sem nenhum LLM — os números são determinísticos e nada é inventado.

Máscara de privacidade

Antes de compartilhar seu CV como amostra de escrita ou captura de tela, a Máscara de privacidade oculta os dados de identificação pessoal: e-mail, telefone, links/perfis e endereço, além do seu nome → iniciais se você optar por isso e o inserir. Ative ou desative cada categoria, copie a versão mascarada e compartilhe com segurança. Tudo acontece integralmente no navegador, informa exatamente quantos itens foram ocultados e nunca armazena ou transmite o original.

Torne humano (correspondência de voz)

Cole uma frase ou um parágrafo engessado — aquele tipo de redação genérica de IA que soa como texto padrão — e Torne humano o reescreve na sua voz. A reescrita é fundamentada no servidor no seu voice-dna.md (como sua escrita soa) e nos seus writing-samples/ (sua prosa real). A regra rígida: ele pode reordenar, enxugar e reajustar a voz, mas nunca vai introduzir um fato, métrica ou conquista que já não esteja no texto que você colou. Com uma chave de LLM, ele reescreve ao vivo; sem chave, ele entrega um prompt pronto para colar em qualquer assistente. Depois edite seu CV na página #/cv como de costume — o CV Studio sugere, você decide.

25. Memória (`#/memory`)

Todas as outras páginas começam do zero a cada vez. A Memória (abra em Configuração → Memória 🧠 na barra lateral) é o único lugar em que você diz algo ao assistente uma vez e isso fica gravado. Ela guarda uma nota curta e editável do tipo “lembre-se disto sobre mim” que é injetada em cada requisição de IA.

Para que serve

Use-a para preferências duradouras e estilo de trabalho, por exemplo:

Os tipos de vagas e empresas que você está buscando (e as que nunca quer ver).
Como você gosta que as respostas sejam escritas — sucintas ou detalhadas, tom sênior, sem enrolação.
Restrições firmes que vale a pena repetir — apenas remoto, um piso salarial, sem plantão.

Mantenha-a em preferências e direcionamento. Não é o lugar para fatos sobre sua experiência — suas competências, empregadores e conquistas ficam no seu CV, perfil e resumo de duas páginas, que continuam sendo as únicas fontes de qualquer coisa que apareça nos seus CVs e cartas de apresentação. A nota de memória molda como o assistente trabalha com você, nunca o que ele afirma sobre você.

Como ela alcança tudo

Quando você clica em Salvar memória, a nota é gravada na camada de usuário do seu projeto pai em config/memory.md e incorporada ao contexto compartilhado do projeto. Isso significa que ela viaja automaticamente com cada requisição de IA — avaliações, entrevistas simuladas, planos de networking, reescritas no CV Studio — e por cada provedor que você configurou. Escreva-a uma vez; você não precisa se repetir em cada página. Como seus outros arquivos da camada de usuário, ela nunca é sobrescrita quando você atualiza o sistema, e só sai da sua máquina dentro dos prompts de LLM que você escolher executar.

Sugerir a partir dos seus dados

Não sabe o que escrever? O ✨ Sugerir a partir dos meus dados lê o seu rastreador de candidaturas e redige um conjunto de tópicos comportamentais — os padrões no que você persegue, aceita e rejeita. Rode o prompt que ele fornece em qualquer LLM, revise as sugestões e cole uma versão editada na nota. Ele extrai apenas do seu próprio rastreador e nunca inventa fatos; você sempre revisa antes de qualquer coisa ser salva.

26. Estatísticas (`#/stats`)

Aba de padrões de rejeição (v1.117.0). Uma quarta aba executa o analyze-patterns.mjs do pai (somente leitura) e mostra a mistura de resultados, recomendações acionáveis e a taxa de avanço por fornecedor ATS (o sinal de “monocultura algorítmica” — Bommasani et al., FAccT 2026). Fornecedores abaixo da amostra mínima levam asterisco; sem o projeto pai a aba avisa honestamente.

A página Estatísticas reúne três visões em uma única seção: um relatório de mercado gerado por IA, análises do seu próprio pipeline e a tendência de vagas para seus cargos-alvo a partir dos seus scans. Alterne entre elas com as abas no topo.

Relatório de mercado

A aba Relatório de mercado pede ao modelo uma análise salarial e do mercado de trabalho dos seus cargos-alvo — ela lê seu CV e seu perfil para saber quais cargos e senioridade cobrir. Digite uma Região / mercado (por exemplo Russia, EU-remote, US ou Germany), escolha uma Moeda e clique em Gerar relatório de mercado. Você recebe um relatório estruturado com um resumo executivo, salário por nível (mediana mais P10/P25/P75/P90), principais empregadores, uma tabela de habilidades em demanda, frequência de benefícios, a divisão presencial/híbrido/remoto, tendências de 12–24 meses incluindo o impacto da IA e orientação de negociação. Cada número é uma estimativa direcional do conhecimento de treinamento do modelo — não são dados coletados nem ao vivo — e o relatório diz isso; trate os números como faixas, não como cotações. Sem uma chave de API configurada você recebe um prompt para copiar e colar em vez de um relatório fabricado. Use Baixar .md, Salvar como PDF ou Copiar para tirar o relatório do app.

Meu pipeline

A aba Meu pipeline representa graficamente o seu próprio tracker de candidaturas — nada externo. Ela mostra quantos cargos você acompanhou, sua distribuição de pontuações, o funil de status, suas principais empresas e cargos, as candidaturas ao longo do tempo e as taxas de conversão (que proporção das candidaturas chega a Applied, Responded, Interview e Offer). É o espelho honesto da sua busca: só reflete o que já está em data/applications.md.

Tendência de cargos-alvo

A aba Tendência de cargos-alvo é a visão original: contagem de vagas e salário mediano por país para seus cargos-alvo, agregados a partir do seu scan mais recente, com um seletor de moeda e uma visão geral de Vagas por cargo-alvo. Salvar snapshot registra o agregado atual para que você possa observar como as contagens de vagas se movem ao longo do tempo, e a linha de tendência relê esses snapshots. Dados esparsos são esperados e rotulados como indicativos — nunca são preenchidos com números inventados.

Histórico e remuneração

A aba Histórico (v1.118.0) retransmite, em modo somente leitura, dois scripts do pai com custo zero de tokens: stats.mjs — o resumo histórico do seu tracker, as taxas do funil acumulado (resposta / entrevista / oferta), os totais do scanner e a cobertura de portais — e salary-gap.mjs — remuneração desejada vs anunciada vs real por candidatura, consolidada dos Machine Summaries dos relatórios e de data/salary-observations.tsv. Amostras pequenas são marcadas como indicativas; sem o projeto pai a aba mostra uma nota honesta.

27. Plano de carreira (`#/career-plan`)

A página Plano de carreira transforma seu currículo e seu perfil em um plano de desenvolvimento concreto e personalizado — do tipo que você montaria com um coach de carreira, mas gerado a partir dos seus próprios materiais e seu para editar.

Gerar um plano

Escolha um Horizonte (6, 12 ou 24 meses), digite opcionalmente um Foco (por exemplo, “migrar para gestão”, “trabalhar remotamente” ou “mudar para Go”) e clique em Gerar plano. O modelo lê seu currículo, seu perfil, seu two-pager e sua nota de memória (via o contexto de projeto compartilhado) e escreve um plano estruturado: um retrato honesto do seu ponto de partida, uma SWOT de forças e áreas de crescimento, metas expressas como SMART / OKR / WOOP, trajetórias de carreira alternativas com seus trade-offs, um plano de habilidades técnicas e comportamentais, um roteiro mês a mês para o horizonte escolhido, como acompanhar o progresso, as armadilhas prováveis e as ações de apoio. Cada recomendação se apoia no que seus materiais de fato mostram — ele planeja para frente, nunca inventa fatos sobre seu histórico. Sem uma chave de API configurada, você recebe um prompt para copiar e colar em vez disso.

Editar e salvar

O plano aparece em uma área de texto editável — ajuste o que quiser e clique em Salvar plano. Ele é gravado na camada de usuário do seu projeto pai, em config/career-plan.md, de modo que sobrevive às atualizações do sistema e só é enviado dentro dos prompts de LLM que você escolher executar. Pré-visualizar renderiza seu Markdown para que você possa lê-lo formatado antes de salvar.

Exportar

Use Baixar .md, Salvar como PDF ou Copiar para levar o plano para fora do aplicativo — os mesmos controles de exportação usados em todos os relatórios de IA do app. O PDF passa pelo gerador de PDF inline existente; o Markdown é um download direto.

28. Orientação de carreira (`#/orientation`)

A página de Orientação de carreira responde à pergunta “quais direções realmente combinam comigo?” — o tipo de leitura que você teria de um teste vocacional, mas inferida a partir do seu próprio currículo e perfil em vez de um questionário.

O que ela produz

Clique em Gerar perfil e o modelo lê seu currículo, seu perfil, seu two-pager e sua nota de memória e escreve um perfil de orientação de carreira: seus vetores de carreira com melhor ajuste (quais dos oito arquétipos — Funcionalista, Administrador, Comunicador, Especialista, Analista, Inovador, Gestor, Empreendedor — combinam melhor, com evidências do seu currículo), uma inclinação de tipo profissional, um conjunto de funções recomendadas, seus pontos fortes profissionais ligados ao que o currículo mostra, tendências de estilo de trabalho (“como o seu currículo é lido” em alguns eixos) e recomendações de desenvolvimento para ampliar seu ajuste.

Como ela é gerada

É uma reflexão de IA sobre como o seu currículo é lido — não um teste psicométrico. O prompt se apoia inteiramente nos seus próprios materiais: não inventa conquistas e nunca informa pontuações numéricas de teste como se fossem medidas. Sem nenhuma chave de API configurada, você recebe um prompt para copiar e colar e executar em qualquer LLM em vez de um perfil ao vivo. Nada é gravado no disco — o perfil é gerado do zero a cada vez.

Exportar

Use Baixar .md, Salvar como PDF ou Copiar para conservar o perfil — os mesmos controles de exportação usados nos relatórios de IA do app. O PDF passa pelo gerador de PDF inline existente; o Markdown é um download direto.

Guia do usuário

Ajuda — career-ops-ui

Sobre o career-ops

career-ops vs career-ops-ui (este app)

Limiares de ação por score

Documentação externa

1. Início rápido — passo a passo de “criar CV” até “candidatado e mensagem enviada”

A. Setup (faça uma vez, ~5 minutos)

B. CV (faça uma vez, ~10 minutos)

C. Encontrar vagas (~2 minutos por scan)

D. Pontuar as ofertas (~30 segundos por JD)

E. Decidir e pesquisar a fundo a empresa shortlisted (~3 minutos)

F. Candidatar (~5 minutos por candidatura)

G. Rastrear e dar follow-up (contínuo)

TL;DR — a ordem da barra lateral coincide com o workflow

Auto-pipeline de um clique (#/auto) — o atalho de 21 passos

2. Configurações do app e chaves de API (#/config)

Aba Profile

Chaves reconhecidas

Comportamento

Botões de smoke-test

3. Perfil (#/profile — também acessível como #/settings)

4. CV (#/cv)

Opções de edição

O que é sanitizado

Outros botões

Dicas de tom / formato

5. Portais e fontes (portals.yml)

title_filter

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

search_queries

tracked_companies

rss (RSS / Atom boards)

russian_portals

Configurar os portais russos — guia detalhado

Inventário de fontes

Passo 1 — Abra portals.yml

Passo 2 — Habilite as 5 fontes

Passo 3 — Ajuste queries e filtros

Erros comuns

Desativar uma fonte temporariamente

Verificar a configuração

Fluxo de bootstrap CLI (scan-job-portals)

Comportamento de bootstrap da SPA

6. Saúde (#/health)

Verificações obrigatórias (sistema não funciona sem elas)

Verificações opcionais (apenas avisos)

Botões de execução

7. Busca (#/scan)

Scan com um clique (SPA)

Filtrando resultados

Card Active Companies

Fluxo CLI de scan (scan-job-portals)

Comandos de follow-up

hh.ru — coletado do site (desde julho de 2026 exige IP russo)

8. Vagas (#/pipeline)

Adicionando URLs

Painel de preview server-side

Ações de linha

Botões do topo

9. Avaliar (#/evaluate)

Entrada

Cadeia de fallback

Seções de saída (A–F canônico de career-ops.org)

Salvando o relatório

Avaliação em batch quando você tem 10+ JDs

10. Relatórios (#/reports)

11. Tracker (#/tracker)

Fluxo de status

Layout das colunas

Filtros

Botões de manutenção

Adicionando linhas

12. Pesquisa (#/deep)

Entrada

Caminhos de saída

Dicas

13. Prompts de modos (as sete páginas /#/<mode>)

Forma compartilhada

14. Checklist de candidatura (#/apply)

Auto-pipeline de um clique (`#/auto`) — o atalho de 21 passos

2. Configurações do app e chaves de API (`#/config`)

3. Perfil (`#/profile` — também acessível como `#/settings`)

4. CV (`#/cv`)

5. Portais e fontes (`portals.yml`)

`title_filter`

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

`search_queries`

`tracked_companies`

`rss` (RSS / Atom boards)

`russian_portals`

Passo 1 — Abra `portals.yml`

6. Saúde (`#/health`)

7. Busca (`#/scan`)

8. Vagas (`#/pipeline`)

9. Avaliar (`#/evaluate`)

10. Relatórios (`#/reports`)

11. Tracker (`#/tracker`)

12. Pesquisa (`#/deep`)

13. Prompts de modos (as sete páginas `/#/<mode>`)

14. Checklist de candidatura (`#/apply`)

Modo checklist da SPA (`#/apply`)

Activity log (`#/activity`)

Passo 2 — Declare o `meta` do adapter (auto-registro)

Passo 5 — Habilite no seu `portals.yml`

20. Estatísticas por cargos-alvo (`#/stats`)

21. Seu documento de duas páginas — encaixe candidato-mercado (`#/two-pager`)

22. Entrevista simulada (`#/mock-interview`)

23. Networking e pesquisa aprofundada de empresas (`#/networking`)

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

25. Memória (`#/memory`)

26. Estatísticas (`#/stats`)

27. Plano de carreira (`#/career-plan`)

28. Orientação de carreira (`#/orientation`)