帮助 — career-ops-ui

从启动应用到拿到面试机会,本指南完整覆盖每一个页面。每个 ## 标题对 应侧边栏条目或工作流的一个阶段。首次运行请自上而下通读;之后通过帮 助侧边栏的目录跳转到具体小节。

适用对象: 任何刚把这套 UI 放进 career-ops checkout 目录、运 行了 bash bin/start.sh 的人。不假设你已了解 career-ops。

关于 career-ops

career-ops 是一个开源求职系统,以 slash 命 令的形式在任意 AI 编码 CLI(Claude Code、Gemini CLI、Codex、Qwen Code、OpenCode、GitHub Copilot CLI — 其他 Claude 兼容 CLI 也通过相同的斜杠命令接口运行)中运行。它与具体模型无关。系统按六维 0.0–5.0 评 分体系将每个职位与你的 CV 匹配,生成定制化的 PDF 简历,并在本地机器 上追踪每一次申请记录。

权威参考文档(首次安装请按顺序阅读):

• What is career-ops — 系统总览、核心原则、概念清单。
• Scan job portals — 发现职位空缺;填充 Pipeline。
• Apply for a job — 完整的申请提交流程,含 Playwright 表单读取。
• Batch-evaluate offers — 通过 batch-runner.sh 一次性评分 10 个以上 JD。
• Set up Playwright — 安装 Chromium 并注册用于 PDF 与表单填写的 MCP。

核心原则(摘自 career-ops.org/docs/introduction/what-is-career-ops):

• 认真的开源 — MIT 协议,无付费层级,无候补名单,无遥测,无账 号体系。系统不依赖任何付费层级、账号或遥测运行。代码贡献需经社区 审查后才能发布。
• 数据主权 — cv.md、config/profile.yml、data/、reports/、 interview-prep/ 这些文件绝不会离开你的笔记本电脑,除非你显式地 推送它们。你在本地机器上运行整个系统,保留对数据的完全主权。
• AI 无关架构 — career-ops 不捆绑任何模型。它是嵌在已有 AI 编码 CLI 中的一组命令。在 Anthropic ↔ Gemini ↔ OpenAI 之间切换提 供商,你的评估历史依然保持一致。
• 由人控制的提交 — career-ops 起草答案、打开表单,但 由你点 击 Submit 按钮。系统绝不会自动申请。系统负责提供结构与评估,人 类保留最终提交权。
• 结构化求职 — 为多次投递的主动、有意识的求职而设计;不是一次 性投递工具,也不是推荐引擎。安装大约耗时 15 分钟,假设你熟悉终端 操作。

career-ops 不是什么(明确的非目标):

• 不是自动投递器。它不会替你提交表单。
• 不是简历重写器。它针对每个 JD 做微调,但不会捏造经历。
• 不是 LinkedIn 优化器。你的个人主页归你自己管理。
• 不是一个躲在 SaaS UI 后面的电子表格替代品。所有数据都是文件系统 上的纯 markdown。

关键概念(完整清单 — career-ops 涉及的所有产物):

概念	含义
Mode	modes/<slug>.md 下的提示模板。内置: oferta、deep、apply、pipeline、batch、contacto、followup、interview-prep、patterns、project、training、ofertas、auto-pipeline、pdf、latex、scan、tracker。
Archetype	config/profile.yml 中的目标角色画像。评分体系按当前 archetype 加权技能匹配 — 最重要的单一字段。
Pipeline	data/pipeline.md — 等待评估的 JD URL 收件箱。
Tracker	data/applications.md — 历史 GFM 表格,记录每次评估与申请状态。
Report	reports/<NNN>-<company>-<DATE>.md — 每个 JD 的完整 A–F 评估,头部含 score 与合法性。
Scan history	data/scan-history.tsv — 仅追加日志,跨扫描去重。
Proof points	从 cv.md 提取的 STAR+R 证据块,在评估、apply 答题、面试准备之间复用。
JD store	jds/jd-<date>-<ts>.txt — 评估期间保存的原始职位描述,用于审计跟踪。
Interview-prep	interview-prep/<company>-<role>.md — 深度调研简报与轮次单页。
Batch additions	batch/tracker-additions/*.tsv — batch-runner.sh 排队等待并入 tracker 的行。

career-ops 与 career-ops-ui(本应用)的关系

	career-ops(CLI)	career-ops-ui(本应用)
运行位置	Claude Code / Gemini CLI / Codex / Qwen Code / OpenCode / GitHub Copilot CLI 内部	浏览器中的 http://127.0.0.1:4317
界面形式	/career-ops <mode> slash 命令	侧边栏,每个工作流对应一页
表单填写	支持,通过 Playwright MCP	不支持 — 生成清单,你在 CLI 中完成填写
PDF	generate-pdf.mjs	📄 Generate PDF 按钮位于 #/cv、#/reports/:slug、#/evaluate、#/deep、#/interview-prep
数据文件	与 career-ops-ui 共享	与 career-ops 共享

career-ops-ui 是 纯增量 项目。career-ops/ 内部的任何文件都不会 被修改。两套界面共享同一份 cv.md、config/profile.yml、 portals.yml、data/、reports/、interview-prep/、modes/。

按 score 划分的行动阈值

一旦某个 JD 有了评估,score 决定下一步动作(摘自 career-ops.org/docs/introduction/what-is-career-ops 的权威表):

Score	下一步
≥ 4.5	运行 /career-ops apply — 高匹配,立即推进。
4.0 – 4.4	申请,或先用 /career-ops contacto 做温和推荐接触。
3.5 – 3.9	运行 /career-ops deep — 先调研公司/角色再决定。
< 3.5	除非有具体的个人理由,否则跳过。

career-ops-ui 的 #/dashboard 与 #/tracker 会高亮每一条 ≥ 4.0 的 记录,无需重新运行任何命令即可挑选行动对象。

外部文档

底层 career-ops 引擎(扫描、评估体系、批量处理、申请流程、Playwright 配置)的完整参考位于 career-ops.org/docs:

• What is career-ops
• Scan job portals
• Apply for a job
• Batch-evaluate offers
• Set up Playwright

---

1. 快速上手 — 从「创建 CV」到「投递并联系」的完整步骤

这是按钮级的权威操作手册。首次使用请按顺序执行。每一步都明确指出 路由名、按钮名以及成功时你将看到什么。2–16 节会深入展开各阶段细节。

向文档提问。 打开侧边栏(帮助下方)的**向文档提问 💬**并输入使用问题——仅用你所用语言从本指南作答,绝不读取你的简历。 同一助手在每个页面都触手可及——一个机器人聊天按钮浮动在右下角(从右到左语言中在左下角);点击即可提问,无需离开当前操作。

一条命令完成启动与初始化。 在终端中,你无需打开界面即可 完成整个引导流程:

career-ops-ui setup      # 安装依赖 → doctor → 启动服务器
career-ops-ui init       # 选择 LLM 提供方 + 粘贴其密钥(不回显)
career-ops-ui doctor     # 随时重新校验(退出码 0 ⇔ 所有必需项均为绿色)
career-ops-ui run        # 仅在 http://127.0.0.1:4317 启动服务器
career-ops-ui open       # 打开并将浏览器中的仪表盘标签页置于最前

setup/run 之后,浏览器标签页会自动打开并被带到最 前面(v1.43.0);career-ops-ui open 可按需执行相同操作, 因此你再也不必去翻找仪表盘标签页。NO_OPEN=1 可在 headless/CI 启动时禁用自动打开。

setup 会自行执行整条链路。init 通过 #/config API 密钥 选项卡所用的同一条已验证路径,将密钥写入父级 career-ops/.env,并设置 LLM_PROVIDER (auto | claude | gemini),实时的 evaluate / deep / mode / 自动流水线路由都会遵循它。CI 形式: career-ops-ui init --provider claude --anthropic-key sk-ant-… --yes。 更喜欢用界面?继续下面的步骤即可。

A. 一次性安装(只需做一次,约 5 分钟)

career-ops-ui 必须位于 career-ops/web-ui/（嵌套在父项目 career-ops 中）。它通过 ../ 读取父目录中的 cv.md、config/ 和 data/，无法单独运行。如果 git pull 后找不到 career-ops-ui init，请执行 cd career-ops/web-ui && npm install && npx career-ops-ui init。

第 1 步 — 在 http://127.0.0.1:4317 打开应用。 如果尚未启动, 在仓库根目录的终端执行 bash bin/start.sh。Dashboard (#/dashboard)会加载出来。

第 2 步 — 在左侧边栏点击 ❤ Health。 所有必需检查项必须为绿色:

• cv.md、config/profile.yml、portals.yml 存在
• 已设置 API key(至少有一个 ANTHROPIC_API_KEY / GEMINI_API_KEY)
• Playwright 已安装(仅在你使用 Generate PDF 时必需)

如有红色项,页面会精确指出需要修复的文件或环境变量。在 Health 全绿 之前不要继续后续步骤。

第 3 步 — 在侧边栏点击 ⚒ App settings。 进入 API keys & runtime 选项卡。

• 粘贴 ANTHROPIC_API_KEY(首选 — 长文本评分质量更高) 和/或 GEMINI_API_KEY。从 https://console.anthropic.com/settings/keys 或 https://aistudio.google.com/apikey 获取 key。
• 点击 💾 Save。然后点击 ▶ Test Anthropic(或 Gemini)— 一次 小往返调用确认 key 配置正确。

第 4 步 — 切换到同一页的 Profile 选项卡。 这是 config/profile.yml 的直接 YAML 编辑器。至少修改以下字段:

• candidate.full_name — 把任何占位符(“Jane Smith”)替换为你的真 实姓名
• candidate.email、linkedin、github — 用于求职信
• target.roles — 你打算申请的职位头衔
• target.comp_total_min_usd — 最低总薪;低于此值的 offer 会在每份 评估的 D 节被标红
• target.archetypes — 你接受的职业模式(影响最大的单一字段)

点击 💾 Save。服务器验证 YAML 并写入权威头部 # Career-Ops Profile Configuration。

B. CV(只需做一次,约 10 分钟)

第 5 步 — 在侧边栏点击 ✎ CV。 两栏布局:左侧编辑器,右侧实时 预览。

第 6 步 — 选择一条路径填充编辑器:

• 上传已有简历 — 点击 📁 Upload CV,选择任一格式: .docx / .doc / .odt / .rtf / .pdf / .html / .txt / .md。服务器 会通过 pandoc 或 pdftotext 转换为 markdown,净化 XSS 内容,并将结 果放入编辑器。请检查转换结果 — 尤其是 PDF,可能丢失版面信息。
• 直接粘贴 markdown — 文本框就是 markdown 编辑器;右侧面板呈现 的是 LLM(以及未来的招聘者)看到的内容。
• 行文建议: 一个 bullet = 一项可量化的成绩。控制在 1500 字以 内。章节顺序: Summary、Experience、Projects、Education、Skills。

第 7 步 — 点击 💾 Save(CV 页右上角)。 服务器执行净化(剥离 <script> / javascript: / 内联事件处理器)后写入 cv.md。Toast 提示: “Saved”。

第 8 步(可选)— 点击 📄 Generate PDF。 在父项目运行 generate-pdf.mjs(需要 Playwright),完成后 新 PDF 会自动下载 到浏览器。页面底部列表会保留所有历史生成文件。

C. 发现职位空缺(每次扫描约 2 分钟)

第 9 步 — 在侧边栏点击 🌐 Scan。 确认 portals.yml 列出了你 关心的招聘版面(详见本帮助第 5 节)。按下 🌐 Scan now 按钮。实 时 SSE 日志会流式输出,扫描器会遍历 Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday(英文版面)以及启用情况下的 hh.ru / Habr Career / Trudvsem / GetMatch / GeekJob(俄罗斯版面)。

第 10 步 — 扫描完成后查看结果。 点击公司标签可过滤;点击 ↗ 图标在新标签页打开公司招聘主页。所有通过标题过滤器的空缺都会进入 Pipeline 队列。

D. 给 offer 打分(每个 JD 约 30 秒)

第 11 步 — 在侧边栏点击 Pipeline。 你会看到扫描器排队的所有 URL。点击任一条目可在右侧预览 JD。

第 12 步 — 点击任一 JD 旁的 ▶ Evaluate。 跳转到 #/evaluate。 如果配置了 API key,会实时运行;否则会得到可粘贴到自己 LLM 中的手工 提示。实时模式针对你的 CV 在 A–G 各节(Role / Company / Compensation / Risk / Stretch / Cultural fit / Verdict)产出 0–5 分。保存路径 为 reports/<date>-<slug>.md。

第 13 步 — 在侧边栏点击 Reports 查阅最新评估。任何低于 comp_total_min_usd 的项会在 D 节标红。任何 Verdict: pursue 的项 就是你的入围短名单。

E. 决策并对入围公司做深度调研(约 3 分钟)

第 14 步 — 选择一个值得追的职位,点击侧边栏 Deep research。 输入公司名和角色。模型会产出包含 7 节的公司简报(使命、近期新闻、 技术栈、招聘信号、薪酬基准、风险、建议切入角度)。保存路径为 interview-prep/<company>-<role>.md。

F. 投递申请(每份申请约 5 分钟)

第 15 步 — 在侧边栏点击 Apply checklist。 粘贴职位 URL + JD。 助手会生成逐步提交清单:

• 定制的求职信草稿(使用你的 cv.md + profile.yml)
• 需要从 JD 镜像的具体关键词
• 需附上的文件(CV PDF — 见第 8 步)
• 投递地点(公司权威招聘 URL,而非聚合站的重定向)
• 提醒: 绝不自动提交 — 最终审查与提交始终是手工操作。

第 16 步 — 在新标签页打开招聘页面。 把 Apply 清单当作待办列表。 通过公司的真实表单提交。附上你在第 8 步生成的 PDF。

第 17 步 — 联系真实的人类。 打开 Outreach 模式 (侧边栏的 #/contacto)。模型基于第 14 步的公司简报起草一条简短的 LinkedIn / 邮件消息。把开场白个性化(嵌入一条来自深度调研的具体细节)。 发送出去。

G. 跟踪与跟进(持续进行)

第 18 步 — 在侧边栏点击 Tracker 为这次申请添加一行: 公司、 角色、score、状态 Applied、报告链接、深度调研简报链接。日期自动 填充。

第 19 步 — 一周后:打开 Follow-up 模式(#/followup)。它会起 草一封礼貌的跟进邮件,引用原申请。发送后,把 tracker 状态更新为 Followed up。

第 20 步 — 收到面试邀请后,运行 Interview prep 模式 (#/interview-prep)。会为具体公司 + 轮次(系统设计 / 行为面 / 编 码面)生成针对性准备材料。自动从深度调研简报中拉取信息。

第 21 步 — 拿到 offer 后:把 Tracker 状态更新为 Offer,并回看 评估报告的薪酬章节 — 你的最低接受数字就在那里。

TL;DR — 侧边栏顺序即工作流顺序

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

就是这样。21 步,按钮接按钮,从零到 offer。

一键 Auto-pipeline(#/auto)—— 21 步捷径

只想快速给某个职位打分?跳过手动流程。侧栏 → ✨ Auto-pipeline(或 Dashboard 的 ✨ 按钮):粘贴 URL,按 Enter 或 ▶ 运行完整流水线 —— 服务端一趟可观察地跑完整条链:

1. 校验 URL —— SSRF 安全检查(isValidJobUrl)。
2. 抓取 JD —— safeGet(DNS 固定)下载 + 清洗。
3. 对照 CV 评估 —— Anthropic → Gemini → 无 key 则手动 prompt。
4. 保存报告 —— 写入 reports/<slug>.md(分数 + 可信度)。
5. 加入跟踪器 —— 向 data/applications.md 追加一行。

反馈是纵向 stepper(有序列表,活动步骤带 aria-current,屏幕阅读器实时区域)。完成后卡片深链到报告(查看报告 · N/5)与 跟踪器。失败步骤标红,按钮重新启用,无需刷新即可重试。无 API key? 手动模式:3–5 步折叠,给出可复制 prompt。可链接:#/auto?url=<enc>&go=1 自动开始。

CLI(v1.38.0)。 一条命令完成整链:career-ops-ui setup。动词:career-ops-ui doctor(env/密钥/工具检查 —— 与 Health 同引擎;必需项失败 exit 1)、career-ops-ui run、career-ops-ui init(供应商+密钥向导,v1.39.0)。

---

2. 应用设置与 API 密钥(#/config)

v1.55 → v1.56 新功能。 未设置 LLM 密钥时,每屏的红色横幅说明 ⚡ 实时运行处于手动提示模式并链接至此;设置密钥后变为显示活动提供方的低调徽标。每个 ⚡ 实时运行按钮(#/auto、#/evaluate、#/deep、模式)前显示诚实的预计费用(如“预计费用:OpenAI gpt-5-codex · ~$0.04/eval”,手动模式则无 API 费用)。#/scan 将次要筛选收入高级筛选折叠区;#/tracker 新增可点击漏斗芯片 + 可选服务端分页;#/pipeline 超过 1000 行时虚拟化。

AI CLI 工具。 AI CLI 工具标签页显示服务器上安装了哪些智能体 CLI(Claude Code、Codex、Gemini、OpenCode、Copilot、Qwen、Antigravity)——只读 PATH 扫描,不运行。外观 → 显示公司徽标(默认关闭)从各公司自己域名获取 favicon 显示在扫描表中(非第三方服务)。

两个选项卡:

1. API keys & runtime — 在浏览器中编辑父项目的 .env 文件(career-ops Node 脚本启动时读取的同一文件)。该选项卡还提供按供应方的模型 选择器 —— 在 ANTHROPIC_MODEL、GEMINI_MODEL 旁新增 OPENAI_MODEL(OpenAI/Codex)。
2. Profile — config/profile.yml 的直接 YAML 编辑器。保存时会 写入权威头部 # Career-Ops Profile Configuration。

两个选项卡的任意保存都会立即生效 — 无需重启服务器。

设置你的 LLM 供应方(分步)。 web UI 的 ⚡ 实时评估以无头方式运行,使用一个 API 密钥。它通过 “OR” 工作 —— 设置其中任意一个即可正常工作;设置多个时,auto 按此顺序优先:Anthropic → Gemini → OpenAI → Qwen。(career-ops 本身是 CLI 无关的 —— 你也可以在 Claude Code、Codex、Gemini、OpenCode、Qwen、Copilot 或 Kimi 内运行它;那与此无头密钥无关。)

1. 打开 #/config → API keys & runtime 选项卡。
2. 在 LLM_PROVIDER 中选择你的供应方:auto(使用已设置的密钥),或用 claude / gemini / openai / qwen 强制指定一个。
3. 填写你所选供应方的密钥 + 模型:
   • Anthropic —— 设置 ANTHROPIC_API_KEY(console.anthropic.com),可选 ANTHROPIC_MODEL(默认 claude-sonnet-4-6)。
   • Gemini —— 设置 GEMINI_API_KEY(aistudio.google.com/apikey),可选 GEMINI_MODEL(默认 gemini-2.0-flash)。
   • OpenAI —— 设置 OPENAI_API_KEY(platform.openai.com),可选 OPENAI_MODEL(默认 gpt-5-codex)。
   • Qwen —— 设置 QWEN_API_KEY(阿里云百炼 / DashScope,dashscope.console.aliyun.com),可选 QWEN_MODEL(默认 qwen-max)。中国大陆端点请在 raw .env 中设置 QWEN_BASE_URL。
4. 点击 Save。密钥写入父项目的 .env;更改立即生效 —— 无需重启服务器。
5. 在 #/evaluate 上验证:粘贴一个职位 URL/描述并按 ⚡ Run live。结果头部会显示运行了哪个供应方(anthropic / gemini / openai / qwen)。任何地方都未设置密钥 → 则得到复制粘贴的手动 prompt。

密钥在保存后被掩码且从不记录。模型 id 字段(*_MODEL)不是机密。

Profile 选项卡

v1.32.0 —— 逐字段表单。 Profile 选项卡不再是原始 YAML 文本框,而是带 候选人 / 叙述 / 薪酬 可折叠分区的表单。保存时仅发送建模的 14 个标量路径;服务端合并进 config/profile.yml,因此 archetypes、proof_points 与自定义键原样保留。权衡:逐字段保存会重新序列化 YAML 并丢失 # 注释 —— 如需保留或编辑嵌套数组,请用选项卡底部的 Advanced: edit raw YAML 折叠区。 v1.35.0 —— 数组编辑器。 为 Target roles、Superpowers(字符串列表)、Archetypes(name/level/fit)、Proof points(name/url/hero-metric)新增增删行编辑器。同样的 merge-not-replace 保证;清空列表会干净地移除该键。 v1.54.3 —— Modes 选项卡结构化表单。 modes/_profile.md 不再是按区块的原始 markdown 编辑器,而是从已文档化的 schema 派生的字段表单。列表型区块 —— Target Roles / Adaptive Framing / Comp Targets —— 渲染为可重复的逐行输入(增删行);散文区块 —— Exit Narrative / Location Policy —— 渲染为带标签的 textarea;任何未知或非列表区块回退为带标签的逐字 textarea。保存仍按区块合并 —— 前言、未改动区块与自定义区块按字节保留。Advanced: raw markdown 折叠区保留,用于整文件编辑:增删区块或编辑前言。 提供方(v1.39.0)。 API-keys 选项卡新增 LLM_PROVIDER 选择(auto=Anthropic→Gemini · claude · gemini)与 OPENAI_API_KEY 字段(Codex/OpenCode CLI 端)。career-ops-ui init 为交互向导。

提供方(v1.57.0）。 无头实时评估现覆盖 Anthropic → Gemini → OpenAI → Qwen → OpenRouter（auto 顺序；LLM_PROVIDER 固定其一）。OpenRouter —— 一个 OPENROUTER_API_KEY 即接入 300+ 模型；OPENROUTER_MODEL 下拉从 OpenRouter 实时目录加载（服务端代理，离线时精选回退）。另修复：带换行/空格粘贴的 key 在校验前被修剪，/#/config 不再对任何提供方显示「validation failed」。

• 文本框原样显示当前的 config/profile.yml。
• 编辑后点击 💾 Save。服务器验证 YAML(必须是 mapping,必须包含 candidate)并写入文件。
• 若缺失,会自动添加 # Career-Ops Profile Configuration 头部。
• #/profile 上的只读摘要是其可视化对照视图。

识别的键

Key	用途	获取地址
ANTHROPIC_API_KEY	启用实时 Anthropic SDK 调用。在 Anthropic + Gemini 同时配置时优先 — 对 JD 评分与深度调研的长文本结构化输出更好。	https://console.anthropic.com/settings/keys
ANTHROPIC_MODEL	覆盖默认的 claude-sonnet-4-6。复杂推理可尝试 claude-opus-4-7,廉价高速可用 claude-haiku-4-5-20251001。	—
GEMINI_API_KEY	没有 Anthropic key 时的后备。oferta 模式由 gemini-eval.mjs 调用。免费层适合小批量。	https://aistudio.google.com/apikey
GEMINI_MODEL	覆盖默认 Gemini 模型。	—
(server uses default UA)	在俄罗斯境外扫描 hh.ru 时必需(默认 UA 会返回 403)。在 https://dev.hh.ru/admin 注册一个应用并使用其 UA 字符串。	dev.hh.ru
PORT	Express 绑定端口。默认 4317。	—
HOST	绑定地址。默认 127.0.0.1。设为 0.0.0.0 会把 UI 暴露到局域网 — 目前没有鉴权门,参见 Production-readiness 文档。	—

行为

• 读取(GET /api/config)返回所有识别到的键。秘密 key (ANTHROPIC_API_KEY、GEMINI_API_KEY)会被 掩码 — 你只会看 到 sk-ant•••••••a1b2,绝不会暴露完整值。
• 保存(POST /api/config)逐项验证,写入 <parent>/.env,并 立即应用到运行中的进程。无需重启。
• 空值即删除该键。在你想不再使用某个配置时很有用。

烟雾测试按钮

保存后点击 ▶ Test Anthropic 或 ▶ Test Gemini — 两者都会触发 一个极小的提示(输出 ≤256 tokens),花费几乎为零,但能确认 key 是否 连通。成功时返回约 200 字符的样本。

---

3. 个人资料(#/profile — 也可以通过 #/settings 访问)

config/profile.yml 的只读摘要卡片视图。要编辑 请前往 App settings → Profile 选项卡(#/config → Profile)。保存写入 的是同一文件;本页在刷新时会重新解析。

最重要的字段:

• candidate.full_name — 每个提示都会用到。在正式扫描前必须替换 模板中的 Jane Smith,否则生成的求职信会以占位符姓名发送出去。
• candidate.email、linkedin、github — 求职信生成与 apply 清单 中会引用。
• target.roles — 接受的职位头衔。扫描器的正向过滤器会隐式使用 (通过 portals.yml::title_filter)。
• target.comp_total_min_usd — 最低总薪。每份评估的 D 节会把低于此 值的 offer 标出。
• target.archetypes — 最重要字段。这些是你接受的职业模式(例如 Tech-Lead-Backend、Founding-Engineer、Data-Platform)。每个 JD 都会针对它们做匹配,最佳 archetype 会进入报告头部。

Health 页面会暴露一项 Profile customized 检查,只要 full_name 还是已知占位名,这一项就不通过。

---

4. 简历(#/cv)

每次评估、深度调研与求职信的唯一真相来源。文件位于父项目根目录的 cv.md。

编辑方式

• 直接粘贴 — 左侧文本框就是 markdown 编辑器。右侧面板镜像 LLM (以及你未来的招聘者)看到的内容。
• 📁 Upload CV — 选择任一以下格式的本地文件,服务器会为你转换 成 markdown:
  • 文本格式 — .md、.markdown、.txt、.html、.htm 直 通(HTML 经 pandoc → GFM markdown)。
  • Office 格式 — .docx、.doc、.odt、.rtf 经 pandoc 转换(macOS 用 brew install pandoc,Linux 用 apt install pandoc)。
  • PDF — .pdf 经 Poppler 的 pdftotext 提取 (brew install poppler / apt install poppler-utils)。
  • 转换后的 markdown 落入编辑器;点击 💾 Save 持久化。结果会被 净化(与粘贴同样的 XSS 剥离)。
  • 硬上限: 每次上传 10 MB。更大的文件返回 413。
• 从 LinkedIn 导入 — 最简路径: 在父项目打开 Claude Code,运行 /career-ops,粘贴你的 LinkedIn URL,并要求 extract my CV from this and write it to cv.md。

净化的范围

服务器端,每个对 /api/cv 的 PUT 都会经过 stripDangerousMarkdown:

• <script>、<iframe>、<object>、<embed>、<svg>、<style>、 <form> 标签 — 完全移除。
• 内联事件处理器(onclick=、onerror= 等)— 剥离。
• javascript:、vbscript:、data:text/html URI 协议 — 失效化。

只要发生了上述任一净化,响应都会包含 sanitized: true,以便你知道 源文件曾包含可疑内容。

最大请求体: 1 MB。超过则返回 413。

其他按钮

• sync-check — 在父项目运行 cv-sync-check.mjs。标出不一致: 例如 CV 中列出的项目未出现在 data/applications.md 的 archetype 里等。
• 📄 Generate PDF — 流式运行 generate-pdf.mjs。输出落到 output/*.pdf。需要 Playwright(Health 页面会显示是否已安装在父 项目的 node_modules 中)。生成完毕后,最新 PDF 会自动下载到 你的默认下载文件夹;页面上的列表保留所有历史生成文件。

行文与格式建议

• 一个 bullet = 一项带量化指标的成绩。每条评估体系下, “Reduced p99 latency by 38%” 都比 “improved performance” 得分 更高。
• 章节顺序: Summary(3–5 行)、Experience(倒序时间线)、 Projects(最多 5 项)、Education、Skills(去重,不要 关键词堆砌)。
• 控制在 1500 字以内。评分体系使用密度高的信息;CV 越冗长越容易因 噪声被扣分。

---

5. 招聘版面与来源(portals.yml)

扫描器配置位于父项目根目录的 portals.yml。下面三个章节最为重要。 SPA 的三个章节与 scan-job-portals 中 career-ops.org 的权威 schema 一一对应。

快捷方式: #/portals URL 现在会直接解析到 App settings, 并且(在配置了地区来源时)跳转到 Regional sources 分组 — 因此收藏或手动输入的 #/portals 链接不再返回 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]

当一个被扫描到的职位标题包含 至少一个 positive 关键词且 不包含任何 negative 关键词时才通过。两边都要调优。关键词为大小 写不敏感的子串匹配。

seniority_boost 是 title-filter 的第三个键。这里列出的关键词不会 过滤掉任何内容 — 只是把匹配的职位在结果中往上推,让 “Senior Backend Engineer” 排在 “Engineer” 前面。默认值: ["Senior", "Staff", "Lead"]。根据你的目标角色头衔调整。

刚开始时先用 3–5 个 positive 关键词以保持清晰;之后再扩大。

content_filter(可选 —— web-ui 1.75.0,parent #974)。 与 location_filter 平级的顶层键,拥有相同的 positive / negative 关键词列表,但匹配的是职位的 描述 / 摘要 文本,而非其地点:

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

语义与 location_filter 完全一致:无该键 → 全部通过;描述 为空 / 缺失 的 职位通过(缺失数据不受惩罚);negative 命中 → 拒绝;positive 为空 → 通过; positive 非空 → 必须命中至少一个关键词(不分大小写的子字符串)。ATS 扫描与 区域扫描均会应用。只有携带描述 / 摘要的来源(如 RSS)会受影响 —— 其余职位 一律通过 —— 因此启用它绝不会悄悄丢弃不带正文的来源的行。可用它丢弃标题已 通过、但正文暴露出决定性硬伤的职位。

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

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

按职位地点字符串(不区分大小写的子串)过滤扫描结果,ATS 扫描与区域扫描均生效。语义与规范的 career-ops scan.mjs 完全一致:

• 无 location_filter → 所有地点通过(默认)。
• 地点为空/缺失 → 通过(缺失数据不惩罚)。
• 命中 block → 拒绝(block 优先于 allow)。
• allow 为空 → 通过(block 已过滤)。
• allow 非空 → 必须匹配至少一个关键词。

portals.yml 顶层键(与 title_filter 平级,不嵌套在 russian_portals 下)。

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 驱动 AI 加持的 Option B 扫描(在 Claude Code / Codex 中运行 /career-ops scan)。它们 不会 被进程内的 npm run scan 执行(后者只调用公共招聘 API)。当你想在还没列入 tracked_companies 的公司里发现职位时使用。设置 enabled: false 可保留条目而不运行。

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 }

每条记录必需字段: name 与 careers_url。可选字段:api(显式指 定 Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday 端点)、enabled: true|false(包含或排除而不删除条目)。ATS 扫描器 会从 URL 模式自动检测 ATS(job-boards.greenhouse.io/<slug> → Greenhouse 等)并直接调用每家公司的公共 boards-api。没有可识别 ATS 的公司会被跳过(/#/scan 上的 Active Companies 卡片会用 ○ 灰色显示)。

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 }

只需在 portals.yml 中添加一条带 provider: rss 与 rss:(或 feed_url:)键的条目,即可让扫描器对接任何发布 RSS/Atom 订阅源的招聘板(LaraJobs、WeWorkRemotely、RemoteOK、golangprojects 等)—— 无需改动代码。RSS 适配器解析每个 <item>(CDATA + HTML 实体,标题/公司名去除标签),将其规范化为职位,并执行与 ATS 来源相同的 title_filter / location_filter + 去重 + 追加到 pipeline 的流程。随后 RSS 会作为可选来源出现在 #/scan 的筛选下拉框中。(web-ui v1.62.x)

russian_portals

russian_portals:
  sources: ["hh", "habr", "trudvsem", "getmatch", "geekjob"]      # 或只填其中一个
  area: 113                 # 1=莫斯科,2=圣彼得堡,113=俄罗斯,1001=远程
  per_page: 50
  only_remote: false
  queries:
    - "Senior PHP"
    - "Senior Go"
    - "Тимлид PHP"

queries 是对 hh.ru 与 Habr Career 职位标题的大小写不敏感子串匹配。 注意与 negative 列表的冲突 — 如果 queries 中有 "Senior PHP" 而 title_filter.negative 里出现了 "php",扫描会返回零结果,控制 台会发出冲突警告。

配置俄文门户 — 详细设置指南

v1.29.0 自带 5 个俄文 adapter。两个无需默认 UA 之外的额外设置(habr-career HTML 抓取;trudvsem 政府开放数据 API — 无 key、无地理门)。两个是科技板块的 HTML 抓取(getmatch、geekjob — 同样无 key)。一个是 hh.ru 标准 API,从非俄罗斯 IP 可能返回 403,除非通过 App settings → API keys & runtime 设置 HH_USER_AGENT 环境变量(或从俄罗斯 IP / VPN 运行)。

来源清单

键	显示名	类型	认证	地理限制
hh	hh.ru	JSON API	可选 HH_USER_AGENT	非俄 IP 可能 403
habr	Habr Career	HTML	无	无
trudvsem	Trudvsem	JSON API(开放数据)	无	无
getmatch	GetMatch	HTML	无	无
geekjob	GeekJob	HTML	无	无

步骤 1 — 打开 portals.yml

该文件位于父项目 career-ops/ 根目录(不在 web-ui/ 内)。如果尚不存在,从父项目复制模板:

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

步骤 2 — 启用 5 个来源

添加或更新 russian_portals 块,列出你想扫描的所有来源。数组顺序无关紧要 — 扫描器按 registry 顺序调用。

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"

步骤 3 — 调整查询和过滤

queries 是扫描器在每个来源中用于搜索的字符串。每个查询会在每个来源上运行一次 — 4 个查询 × 5 个来源 = 每次扫描 20 次调用。为了让扫描在一分钟内完成,保持列表聚焦(3–7 个查询)。area 是 hh.ru 的地区代码(其他来源会忽略)。per_page 限制每个来源每个查询返回的职位数。only_remote: true 在 adapter 层级过滤为远程(结果表中仍有独立的 Remote 筛选)。

常见陷阱

负面列表冲突。 如果查询中的单词("php"、"senior")也出现在 title_filter.negative 中,所有结果会在你看到之前被过滤掉。扫描器会在扫描时输出 stderr 警告 — 查找 ⚠ config: query "Senior PHP" contains "php" which is in the negative list 这行。修复方式是从 negative 中移除冲突词:

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"

临时禁用某个来源

要禁用某个来源而不删除其数据,只需从 sources 数组中移除其键即可:

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

验证配置

保存 portals.yml 之后:

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

CLI 引导流程(scan-job-portals)

career-ops 的权威安装步骤(在父项目根目录运行一次):

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

这就是全部引导动作。编辑三个章节(title_filter、 tracked_companies、search_queries,可选 russian_portals),保 存,即可扫描。

SPA 引导行为

首次运行时,如果 portals.yml 缺少 russian_portals: 块,服务器会 附加一段带文档说明的块(幂等 — 第二次启动是空操作,因为字面量 russian_portals: 已经存在)。英文章节 不会 自动注入;它们来自 你按照上述权威引导流程复制的 templates/portals.example.yml。

---

6. 健康(#/health)

每一项安装环境检查,标注为 OK / OPTIONAL / FAIL。在提交任何 “不工作” 工单之前先看这里。

AI 用量与成本。 AI 用量页面(💳,健康旁)按提供方显示实时 AI 生成的代币,涵盖 24 小时/7 天/30 天/全部,并附来自可编辑价格表的预计 USD 成本(不计费)。 每个页面的左侧边栏底部还固定了一个紧凑的用量计量——相同的 24h/7d/30d 令牌合计与 24 小时预估费用,实时刷新;菜单始终显示在其上方不被遮挡,点击其标题即可折叠。

必需检查(系统无法在缺失时运行)

• Node version ≥ 18 — 服务器使用原生 fetch 与 node:test。
• Project root — CAREER_OPS_ROOT(环境变量或自动检测)指向存在 的目录。
• cv.md、config/profile.yml、portals.yml、 data/applications.md、data/pipeline.md、modes/oferta.md。

可选检查(仅作为警告)

• Profile customized — candidate.full_name 不是模板占位符。
• GEMINI_API_KEY / ANTHROPIC_API_KEY — 已在 .env 中设置。
• (server uses default UA) — 只在你从俄罗斯境外扫描 hh.ru 时才有 意义。
• Playwright (parent node_modules) — PDF 生成与 check-liveness.mjs 必需。安装命令: cd $CAREER_OPS_ROOT && npm install && npx playwright install chromium。
• Parent project dependencies — 缺失时执行 cd $CAREER_OPS_ROOT && npm install。
• data/、reports/、output/、jds/ 目录 — 首次写入时自动创建。

当服务器暴露在 loopback 之外(HOST=0.0.0.0)时,响应中的绝对路径 和精确 Node 版本会被替换为 "hidden",以免好奇的邻居能对你的安装做 指纹识别。

运行按钮

• ▶ Doctor 运行 node doctor.mjs 并在模态框里显示输出。
• ▶ Verify pipeline 运行 node verify-pipeline.mjs。

---

7. 搜索(#/scan)

扫描器爬取所有启用的版面,与历史记录去重,把命中写入 data/last-scan.json 与 data/pipeline.md。

搜索 + 排除。 搜索框把逗号视为或(“要找的职位”);新增排除字段隐藏匹配任一逗号分隔词的行。两者都随你的搜索保存。

一键扫描(SPA)

🌐 Scan 一次性运行所有启用的来源:

• Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (ATS 全量扫描)针对 tracked_companies 中每家有可识别 ATS URL 的 公司。
• v1.75.0 聚合器,针对每个选择启用其一的 tracked_companies 条目:RemoteOK / Remotive / Working Nomads(全板块远程订阅源,provider: <slug>)以及 IBM / Arbeitsagentur / Glints / Jobstreet · SEEK(配置驱动,每条目一个 <provider>: 块)。
• hh.ru API + Habr Career + Trudvsem + GetMatch + GeekJob,针对 russian_portals 中的每个查询。

一键两阶段(v1.29.2)。 唯一的 🌐 Scan 按钮在一个 SSE 流中同时驱动 ATS 与区域两次扫描。日志会按顺序出现两个阶段标题:

1. ▶ ATS scan (Greenhouse + Ashby + Lever) — EN ATS 板块。
2. ▶ Regional scan (hh.ru + Habr Career) — 来自 registry 的 5 个 RU 来源。

每阶段以 ✓ done · NEW=N 总结结束。如果只看到 ATS 阶段,说明 stand 仍是 v1.29.2 之前的版本 —— 请升级。v1.29.2 之前,SSE 客户端在第一个 done 上就关闭了,区域阶段会被静默丢弃。

实时 SSE 日志会在扫描期间流向右侧面板。点击 Stop(或直接离开页 面)即可中止 — 服务器会通过 AbortController 取消进行中的 HTTPS 请求。

过滤结果

日志下方,结果表渲染 data/last-scan.json 中的行。

v1.78.1 — 实时自动刷新。 现在结果表会在扫描运行期间自动更新, 并在扫描结束后再更新一次 —— 无需手动重新加载或切换页面。

v1.80.0 — Max per source 与来源隔离。 扫描按钮旁的 Max per source 字段用于限制每个站点贡献多少职位(空/0 = 无上限,即默认值)—— 当某个庞大的站点 本会占据主导时很有用。另外,任何返回永久性 404 / 410 的来源都会被写入 data/scan-quarantine.json 并在后续扫描中跳过(自愈:14 天后重试),从而让失效的 slug 不再刷屏日志。在 portals.yml 中设置 scan_quarantine: false 即可禁用。

过滤器:

• 自由文本 — 对 title / company 做子串匹配。
• Source 下拉 — 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(从 GET /api/scan/sources 自动填充)。
• Remote / Hybrid / Onsite 下拉。
• Country 下拉(v1.78.0)— 一个地理筛选，根据当前结果中检测到的国家填充，每个国家都带有其国旗 emoji 和计数(例如 🇩🇪 Germany (12))。选择一个即可只保留与该国家相关的职位。检测会将职位的自由文本地点(国家名称/别名 + 约 100 个主要就业市场城市)映射到某个国家；它很保守，绝不臆测，因此地点无法解析的职位 —— 或纯粹的 “Remote” 列表 —— 仍归在 All countries 下。将其与工作方式下拉框结合，即可同时找到与国家绑定的职位和远程职位。
• Posted within 下拉(v1.80.0)— 一个客户端时效筛选(最近 24 小时 / 7 天 / 30 天)。pubDate 更早的行会被隐藏；没有列出日期的行会通过(缺失数据不受惩罚)。
• ★ Favorites(v1.80.0)— 点击任意行中的 ☆ 即可收藏一个职位(按 URL 存入 localStorage);在筛选面板中勾选 ★ Favorites 即可只显示已收藏的行。收藏会在扫描和重新加载后保留。
• Saved searches(v1.80.0)— 筛选器上方的栏:为当前筛选集合命名并 💾 Save,然后从下拉中重新应用它,或 🗑 Delete 删除它。存入 localStorage;损坏/被编辑的值会干净地重置为空。
• 技术栈标签(PHP / Go / Backend / Senior / …)— 每行由 Skills.detectTech 与 Skills.detectLevel 自动检测。多选交集 — 选中 PHP + Senior 显示同时具有这两个标签的行。
• 动态标签 位于静态栈标签下方 — 来自标题中出现频次最高的前 25 个首字母大写 token,UI 会自适应你实际扫描到的角色(市场、设计、 金融……)而不再被锁死在后端工程师的词汇上。

Active Companies 卡片

可折叠卡片,列出 portals.yml 中每家公司的扫描状态:

• ✓ 绿色标签 — 直接 API 支持(Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday)。
• ○ 灰色标签 — 回落到网络搜索提示(无 API 匹配)。

点击公司名 → 自动把该名称填入上方结果过滤器。点击 ↗ 图标 → 在新标签页打开该公司的 careers_url。

CLI 扫描流程(scan-job-portals)

从 CLI 端有两种扫描方式(两者都把 URL 落入同一份 data/pipeline.md,SPA 会读取):

Option A — 直接脚本(约 30 秒,零 AI tokens):

npm run scan                          # 所有 Greenhouse/Ashby/Lever 版面
npm run scan -- --dry-run             # 预览但不持久化
npm run scan -- --company Anthropic   # 收窄到一家被追踪公司

只对 Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday(可识别的 ATS URL)生效。不消耗 AI tokens — 直接调用公共 boards API。

Option B — AI 加持的浏览器扫描:

/career-ops scan

在 Claude Code / Codex / Cursor / Gemini CLI 内运行。会消耗模型 tokens。直接访问每个 tracked_companies 页面,可发现没有 API 的版 面(职业页面、自研 ATS、地区性招聘门户)。速度较慢但覆盖更广。当 ATS 全量扫描对你已知正在招聘的目标返回空时很有用。

输出(两条路径相同) — 新 JD URL 追加到 data/pipeline.md,所 有访问过的 URL 记录到 data/scan-history.tsv(在未来所有扫描中去 重),并打印摘要: 扫描的公司数 · 找到的职位 · 按标题过滤数 · 跳过 的重复 · 新增的 offer 数。

按 score 划分的行动阈值(在 /career-ops pipeline 给新 URL 批 量评分后应用):

Score	推荐下一步
≥ 4.5	/career-ops apply — 高匹配,立即推进
4.0 – 4.4	申请,或 /career-ops contacto 做温和推荐接触
3.5 – 3.9	/career-ops deep — 先调研
< 3.5	除非有具体的个人理由,否则跳过

SPA 的 #/dashboard 与 #/tracker 会高亮所有 ≥ 4.0 的行,无需重新 运行即可选择行动对象。

后续命令

评分之后,典型的后续命令:

• /career-ops apply — 使用定制答案填写申请
• /career-ops contacto — 起草 LinkedIn / 邮件外联
• /career-ops deep — 深度调研公司 / 角色
• /career-ops tracker — 查看 pipeline 状态

---

hh.ru — 从网站抓取（2026 年 7 月起需要俄罗斯 IP）

hh.ru 通过读取其公开搜索页面（hh.ru/search/vacancy）来扫描,与 Habr Career 相同 — 无需密钥和配置。但自 2026 年 7 月起,hh.ru 对俄罗斯境外 IP 返回 HTTP 451(区域性法律封锁),因此扫描仅在俄罗斯 IP 下可用 — 请在俄罗斯运行服务器,或使用带俄罗斯出口节点的 VPN。首次遇到 451(或反爬 403)时,扫描器会在本次运行剩余时间内停用 hh.ru 并写入日志,其他俄语来源仍会正常完成。JSON API(api.hh.ru)有意不使用: 无论 IP 或 User-Agent,它对所有程序客户端都返回 403 forbidden。

即使网络看起来没问题,hh.ru 也可能把出口 IP 判定为 VPN/代理(任何数据中心/托管 IP 都算),并把扫描 302 重定向到 /vpncheeck 中间页(“VPN мешает работе сайта”),该页返回 HTTP 200 且包含 0 条职位。扫描器会检测到该重定向,在本次运行的剩余时间内禁用 hh.ru 并在日志中说明。解决办法在网络侧:确认流量确实从住宅 IP 出口 — 即使浏览器里的开关已关闭,系统级 VPN 或代理往往仍在运行(可在 api.ipify.org 等处查看真实出口 IP)。

8. 流水线(#/pipeline)

等待评估的 URL 收件箱。文件位于 data/pipeline.md。

概览条。 顶部紧凑概览条一眼展示流水线——收件箱有多少 URL、跟踪多少,以及 Applied/Responded/Interview/Offer 计数,各自链接到跟踪器。

添加 URL

三种方式:

• 在输入框输入/粘贴 URL,然后点击 + Add。
• 使用顶栏全局搜索(其徽标显示 Enter):粘贴任意 http(s)://… 链接并按 Enter 即可打开 auto-pipeline;输入 其他文本并按 Enter 则跳转到 #/scan 并预先填好该词 (v1.78.1)。在浏览器允许的地方,Ctrl/Cmd+K 仍可聚焦搜索框。 品牌 徽标 会返回仪表盘。
• 运行一次 Scan(见上文)— 新命中会自动进入 pipeline。

每个 URL 都会在服务器端经过 isValidJobUrl()。Loopback (localhost、127.0.0.1)、file://、javascript:、IP 字面量, 以及包含模板字符(<、>、")的字符串都会返回 400。

服务器端预览面板

点击任一 pipeline 行,在右侧加载预览。大多数 ATS 版面不返回 CORS 头,浏览器无法直接抓取;服务器代理请求,剥离 <script> / <style> / HTML 标签,返回最多 8 KB 纯文本。

预览代理手工处理重定向,并对 每一跳做 SSRF 校验 — 每个 Location 头都会再次经过 isValidJobUrl(),使恶意版面无法把你弹 到 loopback / 私网 IP / file://。最多 3 跳,15 秒超时。

行操作

• ▶ — 跳转到 #/evaluate?url=…,URL 预填好。
• ✕ — 把 URL 从 data/pipeline.md 中移除。

右上角按钮

• ⚡ Evaluate first — 把第一个排队 URL 直接在 Evaluate 页面打 开,准备评分。
• Scan — 想要更多 URL 时,返回扫描器。

---

9. 评估(#/evaluate)

将单个 Job Description 对照 cv.md 与 config/profile.yml 评分。按 modes/oferta.md 返回结构化的 A–G 评估,以及 0–5 分。

输入

把 JD 粘贴到文本框,或者带 ?url=<href> 从 #/pipeline 跳过来 — 页面会通过与 pipeline 预览相同的 SSRF 安全代理抓取 URL 并预填文本 框。

点击 💾 Save JD 将 JD 持久化到 jds/jd-<date>-<ts>.txt 作为审 计线索(也可在 API 调用里传 save: true,效果一样)。

回退链

1. Anthropic — 当 ANTHROPIC_API_KEY 已设置时首选。服务器在 提示之前会把 cv.md、config/profile.yml、modes/_shared.md 和 modes/oferta.md 打包进 <project_context> 块(每个文件硬上 限 16 KB,整份提示软上限 200 KB)。返回的接地 markdown 直接落入 页面。
2. Gemini — 当只设置了 GEMINI_API_KEY 时。服务器生成 gemini-eval.mjs 子进程,把 JD 作为临时文件传入。免费层模型 (gemini-2.0-flash)足以应付常规评分。
3. 手工 — 未设置 key 时。页面返回一个完整提示,你可以粘贴到 Claude Code、ChatGPT 或其他 LLM。

输出章节(权威 career-ops.org A–F)

v1.15.0 对齐变更。 块字母现在与 权威 career-ops.org schema 一致。v1.15 前的报告使用 A–G(其中 C=Risks、F=Verdict、 G=Legitimacy);为兼容性我们仍按原样渲染,但新报告输出 A–F 并采 用下列权威语义。Score 与 Legitimacy 现在位于报告头部 (score: 4.2/5、legitimacy: High|Medium|Low)。

A. Role Summary — 3 条要点摘要(行内列出风险)。 B. CV Match — 命中的 3 项技能 + 缺失的 3 项。 C. Strategy — 建议: 立刻申请 / 先 contacto / 先 deep / 跳过。 v1.15 之前为 Risks。 D. Compensation — 相对你的 target.comp_total_min_usd(旧)或 compensation.target_range(权威)。 E. Personalization — 切入角度,按 archetype 的行文框架,在求职 信 / 外联中应提到的钩子。v1.15 之前为 Application Strategy。 F. STAR stories — 1–3 条针对该角色定制、可直接粘贴的 S-T-A-R 块。v1.15 之前为 Verdict(原始分);分数现在出现在报告头部,与 legitimacy 并列。

保存报告

点击 💾 Save report(或在 API 调用里使用 save 开关)将 markdown 持久化到 reports/<date>-<company>-<role>.md。报告解析后的头部 (Score / Legitimacy / URL)会出现在 Reports 页与 Dashboard 上。

当你有 10 个以上 JD 时:批量评估

单个 JD 用本 #/evaluate 页是正确选择。当 pipeline 里排着 10 个以上 URL 时,逐条点击就不现实了 — 跳转到第 14 节的 Batch evaluate 小 节(在父项目运行 ./batch/batch-runner.sh),让它过夜跑完,然后回 到 #/reports / #/tracker 查看结果。完整流程: batch-evaluate-offers。

---

10. 报告(#/reports)

浏览所有已保存的评估。卡片显示标题、日期、合法性标志,以及 score (色彩编码: 绿色 ≥ 4.0,黄色 ≥ 3.0,红色低于此)。

点击卡片查看完整 markdown。分页: 每页 12 条;控件在底部。

单报告视图还提供:

• ← All reports — 返回网格。
• 🔗 Open JD — 在新标签页打开原始职位发布页。

---

11. 跟踪器(#/tracker)

CRM。每次申请一行;以 GitHub-Flavored Markdown 表的形式存于 data/applications.md。

状态流转

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

Hired(v1.118.0)是圆满的最终状态 — offer 已被接受。跟踪器用庆祝徽章标记它,并以「拿到工作」横幅相迎。

状态白名单由服务器端强制;在 POST /api/tracker 中发送其他值都会回 退到 Evaluated。在 /career-ops apply 末尾确认 Submitted. 时, 权威的 Evaluated → Applied 转换会自动发生(参见第 14 节)。

列布局

列	含义
#	自动编号,补零(001、002、…)。
Date	ISO 日期(YYYY-MM-DD)。默认今天。
Company	自由文本。竖线(|)与换行会被自动转义。
Role	同上。
Score	N/5 格式(例如 4.2/5)。
Status	白名单枚举。
PDF	generate-pdf.mjs 对该行成功执行后显示 ✅。
Report	指向对应 reports/*.md 的 markdown 链接。
Notes	自由文本,上限 200 字符。

过滤器

• Status 下拉。
• Score 下拉 — ≥ 4.0(高)、≥ 3.0(中)、< 3.0(低)。
• Search — 跨 company + role 的子串匹配。

每个过滤器会把分页器重置到第 1 页。每页 25 行。

维护按钮

• ▶ Normalize 运行 normalize-statuses.mjs — 重新规范化状态拼 写(applied → Applied、interview → Interview)。
• ▶ Dedup 运行 dedup-tracker.mjs — 按 (company, role) 大小 写不敏感地删除重复行。
• ▶ Merge 运行 merge-tracker.mjs — 从 batch/tracker-additions/*.tsv 拉入待并入的记录(父项目批处理流程会把通过 Apply 助手提交的申请 落到那里)。去重后,把已处理文件归档到 batch/tracker-additions/merged/。上游批处理流程参考 batch-evaluate-offers。

添加行

POST /api/tracker — body { company, role, score?, status?, url?, reportSlug?, notes?, date? }。按 (company, role) 大小写不敏感地 去重。UI 中,Evaluate 页在成功评分后会提供 “Add to tracker” 按钮。

---

12. 深度研究(#/deep)

生成结构化公司简报: 快照、工程文化、近期新闻、Glassdoor 口碑、面试 流程、谈判筹码、提给招聘者的三个聪明问题。

输入

两个字段 — 公司名与(可选)角色。模式模板(modes/deep.md)决定输 出结构。

输出路径

与 Evaluate 相同的回退链:

1. Anthropic 实时(首选)— bundleProjectContext 内联 cv + profile + _shared.md + deep.md。输出: 10–30 KB 的接地 markdown,保存到 interview-prep/<company>-<role>.md。
2. Gemini 实时 — gemini-eval.mjs 调用。保存目标相同。
3. 手工提示 — 页面提供一份可直接交给 Claude Code 的提示(后者 具备 WebFetch + WebSearch,可做真实研究)。

提示

• 在 claude-sonnet-4-6 上,Anthropic 通常每次调用 1–3 分钟内返回 约 13 KB 的有用文本。
• Anthropic SDK 没有内置 web search。如果你需要实时新闻 + Glassdoor 口碑,把手工提示粘贴到 Claude Code,让它使用 WebFetch 工具。
• 实时调用会计费;一次 Sonnet 4.6 的 deep-research 调用大约 $0.30–0.50。

---

13. 模式提示(七个 /#/<mode> 页面)

跟进节奏板 (v1.117.0)。 跟进页面现在以由父项目 followup-cadence.mjs 驱动的确定性节奏板开场:每个申请的紧急度(🔴 紧急 / 🟠 逾期 / 🟡 等待 / 🔵 冷却)及距下一步的天数,外加一个播种跟进日期按钮,为每个 Applied 行固定首次跟进日期(followup-seed.mjs --backfill)。没有父脚本时,节奏板会诚实提示“不可用”。

七个提示构建器: Project 想法、Training 计划、Follow-up 邮件、Batch 评估、Outreach 给招聘者、Interview prep 单 页、以及 Patterns 回顾。每个都包裹了一个具体的 modes/<slug>.md 模板:

页面	Slug	用途
#/project	project	为目标角色定制作品集项目。
#/training	training	技能差距分析 → 课程计划。
#/followup	followup	面试后邮件草稿。
#/batch	batch	多 JD 批量评估提示。
#/contacto	contacto	给招聘者 / 内推人的外联消息。
#/interview-prep	interview-prep	针对具体面试轮次的单页准备。
#/patterns	patterns	“是什么模式让我成功?” 自省式分析。

共同形态

每页有一个小表单(字段因模式而异)、一个 ▶ Generate prompt (手工)按钮,以及在已设置 Anthropic 或 Gemini key 时,提升为主操 作的 ⚡ Run live 按钮。

点击 ▶ Generate prompt 返回组装好的提示: 表单值 JSON 序列化进 User-supplied context: 块,后接原样的 modes/<slug>.md 模板。复 制后粘贴到你选用的 LLM。

点击 ⚡ Run live 把同一份提示发给 Anthropic(或 Gemini),通过 bundleProjectContext 内联 cv.md + profile.yml + _shared.md。结果在页面上渲染,可复制,也可作为 .md 下载。

这七个页面是一份显式允许列表 — 有专属路由的模式(oferta → Evaluate、deep → Deep research)以及父项目仅在 Claude Code 内支 持的模式(apply、scan、pipeline、tracker、pdf、latex、 ofertas、auto-pipeline)有意不出现在此 UI 中。

---

14. 申请清单(#/apply)

确定要申请之后,本 Apply 助手页面会为实际申请步骤生成一份提交清 单。它 不会 自动填表 — 那一流程留在 Claude Code 里的 /career-ops apply 中,后者使用父项目的 Playwright。

SPA 清单模式(#/apply)

SPA 清单适合不想调用 Playwright、希望手工填表的用户。覆盖:

0. 在 Claude Code 中运行 /career-ops apply <url>,让 Playwright 读 取表单(如果手工填,跳过此步)。
1. 用 check-liveness.mjs 确认职位仍在线。
2. 用 cv-sync-check.mjs 确认 CV 是最新版,然后(分数 ≥ 4.0 时) 生成 PDF。
3. 用 cv.md 中的 STAR+R 证据点定制求职信 / “为什么是我们?” 答案。
4. 如实回答 EEO / 担保 / 入职时间问题。
5. 提交前把填好的答案保存到 interview-prep/{company}-{role}.md。
6. 绝不自动提交 — 由你(人类)点击最终按钮。
7. 提交后: 给 data/applications.md 添加一行(或把 TSV 写入 batch/tracker-additions/)。

手工填写 vs Playwright 辅助

实际提交有两条路径:

• 手工 — 在普通浏览器中打开招聘页面,按上述 SPA 清单逐项操作, 复制粘贴答案。无需 Playwright。适用于表单短或未安装 Chromium 的 场景。
• Playwright 辅助 — 在 Claude Code(父项目)中运行 /career-ops apply <company>。Playwright 打开自己的浏览器,读取 每个表单字段,返回编号的答案草稿。你仍然亲手点击 Submit。适用于 表单长、动态,或你想要“哪些问题对应哪些答案”的审计线索时。

完整 CLI apply 流程(apply-for-a-job)

前置条件:

1. 先运行 /career-ops pipeline,使 JD 在 reports/ 下有评估报 告。apply 命令依赖一份已存在的评估;没有时,先运行 pipeline。
2. 报告与 profile 已加载。
3. 推荐: 安装 Playwright (npx playwright install chromium — 见下文 Playwright Setup)。 缺失时会回退到 WebFetch(只能预览表单文本,无法点击填写)。

编号流程(权威 8 步):

1. 运行命令 并附公司名:

   /career-ops apply <company>

   示例: /career-ops apply Anthropic。无参数运行时,在下一轮交互 中提供表单截图、粘贴的表单文本或申请 URL。

2. 定位报告。 系统在 reports/ 中找到匹配的评估(由 /career-ops pipeline 或 #/evaluate 先前创建的那份)。

3. 打开表单。 Playwright 自动 启动一个浏览器窗口 — 你 无 需 自己打开。

4. 读取字段。 系统读取并解析每一个表单字段(label、type、是否 必填、selects 的选项)。

5. 生成答案。 career-ops 基于你的 profile、proof points 与角色 为每个字段创建定制答案。

6. 返回编号列表。 你收到按表单布局排序的答案 — 简单字段(姓 名、邮箱)在前,自由文本字段(求职信、“为什么是我们?”)在后。 被标记的项指向需要人类关注的内容 — 薪资锚点、缺失的简历细节、 选填问题。

7. 手工填写。 你将每个答案复制粘贴到对应字段。这一步是手工的、 非自动化的。你先审阅每个答案。

8. 由你提交。 由你亲手点击 Submit。career-ops 绝不 点击 Submit。在 chat 中输入以下内容确认完成:

   Submitted.

Submitted. 触发的自动更新:

• data/applications.md 中状态从 Evaluated 翻转到 Applied。
• 填写的答案持久化到报告的 Section G 以便日后参考。

交接到 tracker:

/career-ops tracker

无论角色分数如何,监控整个 pipeline 状态。

Batch evaluate(batch-evaluate-offers)

当你一次性要给 10 个以上 JD 评分时(SPA 的逐条 #/evaluate 对此规 模不实际),使用 CLI 端的批量运行器。

输入文件 — batch/batch-input.tsv(制表符分隔):

列	用途
id	唯一的递增编号
url	职位发布完整链接
source	来源平台(LinkedIn、Greenhouse 等)
notes	可选的上下文说明

行示例:

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

./batch/batch-runner.sh 标志:

• --dry-run — 预览待评估的 offer 而不实际评估。请先用它验证 TSV 是否正确。
• --parallel N — 同时运行 N 个 worker(建议 1、2 或 3)。
• --min-score X.X — 跳过持久化分数低于阈值的 offer。只想保留高匹 配角色报告时很有用。
• --retry-failed — 仅重新处理上一次出错的 offer(网络错误、速率 限制等)。
• --max-retries N — 失败的 offer 最多尝试 N 次(默认 2)。
• --model NAME — 传给 claude -p --model 的 Claude 模型(career-ops 1.8.0,#504)。未设置 = Claude Max 订阅默认模型。大批量用更便宜的,如 claude-sonnet-4-6。在 #/batch 中显示为 模型 输入(web-ui 1.31.0)。
• --start-from N — 跳过低于 N 的 offer ID(继续部分处理的批次)。在 #/batch 中显示为 起始 # 输入(web-ui 1.31.0)。

标准操作序列:

1. 编辑 batch/batch-input.tsv — 每行一个 JD。

2. Dry-run(推荐先做):

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

3. 运行 — 顺序或并行:

   ./batch/batch-runner.sh                       # 逐个执行
   ./batch/batch-runner.sh --parallel 2          # 两路并发
   ./batch/batch-runner.sh --parallel 3          # 三路并发
   ./batch/batch-runner.sh --parallel 2 --min-score 4.0  # 仅持久化高匹配

4. 重试失败项(网络 / 速率限制):

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

5. 报告 落到 reports/,文件名为 {id}-{company}-{YYYY-MM-DD}.md。摘要行追加到 batch/tracker-additions/。

6. 并入 tracker:

   node merge-tracker.mjs                 # 应用批量增量
   node merge-tracker.mjs --dry-run       # 预览合并结果

   合并命令会去重,并把已处理文件归档到 batch/tracker-additions/merged/。

SPA 会在 #/reports(分页,score 色彩标识)与 #/tracker 中暴露 生成的报告与 tracker 行 — 效果就像你逐条通过 #/evaluate 添加一 样。如果你不想下到 CLI,可以搭配 #/tracker 上的 ▶ Merge 维护 按钮。

Playwright 安装(set-up-playwright)

career-ops 的两个特性需要 Playwright:

• 表单填写: /career-ops apply 第 3 步(Playwright 打开浏览 器、读取字段标签、建议答案)。
• PDF 生成: 通过 /career-ops pdf 与 SPA 的 📄 Generate PDF 按钮(位于 #/cv / #/reports/:slug / #/evaluate / #/deep / #/interview-prep)。

缺失 Playwright 时的回退: apply 流程回落到 WebFetch(仅文本预 览,无法点击填写)。PDF 生成则直接报错。

核心安装(在 career-ops 父项目根目录运行):

# 为 Playwright 安装 Chromium
npm install
npx playwright install chromium

# 注册 Playwright MCP 让 Claude Code 能驱动表单
claude mcp add playwright npx @playwright/mcp@latest

# 验证三个组件(Chromium、Playwright 库、MCP)
npm run doctor

另一种 MCP 注册方式 — 加入 .claude/settings.local.json:

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

行为说明:

• 默认 headless。 Playwright 默默运行。若想看到浏览器实操,告 诉 Claude open up with playwright the browser and fill out the entire form.
• 一份包,三个角色 — Playwright 的 npm 安装同时提供浏览器自动 化库、/career-ops pdf 的 PDF 渲染引擎,以及(通过 MCP)Claude Code 内部的表单填写工作流。
• 依赖之前先验证 — npm run doctor 确认三者均可用。SPA 的 Health 页暴露一项 Playwright (parent node_modules) 检查,缺失 时会快速失败。

---

15. 面试准备

这是调研之后、面试之前的阶段。本应用中有三类产物在这里交汇:

1. 已保存的深度调研文件 位于 interview-prep/,每对 company-role 一份。可从 Deep research 页面浏览,也可经由 /api/interview-prep 直接访问。
2. Patterns 模式(#/patterns)— 生成一个自省式提示: “在我最 近 N 次面试 / offer / 拒信中,存在哪些规律?” 在累积 5 条以上 tracker 记录后很有用。
3. Interview-prep 模式(#/interview-prep)— 为某场即将到来的 特定轮次(行为面、技术面、系统设计)预填一份单页。输出落在同一 interview-prep/ 文件夹。

推荐工作流

对每一场已排期的面试:

1. 重跑一次 Deep(或打开已保存文件),最好在前一天。
2. #/interview-prep — 为本轮生成一份单页。粘到笔记里。
3. 系统设计 / 编码轮 — 打开 #/training,要求针对 JD 强调的具 体子系统做一次 30 分钟的针对性复习。
4. 谈薪轮 — 打开 deep-research 文件,直接看 “Negotiation leverage points”。准备 2–3 个具体数据点(Glassdoor 区间、近期融 资、另一家公司的可比 offer)。
5. 行为面 — 从你 cv.md 中拉出落在原始 Evaluate 报告 B 节的 STAR+R 故事。

面试结束后立刻:

1. 更新 tracker 行: 状态 → Responded(然后 Interview、Offer 等)。
2. 运行 #/followup 起草感谢邮件。
3. 如果你获得了新情报(薪资范围、团队构成、技术栈意外发现),编辑 已保存的 interview-prep/<company>-<role>.md,加上 ## Post-round notes,这样未来的你就有据可查。

---

16. Activity log + 故障排查

Activity log(#/activity)

服务器收到的每一次状态变更请求的审计线索。记录: pipeline 添加、 tracker 写入、CV 保存、JD 保存、evaluate 运行、deep-research 运 行、scan 运行、配置变更、mode 运行。

秘密(ANTHROPIC_API_KEY、GEMINI_API_KEY)在写入时被脱敏;你在 data/activity.jsonl 中绝不会看到真实 key 值。

按动作前缀过滤(pipeline.、cv.、evaluate、scan. 等)。每 页 25 行;服务器最多返回最近 500 条事件。

故障排查

现象	可能原因	修复
Health 页面 cv.md 红色	首次运行,文件还不存在	touch $CAREER_OPS_ROOT/cv.md 后刷新。
Health 上 Profile customized 红色	candidate.full_name 仍是 Jane Smith	编辑 config/profile.yml。
scan 日志中 hh.ru: HTTP 403	非俄罗斯 IP,且未配置 (server uses default UA)	到 dev.hh.ru/admin 注册,设置俄罗斯 IP / VPN。
gemini-eval.mjs: ERR_MODULE_NOT_FOUND	父项目依赖未安装	cd $CAREER_OPS_ROOT && npm install。
Generate PDF 报错	父项目未安装 Playwright	cd $CAREER_OPS_ROOT && npx playwright install chromium。
/career-ops apply 报 “no report found”	该 JD 还从未被 pipeline 评分	先运行 /career-ops pipeline(或 #/evaluate);见第 14 节前置条件。
batch-runner.sh: no such file	在错误目录下运行	调用 ./batch/batch-runner.sh 之前先 cd $CAREER_OPS_ROOT。
服务器报 EADDRINUSE: 4317	老实例仍在运行	pkill -f 'node server/index.mjs' 后重启。
实时 LLM 调用挂起超过 2 分钟	提示过大或 Anthropic 缓慢	检查 /api/health 的 Anthropic 标志;服务器对提示软上限 200 KB,超出返回 413。
Pipeline 预览显示 (unsafe redirect)	职位重定向到私网 IP / loopback	这是一项安全机制(REVIEW-B1)。重定向目标被拒绝,原始 URL 不受影响。
Tracker 行文本撑破表格	v1.9.1 之前公司名中的竖线	升级到 v1.9.1+ — 竖线已端到端转义(BF-1)。
全新 clone 上 npm test 失败	测试假设父项目布局	使用 CAREER_OPS_ROOT=$(mktemp -d) 并 bootstrap fixtures。

更深入的诊断:在 Health 页运行 ▶ Doctor,复制输出,在 https://github.com/Fighter90/career-ops-ui/issues 的 issue tracker 中搜索。

---

17. 如何添加新的招聘门户来源

career-ops-ui 将每个招聘站点视为一个 adapter — server/lib/sources/<slug>.mjs 下的单一文件,知道如何获取并规范化某个站点的结果。截至 v1.118.0,server/lib/sources/ 注册表自带 59 个 adapter —— 54 个英文 + 5 个俄文板块。英文集合涵盖主流 ATS(Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday)、由显式 provider: 选择的全板块聚合器(RemoteOK、Remotive、We Work Remotely、NoDesk、Get on Board、Amazon、…),以及从 careers_url 主机或显式 api: URL 自动检测的按租户 ATS(BambooHR、Personio、Recruitee、Teamtailor、Avature、SAP SuccessFactors、…)。完整列表永远无需在此手工统计 —— 它会从 server/lib/sources/ 自动发现,并在 #/scan 的 Source 下拉框中实时显示。 YAML 见 §5,可复制粘贴的条目见 docs/portals-examples.md。

v1.69.0 (P-14) — 即插即用自动发现。 添加第 12 个来源现在是纯粹的文件投放。注册表 (server/lib/sources/registry.mjs) 不再维护手工列表 —— 启动时它会扫描此目录 (readdirSync + 动态 import())并收集每个 *.mjs 中的 export const meta 块。编写 adapter、声明其 meta，即可立即在扫描器、#/scan 筛选下拉框和 RU dispatcher 中可见 —— 无需编辑 registry.mjs。（RU 来源仍需在父项目的 portals.yml 中添加一行；见步骤 5。）

步骤 1 — 编写 adapter

创建 server/lib/sources/<slug>.mjs。对于有公开 JSON API 的来源（最简洁——只要站点有开放数据端点就用这种方式）:

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

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

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

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

HTML 抓取来源（没有 API 时 —— 完整示例参见 getmatch.mjs 和 geekjob.mjs):

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.
}

每个 adapter 必须遵守三项契约:

• 导出有效的 meta 块（见步骤 2）。缺少 meta（或格式错误）时，注册表会 在启动时静默跳过该文件（一条 console.warn），该来源将永远不会出现在下拉框中。
• 在 opts 中接受 { onlyRemote, fetchImpl, signal }。 fetchImpl 使 adapter 无需真实网络即可测试；signal 是客户端断连传播所必需的（REVIEW-B3）。
• 返回通用结构的记录 — { id, title, company, url, salary, location, isRemote, workplaceType, relocates, date, snippet, source }，其中 source 匹配 meta.value。

步骤 2 — 声明 adapter 的 meta（自动注册）

这就是完整的注册步骤。你不需要编辑 registry.mjs。 只需确保 adapter 导出了 meta 块 —— 注册表会在启动时自动发现它:

// 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
};

发现时的校验规则（任一规则未通过的文件会被跳过，并产生一条 [sources/registry] 警告，以便半迁移的分支仍可诊断）:

• value — 非空字符串。必须与你的 adapter 中的 job.source 匹配。
• label — 非空字符串。
• region — 严格为 'en' 或 'ru'；其他值会被拒绝。
• configKey — region: 'ru' 时必填，'en' 时忽略。

region: 'en' 加入 ATS 扫描（从 tracked_companies URL 模式自动发现）；region: 'ru' 加入区域 dispatcher。公共 API （SOURCES、SOURCES_BY_REGION、RU_CONFIG_KEYS、getRegionalSources）从每个发现的 meta 重建，en 优先，然后 ru， 每个区域内按 label 字母顺序排列 —— 因此下拉框顺序对用户保持稳定。

步骤 3 — 接入 dispatcher(仅 RU)

EN ATS 来源自动从 tracked_companies URL 模式发现 —— 无需进一步接线。对于 RU 来源，打开 server/lib/ru-scanner.mjs，找到 RU_DISPATCH 表，并添加一行:

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

dispatcher 循环为 cfg.sources 中的每个键调用 entry.search(query, opts)。无需进一步修改代码。

步骤 4 — 测试(mock,严禁真实网络)

在 tests/sources-<slug>.test.mjs 下新建文件。测试中禁止 真实网络（CI-isolation 契约）:

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');
});

步骤 5 — 在你的 portals.yml 中启用

父项目的 portals.yml 是用户所有的配置。把新来源的 configKey 加到数组里:

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

在浏览器中刷新 #/scan。来源筛选下拉框会自动加载新条目（单一事实来源: GET /api/scan/sources → registry.mjs）。 🌐 扫描按钮在每次区域扫描时都会包含新来源。

参考 adapter(新来源请镜像这些)

adapter 文件	类型	说明
hh.mjs	JSON API	标准 RU API adapter;地理感知 UA 回退。
trudvsem.mjs	JSON API	俄罗斯政府开放数据;无 IP 闸门。
habr.mjs	HTML 抓取	俄罗斯技术板;基于正则的卡片解析器。
getmatch.mjs	HTML 抓取	防御式解析器,解析失败时返回 []。
geekjob.mjs	HTML 抓取	与 GetMatch 相同的防御式风格。
greenhouse.mjs	JSON API	标准 EN ATS adapter;使用 tracked_companies URL 模式。

常见坑

• 忘记导出 meta。 自 v1.69.0 起，meta 块是注册来源的唯一方式。没有 meta（或格式错误）= 该文件在启动时被静默跳过，并产生一条 [sources/registry] <file> has no valid \export const meta` — skipped` 警告，来源永远不会出现在下拉框中。如果全新的 adapter 没有显示，请检查服务器日志。
• source 字段不匹配。 你的 adapter 写入的字符串必须 与 meta.value 完全一致。一旦漂移, #/scan 筛选下拉框会显示该来源,但选中它会 滤掉每一行(因为相等性检查是 r.source === fs)。
• 解析失败时抛出异常。 HTML 抓取器在解析不出卡片的 健康 200 时必须返回 []。抛出异常会破坏多来源 dispatcher 循环 —— 一个糟糕的 HTML 结构会害死同一查询的 其他所有来源。
• 遗漏 fetchImpl / signal。 没有它们,你的 adapter 无法在不访问真实网络的情况下做单元测试,客户端 断连也不会传播(用户关闭标签页后后台 fetch 仍然存活)。
• 为 RU 信任 tracked_companies。 该列表仅用于 EN ATS 来源。RU adapter 改为从 russian_portals.queries 自驱动 —— 没有按公司的条目。

---

18. 通知(顶栏的 🔔)

v1.58.34 — 右下角的所有 toast 同时被记录到内存日志(上限 50,溢出删除最旧)。点击顶栏的 🔔 打开右侧 通知 抽屉,重新查看错过的消息。日志按标签页/会话存在 — 关闭标签即清空。

抽屉仅在点击铃铛时打开(或键盘聚焦 + Enter / Space)。不会自动打开。红色徽章显示自上次打开以来未读条数;打开后清零。

类别

类别	触发条件	视觉提示
成功	Saved、Copied、Refreshed、扫描完成、CV 导入、apply-checklist 操作、个人资料保存	左侧绿色边;绿色 toast 背景
错误	URL 校验失败、带 (METHOD /path · HTTP NNN) 后缀的 API 错误、网络失败、pipeline-400 重复、doctor/verify 非零退出	左侧红色边;红色 toast 背景;技术后缀塞入 详细信息 <details>(U-4)
信息 / 进度	Running doctor.mjs…、Refreshing…、Loading…、扫描进度	左侧灰色边

每条显示:本地时间、人类可读消息、(若有)(METHOD /path · HTTP NNN) 等等技术细节(等宽字体)。

不属于通知

• Doctor / verify 结果模态(模态,不是 toast)。
• #/scan / #/auto 的 SSE 日志行(直接写入页面正文)。
• 不带 toast 的纯 spinner 加载状态。

键盘

• 铃铛点击或聚焦后 Enter / Space → 打开。
• Esc、×、再次点击铃铛 → 关闭;焦点回到铃铛。

19. 将应用本地化为你的语言

界面提供 9 种语言(English、Español、Français、Português、한국어、日本語、Русский、简体中文、繁體中文)。屏幕上的每个文案都来自翻译词典,你无需改动应用逻辑即可新增或修正某种语言。

翻译文件在哪里。 自 v1.60.0 起,每种语言都是 public/js/lib/locales/ 下的独立文件 —— i18n-dict.en.js、i18n-dict.es.js、i18n-dict.ru.js 等 —— 一份简单的 '键': '文案' 列表。共享的 i18n-dict.aliases.js 让必须保持一致的键(侧栏标签与其页面标题)指向同一条翻译。i18n-dict.js 在加载时把它们装配起来,你无需编辑它。

修正或新增文案。 打开你语言的文件,找到键(如 'nav.scan')并修改文案。要新增一个标签,把同一个键和译文加入全部 8 个语言文件,然后在页面中用 t('your.key') 引用。运行 npm test —— 若任何语言缺少该键就会失败,因此不会发布半成品翻译。

新增一种语言。 把 i18n-dict.en.js 复制为 i18n-dict.<code>.js 并翻译每个值,然后在 i18n.js(语言列表 + 浏览器自动检测)、i18n-dict.js 装配器中注册该代码,并在 index.html 增加一行 <script>。包含测试快照与帮助 / README 配套文件的完整清单见 docs/LOCALIZATION.md。

提示。 语言切换器在侧栏底部,你的选择按浏览器记忆。服务器诊断信息有意保持英文(让日志保持一致)—— 只有屏幕界面会被翻译。

完整的分步本地化指南请见仓库中的 docs/LOCALIZATION.md。

20. 按目标职位统计 (#/stats)

Analytics → 目标职位统计页面把你的扫描已经收集到的稀疏数据，转化为你真正瞄准的那些职位的市场图景：按国家统计的职位空缺数量和薪资水平，以及一条可以随时间追踪的趋势线。它不会捏造任何东西：只汇总扫描器实际找到的内容，并且对样本有多稀薄保持诚实。

数字从何而来

• 目标职位读取自你的个人资料（config/profile.yml → target roles），绝不硬编码。请先在 #/profile 中设置；若没有职位，页面会显示“设置你的目标职位”提示，而不是空白图表。
• 职位信息来自你最近一次的扫描（请先在 #/scan 运行一次）。每个职位的地点会被映射到国家（与扫描的国家筛选器使用同一个检测器），其薪资字符串会被解析，并通过一张近似汇率表归一化为 USD。
• 所有汇总都在你的浏览器中进行——没有任何数据离开你的机器，页面唯一会写入的，只是你明确保存的快照。

如何阅读图表

• 按国家的职位空缺——每个国家有多少条匹配的职位。使用顶部的职位和国家筛选器，可缩小到单个目标职位或单个国家。
• 按国家的薪资中位数（USD）——每个国家已解析薪资的中位数。只统计带有可解析薪资的职位；样本量显示在图表旁边，金额按粗略汇率换算，因此请把它当作参考性而非精确值来读。单独的 ¥（在日元和人民币之间含糊不清）会被舍弃而非猜测，以避免较大的 FX 失真。
• 当当前扫描没有可解析的薪资时，薪资图表会如实说明，而不是编造数字。

保存快照并追踪趋势

• 点击保存快照，即可将当前汇总追加到 data/role-stats.jsonl。每个快照都会在服务器端打上时间戳；快照是此页面唯一会写入的内容，它们绝不触碰你的简历或个人资料。
• 趋势图表绘制你各个已保存快照中的职位空缺数量——定期保存一个（例如每次每周扫描之后），即可观察你目标职位的市场如何随时间变化。

21. 你的两页纸 — 候选人市场契合度 (#/two-pager)

career-ops-ui 的大部分功能都在问“这份工作和我的 CV 匹配吗？”。而**两页纸（two-pager）**回答的是另一半问题：“这份工作和我真正想要的东西匹配吗？”。它以 Never Search Alone 中的 **“Mnookin 两页纸”**为蓝本——用第一人称简短陈述什么能让你充满干劲、你必须要什么、以及你绝不接受什么。从 Setup → Two-pager 🎯 打开。

AI 自动填充 + 导出(v1.100)。 “✨ AI 填充助手”现在从你的简历实时填充所有字段(检查后保存);👁 预览并导出渲染两页纸并导出为 Markdown、PDF 或 DOCX。

你需要填写什么

• 我是谁 — 用几句第一人称的话，讲述你的过往履历以及你擅长的角色形态。
• 目标环境 — 你想要的公司规模、阶段和文化。
• 五个标签列表 — 输入后按 Enter(或逗号)即可添加每一项，点击 × 将其移除:
  • 我热爱的 — 让你充满能量的因素(远程、自主权、从零开发、指导他人…)。
  • 必备条件 — 硬性要求(薪酬底线、国家、技术栈…)。
  • 我讨厌的 — 消耗你的因素(值班待命、无休止的会议、只做遗留系统…)。
  • 绝对不可接受(Deal-breakers) — 完全不行的事(仅限现场办公、不提供签证担保、低于某个数字…)。
  • 不可妥协项(Non-negotiables) — 底线(工作地点、远程、薪酬底线…)。

点击 Save two-pager 保存。它会写入上级 career-ops 项目的用户层，位于 config/two-pager.yml，因此——和你的 CV 及个人资料一样——在你更新系统时绝不会被覆盖。

AI 填写助手

不确定该怎么措辞？点击 ✨ AI fill assistant。它会构建一段可直接运行的提示词(Mnookin 格式，并把你的 CV 和个人资料内嵌其中),并在对话框中显示。把该提示词放到任意 LLM 中运行,然后把生成的 YAML 字段粘贴回表单。该助手始终只使用你自己的 CV 和个人资料——它不会编造关于你的事实,而且点击此按钮不会发起任何实时 API 调用。

契合度评分——与你想要的相符程度

一旦你保存了两页纸,#/scan 上的每则招聘都会获得一个小小的 ◎ N 徽章(0–100)。它将每份工作的工作形态(远程/混合/现场)、国家、薪酬底线和**搬迁(relocation)**与你的两页纸进行比对——绿色徽章表示高度契合,红色表示触发了某项绝对不可接受的条件。悬停即可查看具体内容(✓ 匹配了什么,✗ 违反了哪项绝对不可接受的条件)。

它刻意做到诚实:当一则招聘未提供任何可比对的信号时(例如你的偏好全是自由文本,扫描行无法确认),则完全不显示徽章——系统绝不编造数字。对于同一件事,硬性的**绝对不可接受(deal-breaker)违反比软性的讨厌(hate)**权重更高。除了徽章之外,你保存的两页纸还会内嵌到每一次 LLM **评估(evaluation)**中,因此你所陈述的偏好不仅影响 CV 与 JD 的匹配,也会塑造书面结论。

22. 模拟面试 (#/mock-interview)

阅读面试准备资料是一回事;把答案大声说出来则是另一回事。模拟面试页面(从侧边栏的 Interview prep → Mock interview 🎤 打开)会针对某个具体角色进行逐轮演练,并以你自己的 CV、个人资料、两页纸和故事库为依据。它不是一份预设的问题清单——面试官会根据你实际所说的内容做出反应。

开始一场会话

• 输入一个目标角色(并可选填一家公司)。如果手头有,也把职位描述粘贴进来——问题会明显更加犀利。
• 点击 Start interview。面试官会以一个针对该角色和你背景量身定制的聚焦问题开场。
• 输入你的回答并点击 Send answer。想进行多久就进行多久——这是一场对话,而非固定的问答测验。

每一轮会给你什么

每次回答之后,面试官都会以三个部分作答:

• 反馈 — 以 STAR+R(Situation、Task、Action、Result、Reflection)的框架,指出哪些内容说到位了(优点)、哪些内容缺失了。它会点名你跳过的具体维度。
• 评分 — 一个附带一行说明的快速 N/5,让你能感受到一场会话中的进步。
• 下一个问题 — 一个有意针对你上一次回答中最薄弱之处的追问。

一切都以你的真实材料为依据:cv.md、config/profile.yml、config/two-pager.yml 以及你的 STAR+R 故事库(interview-prep/story-bank.md)都会内嵌到提示词中。面试官会追问真实存在的短板,但绝不会编造你并不具备的经历。若未设置 LLM 密钥,该页面会递给你一段可直接运行的提示词,供你粘贴到任意助手中——与应用其他地方一样的诚实回退方式。

保存与重温会话

点击 Save transcript 以保留一场已完成的演练。它会写入你上级项目的用户层,位于 interview-prep/mock-{company}-{role}-{date}.md,因此会与你其他的面试准备笔记放在一起,并且不会被系统更新覆盖。页面底部的 Saved sessions 列表让你可以重新打开任意一份记录或将其删除。使用 New interview 即可换一个角色从头开始。

23. 人脉拓展与公司深度调研 (#/networking)

从正门投递只是这场博弈的一半——另一半在于认识某个人，或者至少知道该联系谁、该说什么。Networking 页面（在侧边栏通过 深度调研 → Networking 🤝 打开）会把一家公司变成一份获得面试的具体计划，其依据是你自己的 CV、简介和 two-pager。

构建计划

• 输入一家公司（必填），并可选填一个职位和职位描述。职位描述会让“我为何契合”的切入点更加锋利。
• 点击构建计划。有 LLM 密钥时它会实时运行并将计划就地渲染出来；没有密钥时它会交给你一段现成的提示词，可粘贴到任意助手中（与整个应用一致的诚实回退——绝不凭空捏造）。

计划包含的内容

计划以四个部分返回：

• 公司档案 — 关于公司在做什么的精炼简报、值得引用的近期信号，以及从你真实履历中提炼出的两三个“我为何契合”的切入点。
• 该联系谁 — 三到五个目标人物（团队的招聘经理、内部招聘专员、团队里的资深工程师、一个熟络的人脉或校友关系），并附有一条具体的 LinkedIn 搜索字符串 来找到每一个人。它绝不编造真实姓名——它会告诉你如何找到合适的人。
• 最温暖的引荐路径 — 针对你的履历最现实的那一条温暖入口：共同的雇主、学校或社群；二度人脉；或者当它确实是最佳选择时，一条信号强烈的冷启动消息。
• 触达草稿 — 为你最重要的人物准备的简短、具体的消息（三到五句话，不掺水分），扎根于你真实的证明点，从而不会读起来千篇一律。

保存与重访计划

点击保存计划以留存一份。它会写入你父项目的用户层，路径为 networking/net-{company}-{role}-{date}.md——这是你自己的文件，绝不会被系统更新覆盖。页面底部的已保存计划列表让你可以重新打开或删除任意计划。由于草稿和人物仅扎根于你真实的素材，请把它们当作一份可供个性化的有力初稿——而不是一份可以盲目群发的脚本。

24. CV Studio (#/cv-studio)

添加到 CV (v1.117.0)。 新卡片把项目、论文或作品集页面(URL 或粘贴文本)变成仅基于该来源的 ATS 要点——来源中没有的指标、雇主或日期一律省略,绝不虚构。你审阅建议并自己粘贴进 CV 编辑器;不会自动写入,URL 走与流水线相同的 SSRF 安全校验器。

#/cv 页面是你撰写简历的地方；CV Studio（从侧边栏的 Setup → CV Studio 🎨 打开）则是你打磨简历的地方。它为你的 cv.md 提供三件诚实的工具，其中两件永远不会离开你的浏览器。

针对职位定制(v1.101)。 粘贴职位描述,CV Studio 即生成定制简历与匹配的求职信,并通过招聘官检查清单门禁(错误拦截,警告提示),仅基于你自己的材料。

简历诊断

一打开页面，它就为你的简历打出百分制评分，并逐项列出检查结果，每项都配有简短说明，让你来决定要改什么（它绝不会悄悄改写）：

• 长度 — 简历是否处于一到两页的健康区间？
• 量化影响 — 你的要点中有多大比例包含真实的数字或指标？招聘者扫读时正是在找这些。
• 有力的动作动词 — 标记「负责」或「协助」之类的弱表述。
• 流行套话 — 标记空洞的陈词滥调（「结果导向」「团队合作者」）。
• 核心板块 — 检查是否有摘要、经历、教育和技能。
• 联系信息 — 确保有一个电子邮箱。

这一切完全在你的浏览器中运行，不使用任何 LLM——数字是确定性的，绝不虚构。

隐私遮罩

在把简历作为写作样本或截图分享之前，隐私遮罩会遮蔽可识别个人身份的数据：电子邮箱、电话、链接/账号和街道地址，如果你选择启用并输入，还包括你的姓名 → 首字母。逐个切换每个类别，复制遮蔽后的版本，安全地分享。整个过程完全在浏览器中进行，会准确报告遮蔽了多少项，并且绝不存储或传输原文。

让它有人味（语气匹配）

粘贴一句或一段生硬的文字——那种读起来像套话的、泛泛的 AI 措辞——让它有人味便会用你的语气重写它。重写在服务器端以你的 voice-dna.md（你的文字读起来如何）和 writing-samples/（你真实的行文）为依据。硬性规则：它可以重新排序、精简并重新调整语气，但绝不会引入粘贴文本中尚未存在的事实、指标或成就。有 LLM 密钥时它会实时重写；没有密钥时它会给你一段现成的提示词，供粘贴到任意助手中。之后照常在 #/cv 页面编辑你的简历——CV Studio 提建议，你来决定。

25. 记忆 (#/memory)

其他每个页面每次都从头开始。记忆（在侧边栏的 设置 → 记忆 🧠 中打开）是唯一一个你只需告诉助手一次就能让它记住的地方。它保存一段简短、可编辑的“记住关于我的这件事”备注，会被注入到每一次 AI 请求中。

它的用途

用它来记录持久的偏好和工作风格，例如：

• 你瞄准的职位和公司类型（以及你永远不想看到的那些）。
• 你希望答案怎么写——简洁还是详细、资深口吻、不要废话。
• 值得反复强调的硬性约束——仅限远程、薪资下限、不接受待命。

把它限定在偏好和引导上。它不是用来放关于你经历的事实的地方——你的技能、雇主和成就存在于你的 CV、档案和两页纸摘要中，这些仍是你的 CV 和求职信中所出现的任何内容的唯一来源。记忆备注塑造的是助手如何与你协作，而绝非它对你声称了什么。

它如何触及一切

当你点击保存记忆时，该备注会写入你父项目的用户层 config/memory.md，并内嵌到共享的项目上下文中。这意味着它会自动伴随每一次 AI 请求——评估、模拟面试、人脉计划、CV Studio 改写——并跨越你配置的每一个服务商。写一次即可；你不必在每个页面上重复自己。与你其他的用户层文件一样，更新系统时它绝不会被覆盖，而且只有在你选择运行的 LLM 提示词内部，它才会离开你的机器。

从你的数据中建议

不确定该写什么？✨ 从我的数据中建议会读取你的申请追踪器，起草一组行为要点——即你所追求、接受和拒绝的事物中的规律。在任意 LLM 中运行它给出的提示词，审阅这些建议，然后把编辑后的版本粘贴到备注中。它只挖掘你自己的追踪器，绝不编造事实；在任何内容被保存之前，你始终会先审阅。

26. 统计 (#/stats)

拒绝模式标签页 (v1.117.0)。 第四个标签页运行父项目的 analyze-patterns.mjs(只读),展示结果构成、可执行建议以及各 ATS 供应商的推进率(“算法单一文化”信号——Bommasani et al., FAccT 2026)。低于最小样本的供应商标有星号;没有父项目时标签页会诚实提示。

统计页面在一个板块下汇集三个视图:AI 生成的市场报告、你自身流程的分析,以及来自扫描结果的目标职位空缺趋势。用顶部的选项卡在它们之间切换。

市场报告

市场报告选项卡请模型对你的目标职位做一份薪资与劳动力市场分析——它会读取你的 CV 和档案,以了解需要覆盖哪些职位和资历层级。输入地区 / 市场(例如 Russia、EU-remote、US 或 Germany),选择货币,然后点击生成市场报告。你会得到一份结构化报告,包含执行摘要、按等级划分的薪资(中位数加 P10/P25/P75/P90)、顶尖雇主、热门技能表、福利出现频率、办公室/混合/远程的比例、12–24 个月的趋势(含 AI 影响)以及谈判指引。每个数字都是来自模型训练知识的方向性估算——并非抓取或实时数据——报告本身也会如此声明;请把这些数字当作区间,而非精确报价。若未设置 API key,你得到的将是一份可复制粘贴的提示词,而不是一份编造的报告。用下载 .md、保存为 PDF 或复制把报告带出应用。

我的流程

我的流程选项卡将你自己的申请追踪器绘制成图表——不涉及任何外部内容。它展示你追踪了多少个职位、你的评分分布、状态漏斗、你的顶尖公司和职位、随时间变化的申请量,以及转化率(有多大比例的申请进入 Applied、Responded、Interview 和 Offer)。它是你求职过程的诚实镜子:它始终只反映 data/applications.md 中已有的内容。

目标职位趋势

目标职位趋势选项卡是最初的视图:按国家/地区列出你目标职位的空缺数量和薪资中位数,汇总自你最近一次扫描,附带货币选择器和按目标职位划分的空缺概览。保存快照会记录当前的汇总数据,让你能观察空缺数量随时间的变化,趋势线会读回这些快照。稀疏数据在预期之内并会被标注为仅供参考——它绝不会用编造的数字来填充。

累计与薪酬

累计标签页(v1.118.0)以只读方式中继两个零 token 的父项目脚本: stats.mjs — 你的累计跟踪器汇总、累计漏斗比率(回复 / 面试 / offer)、扫描器总数和门户覆盖 — 以及 salary-gap.mjs — 每份申请的期望 vs 职位标注 vs 实际薪酬,由报告的 Machine Summary 与 data/salary-observations.tsv 汇总。小样本会标注为仅供参考;没有父项目时标签页会显示诚实的提示。

27. 职业规划 (#/career-plan)

职业规划页面把你的简历和档案变成一份具体、个性化的发展规划 —— 就像你与职业教练一起制定的那种，但它由你自己的材料生成，并可由你编辑。

生成规划

选择一个时间跨度（6、12 或 24 个月），可选地输入一个重点（例如“转向管理岗”、“转为远程办公”或“转到 Go”），然后点击生成规划。模型会（通过共享的项目上下文）读取你的简历、档案、两页纸和记忆笔记，并写出一份结构化的规划：一份诚实的起点快照、优势与成长空间的 SWOT、以 SMART / OKR / WOOP 表达的目标、带有取舍的备选职业路径、硬技能与软技能计划、针对所选跨度的逐月路线图、如何跟踪进展、可能的陷阱以及支持性举措。每条建议都以你的材料实际呈现的内容为依据 —— 它向前规划，绝不编造关于你经历的事实。若未设置 API 密钥，你会改为得到一段可复制粘贴的提示词。

编辑与保存

规划会出现在一个可编辑的文本区中 —— 随意调整，然后点击保存规划。它会被写入你父项目的用户层，即 config/career-plan.md，因此能在系统更新后保留，并且只在你选择运行的 LLM 提示词内部被发送。预览会渲染你的 Markdown，让你在保存前以带格式的方式阅读。

导出

使用下载 .md、保存为 PDF 或复制把规划带出应用 —— 与应用各处 AI 报告所用的导出控件相同。PDF 会经过现有的内联 PDF 生成器；Markdown 则是直接下载。

28. 职业方向 (#/orientation)

职业方向 页面回答“哪些方向真正适合我？”——就像职业测评能给你的那种解读,但不是靠问卷,而是从你自己的 CV 和档案中推断。

它会产出什么

点击 生成画像,模型会读取你的 CV、档案、两页纸和记忆笔记,并写出一份职业方向画像:你的 最契合的职业向量（八种原型——功能主义者、管理者、沟通者、专家、分析者、创新者、经理、创业者——中哪一种最契合,并附上来自 CV 的证据）、一种 职业类型倾向、一组 推荐职位、与 CV 所展示内容相关联的 职业优势、工作风格倾向（在几个维度上“你的 CV 读起来如何”）,以及用于拓宽契合面的 发展建议。

它是如何生成的

这是 对你的 CV 读起来如何的一种 AI 反思——而非心理测验。 提示词完全立足于你自己的材料:它不会虚构成就,也绝不会把数值测验分数当作实测结果来报告。若未设置 API 密钥,你会得到一段可复制粘贴、可在任意 LLM 中运行的提示词,而不是实时画像。不会向磁盘写入任何内容——画像每次都是全新生成的。

导出

使用 下载 .md、保存为 PDF 或 复制 来留存画像——与应用中各类 AI 报告所用的导出控件相同。PDF 会经过现有的内联 PDF 生成器,Markdown 则是直接下载。