使用者指南

說明 — career-ops-ui

從首次啟動應用程式到拿到面試機會的每個頁面的完整指南。下方每個 ## 標題對應側邊欄項目或工作流程的一個階段。首次執行請從上到下閱讀;之後可透過說明側邊欄中的目錄跳轉到特定章節。

適用對象: 剛把這個 UI 放進 career-ops checkout 中並執行 bash bin/start.sh 的任何人。不預設你了解 career-ops。

關於 career-ops

career-ops 是一個開源求職系統,以 slash 指令的形式運作於任何 AI 編碼 CLI 內(Claude Code、Gemini CLI、Codex、Qwen Code、OpenCode、GitHub Copilot CLI — 其他 Claude 相容 CLI 也透過相同的斜線指令介面運作)。模型無關。它以六維 0.0–5.0 評分量表將每個職缺與你的 CV 進行配對,產生客製化 PDF 履歷,並在本機追蹤每一次申請。

正式參考文件(初次安裝請依序閱讀):

What is career-ops — 系統、原則與概念清單總覽。
Scan job portals — 發掘職缺;填入 Pipeline。
Apply for a job — 完整投遞流程,搭配 Playwright 表單讀取。
Batch-evaluate offers — 透過 batch-runner.sh 一次為 10 個以上 JD 評分。
Set up Playwright — 安裝 Chromium 並註冊 MCP,以支援 PDF 與表單填寫。

核心原則(出自 career-ops.org/docs/introduction/what-is-career-ops):

真正的開源 — MIT 授權,無付費方案,無候補名單,無遙測, 無帳號。整個系統不依賴任何付費階層、帳號或遙測機制運作。所有程式碼貢獻皆需通過社群審查才會發行。
資料主權 — cv.md、config/profile.yml、data/、 reports/、interview-prep/ 絕不離開你的筆電,除非你主動推送。你在自己的機器本地執行整個系統,完整保有資料主權。
AI 不可知架構 — career-ops 並不內建任何模型。它以指令形式運行於既有的 AI 編碼 CLI 內。切換供應商(Anthropic ↔ Gemini ↔ OpenAI)時,你的評估歷史依然保持一致。
由人類控制投遞 — career-ops 起草答案並開啟表單,但 由你按下 Submit。系統絕不自動投遞。系統提供結構與評估, 最終投遞決策權保留在人類手中。
結構化求職 — 為主動、有目的、會大量投遞的求職而設計; 並非單次投遞工具,也不是推薦引擎。完整設定約需 15 分鐘,且假設你熟悉終端機操作。

career-ops 不是什麼(明確的非目標):

不是自動申請工具。它不會替你送出表單。
不是履歷再造器。它依 JD 量身調整內容,但不會無中生有捏造經歷。
不是 LinkedIn 個人檔案優化器。你的個人檔案由你自己負責。
不是躲在 SaaS 介面後面的試算表替代品。資料就是檔案系統上的純文字 markdown。

重要概念(完整清單 — career-ops 接觸的所有產物):

概念	含義
Mode	`modes/<slug>.md` 下的提示模板。內建項目:`oferta`、`deep`、`apply`、`pipeline`、`batch`、`contacto`、`followup`、`interview-prep`、`patterns`、`project`、`training`、`ofertas`、`auto-pipeline`、`pdf`、`latex`、`scan`、`tracker`。
Archetype	`config/profile.yml` 中的目標角色畫像。評分量表會依目前作用中的 archetype 對技能匹配加權 — 整份設定中最重要的單一欄位。
Pipeline	`data/pipeline.md` — 等待評估的 JD URL 收件匣。
Tracker	`data/applications.md` — 所有評估與申請狀態的歷史 GFM 表格。
Report	`reports/<NNN>-<company>-<DATE>.md` — 每個 JD 的完整 A–F 評估,標頭內含 score 與合法性。
Scan history	`data/scan-history.tsv` — 僅追加日誌;防止跨次掃描重複。
Proof points	由 `cv.md` 抽出的 STAR+R 證據區塊,重複用於評估、申請答覆、面試準備。
JD store	`jds/jd-<date>-<ts>.txt` — 評估期間原樣保存的職缺描述,供稽核軌跡使用。
Interview-prep	`interview-prep/<company>-<role>.md` — 深度研究摘要與面試輪次一頁式重點。
Batch additions	`batch/tracker-additions/*.tsv` — `batch-runner.sh` 排隊待合併進追蹤表的列。

career-ops vs career-ops-ui(本應用)

	career-ops (CLI)	career-ops-ui (本應用)
運行位置	Claude Code / Gemini CLI / Codex / Qwen Code / OpenCode / GitHub Copilot CLI 內	瀏覽器中的 `http://127.0.0.1:4317`
介面	`/career-ops <mode>` slash 指令	側邊欄,每個工作流一個頁面
表單填寫	有,經 Playwright MCP	無 — 產生檢查清單,你在 CLI 完成
PDF	`generate-pdf.mjs`	`📄 Generate PDF`,出現在 `#/cv`、`#/reports/:slug`、`#/evaluate`、`#/deep`、`#/interview-prep`
資料檔案	與 career-ops-ui 共用	與 career-ops 共用

career-ops-ui 是 純附加 的工具。career-ops/ 內部的任何東西都不會被改動。兩個介面共用同一份 cv.md、config/profile.yml、 portals.yml、data/、reports/、interview-prep/、modes/。

依 Score 的行動門檻

一旦 JD 有了評估,score 會決定下一步該做什麼(正式表格出自 career-ops.org/docs/introduction/what-is-career-ops):

Score	下一步
≥ 4.5	執行 `/career-ops apply` — 配對度高,立刻投遞。
4.0 – 4.4	申請,或先用 `/career-ops contacto` 做暖場介紹。
3.5 – 3.9	執行 `/career-ops deep` — 在決定前先研究公司/角色。
< 3.5	除非你有特定的個人理由,否則跳過。

career-ops-ui 的 #/dashboard 與 #/tracker 會把分數達 4.0 以上的每一列都標亮,讓你不必重跑任何指令就能挑選下一步行動。

外部文件

底層 career-ops 引擎的完整參考(掃描、評估量表、批次處理、申請流程、Playwright 設定)位於 career-ops.org/docs:

1. 快速上手 — 從「建立 CV」到「已投遞並聯繫」的完整步驟

這是按鈕對按鈕的正式操作手冊。第一次使用請依序執行。每一步都會指出確切的路由、確切的按鈕,以及成功時你會看到的畫面。第 2–16 節會深入說明每個階段。

向文件提問。 開啟側邊欄(說明下方)的**向文件提問 💬**並輸入使用問題——僅用你所用語言從本指南作答,絕不讀取你的履歷。同一助手在每個頁面都觸手可及——一個機器人聊天按鈕浮動在右下角(從右到左語言中在左下角);點擊即可提問,無需離開目前操作。

一條指令完成啟動與初始化。 在終端機中,你無需開啟介面即可完成整個引導流程:
career-ops-ui setup      # 安裝相依套件 → doctor → 啟動伺服器
career-ops-ui init       # 選擇 LLM 供應商 + 貼上其金鑰(不回顯)
career-ops-ui doctor     # 隨時重新驗證(結束碼 0 ⇔ 所有必要項目皆為綠色)
career-ops-ui run        # 僅在 http://127.0.0.1:4317 啟動伺服器
career-ops-ui open       # 開啟並將瀏覽器中的儀表板分頁帶到最前
setup/run 之後,瀏覽器分頁會自動開啟並被帶到最前面(v1.43.0);career-ops-ui open 可隨需執行相同動作, 因此你再也不必翻找儀表板分頁。NO_OPEN=1 可在 headless/CI 啟動時停用自動開啟。

setup 會自行執行整條鏈路。init 透過 #/config API 金鑰分頁所用的同一條已驗證路徑,將金鑰寫入父層 career-ops/.env,並設定 LLM_PROVIDER (auto | claude | gemini),即時的 evaluate / deep / mode / 自動流水線路由都會遵循它。CI 形式: career-ops-ui init --provider claude --anthropic-key sk-ant-… --yes。比較喜歡用介面?繼續下面的步驟即可。

A. 環境設定(只做一次,約 5 分鐘)

career-ops-ui 必須位於 career-ops/web-ui/（嵌套在父專案 career-ops 中）。它透過 ../ 讀取父目錄中的 cv.md、config/ 和 data/，無法單獨運行。若 git pull 後找不到 career-ops-ui init，請執行 cd career-ops/web-ui && npm install && npx career-ops-ui init。

第 1 步 — 在 http://127.0.0.1:4317 開啟應用程式。 若伺服器未啟動,在終端機從專案根目錄執行 bash bin/start.sh。儀表板 (#/dashboard)會載入。

第 2 步 — 點側邊欄的 ❤ Health。 每一項必要檢查都必須是綠色:

cv.md、config/profile.yml、portals.yml 存在
已設定 API 金鑰(ANTHROPIC_API_KEY / GEMINI_API_KEY 至少一個)
已安裝 Playwright(僅在你要使用 Generate PDF 時必要)

若任一項為紅色,頁面會明確告訴你要修哪個檔案或環境變數。在 Health 全綠之前不要繼續往下做。

第 3 步 — 點側邊欄的 ⚒ App settings。 你會落在 API keys & runtime 分頁。

貼上 ANTHROPIC_API_KEY(首選 — 對長文評分品質更好)以及/或 GEMINI_API_KEY。可在 https://console.anthropic.com/settings/keys 或 https://aistudio.google.com/apikey 取得金鑰。
點 💾 Save。接著點 ▶ Test Anthropic(或 Gemini)— 一次極小的往返請求,可以幾乎零成本地確認金鑰已生效。

第 4 步 — 切換到同一頁的 Profile 分頁。 這是 config/profile.yml 的直接 YAML 編輯器。至少要編輯:

candidate.full_name — 將任何佔位字串(如 “Jane Smith”)替換成你的真實姓名
candidate.email、linkedin、github — 求職信中會用到
target.roles — 你會去投遞的職稱
target.comp_total_min_usd — 最低總薪資;低於此值的職缺會在每份評估的 D 段被標記
target.archetypes — 你接受的職涯模式(影響力最大的單一欄位)

點 💾 Save。伺服器會驗證 YAML 並蓋上正式的 # Career-Ops Profile Configuration 標頭。

B. CV(只做一次,約 10 分鐘)

第 5 步 — 點側邊欄的 ✎ CV。 兩欄版面:左邊是編輯器,右邊是即時預覽。

第 6 步 — 選一種方式填入編輯器:

上傳既有履歷 — 點 📁 Upload CV,挑選任一個 .docx / .doc / .odt / .rtf / .pdf / .html / .txt / .md 檔案。伺服器會透過 pandoc 或 pdftotext 轉成 markdown,做 XSS 淨化, 並將結果放進編輯器。請檢查轉換結果 — 尤其是 PDF,版面常會失真。
直接貼上 markdown — 文字區是 markdown 編輯器;右側面板就是 LLM(以及未來的招募人員)會看到的內容。
語氣建議: 一個項目符號 = 一個有量化指標的成就。保持在 1500 字以內。章節順序:Summary、Experience、Projects、Education、 Skills。

第 7 步 — 點 💾 Save(CV 頁面右上角)。 伺服器會做淨化 (剝除 <script> / javascript: / 行內事件處理器)後寫入 cv.md。吐司提示:「Saved」。

第 8 步(選用)— 點 📄 Generate PDF。 會在父專案執行 generate-pdf.mjs(需要 Playwright),完成時 新的 PDF 會自動下載 到瀏覽器。頁面底部的清單會保留每一份先前產生的檔案。

C. 尋找職缺(每次掃描約 2 分鐘)

第 9 步 — 點側邊欄的 🌐 Scan。 確認 portals.yml 已列出你關心的職缺板(請參考本說明的第 5 節)。按下 🌐 Scan now 按鈕。掃描器在巡訪 Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday(英文板)以及 hh.ru / Habr Career / Trudvsem / GetMatch / GeekJob (若啟用俄文板)時,即時 SSE 日誌會串流呈現。

第 10 步 — 掃描結束後檢視結果。 點任一公司標籤可進行篩選; 點 ↗ 圖示則在新分頁開啟該公司的職涯頁面。每一個通過職稱過濾的職缺都會排入 Pipeline。

D. 為職缺評分(每個 JD 約 30 秒)

第 11 步 — 點側邊欄的 Pipeline。 你會看到掃描器排隊的所有 URL。點任一項可在行內預覽 JD。

第 12 步 — 點任一個 JD 旁的 ▶ Evaluate。 會跳到 #/evaluate。若已設定 API 金鑰,會直接線上執行;否則會給你一段手動提示供你貼到自己的 LLM 使用。線上模式會在 A–G 各段(Role / Company / Compensation / Risk / Stretch / Cultural fit / Verdict)針對你的 CV 給出一個 0–5 score。儲存的結果會落到 reports/<date>-<slug>.md。

第 13 步 — 點側邊欄的 Reports,檢視最新的評估報告。任何低於你 comp_total_min_usd 的職缺都會在 D 段被標紅。任何 Verdict: pursue 的就是你的候選清單。

E. 決策並深入研究入圍公司(約 3 分鐘)

第 14 步 — 挑一個值得追的職缺。點側邊欄的 Deep research。 輸入公司名稱與角色。模型會產生 7 段公司簡報(使命、近期新聞、技術棧、招聘訊號、薪資基準、風險、建議的切入角度)。儲存的結果會落到 interview-prep/<company>-<role>.md。

F. 申請(每件申請約 5 分鐘)

第 15 步 — 點側邊欄的 Apply checklist。 貼上職缺 URL 與 JD。輔助器會生成逐步的投遞檢查清單:

客製化的求職信草稿(使用你的 cv.md + profile.yml)
應該鏡射的 JD 關鍵字
應該附上的檔案(CV PDF — 見第 8 步)
該在哪裡投遞(該公司官方職涯 URL,不是聚合網站的轉址)
提醒:絕對不要自動投遞 — 最終審閱與送出永遠是手動的。

第 16 步 — 在新分頁打開職涯頁面。 把申請檢查清單當作你的待辦清單。透過公司實際的表單投遞。附上你在第 8 步產生的 PDF。

第 17 步 — 主動聯絡真人。 開啟 Outreach 模式 (側邊欄的 #/contacto)。模型會根據第 14 步的公司簡報草擬一則簡短的 LinkedIn / 電子郵件訊息。請個人化開場白(從你的深度研究摘要中挑一個具體細節)。發出去。

G. 追蹤與後續跟進(持續進行)

第 18 步 — 點側邊欄的 Tracker,為這次申請新增一列:公司、角色、score、狀態 Applied、連到 report 的連結、連到深度研究摘要的連結。日期會自動填入。

第 19 步 — 一週後:打開 Follow-up 模式(#/followup)。草擬一封禮貌的關懷信,引用原本的申請內容。寄出。把追蹤表狀態更新為 Followed up。

第 20 步 — 收到面試邀請時,執行 Interview prep 模式 (#/interview-prep)。會針對特定公司 + 階段(系統設計 / 行為 / 程式設計)產生客製化準備內容。自動從深度研究摘要中拉取資料。

第 21 步 — 拿到 offer 了?把 Tracker 狀態更新為 Offer, 然後回頭看你評估報告的薪資段 — 你的最低可接受數字就在那裡。

TL;DR — 側邊欄順序就是工作流順序

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

就這樣。21 個按鈕對按鈕的步驟,從零到 offer。

一鍵 Auto-pipeline(`#/auto`)—— 21 步捷徑

只想快速為某個職缺評分?跳過手動流程。側欄 → ✨ Auto-pipeline(或 Dashboard 的 ✨ 按鈕):貼上 URL,按 Enter 或 ▶ 執行完整流程 —— 伺服端一趟可觀察地跑完整條鏈:

驗證 URL —— SSRF 安全檢查(isValidJobUrl)。
擷取 JD —— safeGet(DNS 固定)下載 + 清洗。
對照 CV 評估 —— Anthropic → Gemini → 無 key 則手動 prompt。
儲存報告 —— 寫入 reports/<slug>.md(分數 + 可信度)。
加入追蹤器 —— 向 data/applications.md 追加一列。

回饋是縱向 stepper(有序清單,作用中步驟帶 aria-current,螢幕閱讀器即時區域)。完成後卡片深連到報告(檢視報告 · N/5)與 追蹤器。失敗步驟標紅,按鈕重新啟用,免重新整理即可重試。無 API key? 手動模式:3–5 步收合,給出可複製 prompt。可連結:#/auto?url=<enc>&go=1 自動開始。

CLI(v1.38.0)。 一條命令完成整鏈:career-ops-ui setup。動詞:career-ops-ui doctor(env/金鑰/工具檢查 —— 與 Health 同引擎;必需項失敗 exit 1)、career-ops-ui run、career-ops-ui init(供應商+金鑰精靈,v1.39.0)。

2. 應用設定與 API 金鑰(`#/config`)

v1.55 → v1.56 新功能。 未設定 LLM 金鑰時,每螢幕的紅色橫幅說明 ⚡ 即時執行處於手動提示模式並連結至此;設定金鑰後變為顯示作用中提供方的低調徽章。每個 ⚡ 即時執行按鈕(#/auto、#/evaluate、#/deep、模式)前顯示誠實的預估費用(如「預估費用:OpenAI gpt-5-codex · ~$0.04/eval」,手動模式則無 API 費用)。#/scan 將次要篩選收入進階篩選摺疊區;#/tracker 新增可點擊漏斗晶片 + 可選伺服器端分頁;#/pipeline 超過 1000 列時虛擬化。

AI CLI 工具。 AI CLI 工具分頁顯示伺服器上安裝了哪些代理 CLI(Claude Code、Codex、Gemini、OpenCode、Copilot、Qwen、Antigravity)——唯讀 PATH 掃描,不執行。外觀 → 顯示公司標誌(預設關閉)從各公司自己網域取得 favicon 顯示在掃描表中(非第三方服務)。

兩個分頁:

API keys & runtime — 從瀏覽器編輯父專案的 .env(就是 career-ops 的 Node 腳本啟動時讀取的同一份檔案)。此分頁也提供按供應方的模型選擇器 —— 在 ANTHROPIC_MODEL、GEMINI_MODEL 旁新增 OPENAI_MODEL(OpenAI/Codex)。
Profile — config/profile.yml 的直接 YAML 編輯器。儲存時會蓋上正式的 # Career-Ops Profile Configuration 標頭。

任一分頁儲存後皆立即生效 — 無需重啟伺服器。

設定你的 LLM 供應方(逐步)。 web UI 的 ⚡ 即時評估以無頭方式執行,使用一個 API 金鑰。它透過 “OR” 運作 —— 設定其中任意一個即可正常運作;設定多個時,auto 按此順序優先:Anthropic → Gemini → OpenAI → Qwen。(career-ops 本身是 CLI 無關的 —— 你也可以在 Claude Code、Codex、Gemini、OpenCode、Qwen、Copilot 或 Kimi 內執行它;那與此無頭金鑰無關。)

開啟 #/config → API keys & runtime 分頁。
在 LLM_PROVIDER 中選擇你的供應方:auto(使用已設定的金鑰),或用 claude / gemini / openai / qwen 強制指定一個。
填寫你所選供應方的金鑰 + 模型:
- Anthropic —— 設定 ANTHROPIC_API_KEY(console.anthropic.com),選擇性 ANTHROPIC_MODEL(預設 claude-sonnet-4-6)。
- Gemini —— 設定 GEMINI_API_KEY(aistudio.google.com/apikey),選擇性 GEMINI_MODEL(預設 gemini-2.0-flash)。
- OpenAI —— 設定 OPENAI_API_KEY(platform.openai.com),選擇性 OPENAI_MODEL(預設 gpt-5-codex)。
- Qwen —— 設定 QWEN_API_KEY(阿里雲百鍊 / DashScope,dashscope.console.aliyun.com),選擇性 QWEN_MODEL(預設 qwen-max)。中國大陸端點請在 raw .env 中設定 QWEN_BASE_URL。
點擊 Save。金鑰寫入父專案的 .env;變更立即生效 —— 無需重啟伺服器。
在 #/evaluate 上驗證:貼上一個職缺 URL/描述並按 ⚡ Run live。結果標頭會顯示執行了哪個供應方(anthropic / gemini / openai / qwen)。任何地方都未設定金鑰 → 則得到複製貼上的手動 prompt。

密鑰在儲存後被遮罩且從不記錄。模型 id 欄位(*_MODEL)不是機密。

Profile 分頁

v1.32.0 —— 逐欄位表單。 Profile 分頁不再是原始 YAML 文字框,而是帶 候選人 / 敘述 / 薪酬 可折疊分區的表單。儲存時僅送出建模的 14 個純量路徑;伺服端合併進 config/profile.yml,因此 archetypes、proof_points 與自訂鍵原樣保留。權衡:逐欄位儲存會重新序列化 YAML 並遺失 # 註解 —— 如需保留或編輯巢狀陣列,請用分頁底部的 Advanced: edit raw YAML 折疊區。 v1.35.0 —— 陣列編輯器。 為 Target roles、Superpowers(字串清單)、Archetypes(name/level/fit)、Proof points(name/url/hero-metric)新增增刪列編輯器。相同的 merge-not-replace 保證;清空清單會乾淨地移除該鍵。 v1.54.3 —— Modes 分頁結構化表單。 modes/_profile.md 不再是按區塊的原始 markdown 編輯器,而是從已文件化的 schema 衍生的欄位表單。清單型區塊 —— Target Roles / Adaptive Framing / Comp Targets —— 渲染為可重複的逐列輸入(增刪列);散文區塊 —— Exit Narrative / Location Policy —— 渲染為帶標籤的 textarea;任何未知或非清單區塊回退為帶標籤的逐字 textarea。儲存仍按區塊合併 —— 前言、未更動區塊與自訂區塊按位元組保留。Advanced: raw markdown 折疊區保留,用於整檔編輯:增刪區塊或編輯前言。 供應方(v1.39.0)。 API-keys 分頁新增 LLM_PROVIDER 選擇(auto=Anthropic→Gemini · claude · gemini)與 OPENAI_API_KEY 欄位(Codex/OpenCode CLI 端)。career-ops-ui init 為互動精靈。

供應方(v1.57.0）。 無頭即時評估現涵蓋 Anthropic → Gemini → OpenAI → Qwen → OpenRouter（auto 順序；LLM_PROVIDER 固定其一）。OpenRouter —— 一個 OPENROUTER_API_KEY 即接入 300+ 模型；OPENROUTER_MODEL 下拉從 OpenRouter 即時目錄載入（伺服器端代理，離線時精選回退）。另修復：帶換行/空白貼上的 key 在驗證前被修剪，/#/config 不再對任何供應方顯示「validation failed」。

文字區會原樣顯示目前的 config/profile.yml。
編輯完點 💾 Save。伺服器會驗證 YAML(必須是 mapping、必須包含 candidate)後寫入檔案。
若缺少 # Career-Ops Profile Configuration 標頭,會自動補上。
#/profile 的唯讀摘要是它的視覺輔助頁。

已知金鑰

Key	作用	取得方式
`ANTHROPIC_API_KEY`	啟用 Anthropic SDK 即時呼叫。同時設定 Anthropic 與 Gemini 時為首選 — JD 評分與深度研究的長文結構化輸出更好。	https://console.anthropic.com/settings/keys
`ANTHROPIC_MODEL`	覆寫預設的 `claude-sonnet-4-6`。需要更強推理可試 `claude-opus-4-7`;追求便宜快用 `claude-haiku-4-5-20251001`。	—
`GEMINI_API_KEY`	沒有 Anthropic 金鑰時的備援。`gemini-eval.mjs` 在 `oferta` 模式下會用到。低流量下免費額度即可。	https://aistudio.google.com/apikey
`GEMINI_MODEL`	覆寫預設的 Gemini 模型。	—
`(伺服器使用預設 UA)`	在俄羅斯境外執行 `hh.ru` 掃描時必要(該 API 對普通 User-Agent 會回 403)。在 https://dev.hh.ru/admin 註冊一個應用程式並使用其 UA 字串。	dev.hh.ru
`PORT`	Express 綁定的連接埠。預設 4317。	—
`HOST`	綁定位址。預設 `127.0.0.1`。設為 `0.0.0.0` 會把 UI 暴露在區域網路上 — 目前沒有驗證閘,參閱 Production-readiness 文件。	—

行為

讀取(GET /api/config)會回傳每一個已知金鑰。機密金鑰 (ANTHROPIC_API_KEY、GEMINI_API_KEY)會被遮罩 — 你看到的是 sk-ant•••••••a1b2,永遠看不到完整值。
儲存(POST /api/config)會驗證每個值,寫入 <parent>/.env, 並立即套用到正在執行的程序。無需重啟。
空值會刪除 該金鑰。當你想停用某個俄羅斯 IP / VPN 時很有用。

煙霧測試按鈕

儲存後點 ▶ Test Anthropic 或 ▶ Test Gemini — 兩者皆會送出極小的提示(輸出 ≤256 tokens),所以在確認金鑰正確連接的同時幾乎不會花錢。成功時會回傳大約 200 字元的樣本。

3. 個人資料(`#/profile`,也可由 `#/settings` 到達)

config/profile.yml 的唯讀摘要卡片視圖。要編輯 請去 App settings → Profile 分頁(#/config → Profile)。儲存後寫入同一個檔案;此頁會在重新載入時重新解析。

最關鍵的欄位:

candidate.full_name — 每個提示都會用到。在真正掃描任何職缺之前,務必把樣板的 Jane Smith 替換掉,否則你產生的求職信會以佔位姓名寄出去。
candidate.email、linkedin、github — 求職信生成與申請檢查清單都會引用。
target.roles — 你能接受的職稱。掃描器的正向過濾隱含使用此欄位(透過 portals.yml::title_filter)。
target.comp_total_min_usd — 最低總薪資。每份評估的 D 段會標記低於此值的職缺。
target.archetypes — 最重要的欄位。這些是你能接受的職涯模式(例如 Tech-Lead-Backend、Founding-Engineer、 Data-Platform)。每個 JD 都會跟它們比對,最佳匹配的 archetype 會出現在報告標頭。

Health 頁面有一項 Profile customized 檢查,只要 full_name 還是已知的佔位姓名就會失敗。

4. 履歷(`#/cv`)

每次評估、深度研究、求職信的唯一真實來源。檔案位於父專案根目錄的 cv.md。

編輯選項

直接貼上 — 左邊的文字區是 markdown 編輯器。右側面板會鏡射 LLM(以及未來的招募人員)會看到的樣子。
📁 Upload CV — 挑選任一以下格式的本機檔案,伺服器會替你轉成 markdown:
- 純文字格式 — .md、.markdown、.txt、.html、.htm 直接傳遞(HTML 經 pandoc → GFM markdown)。
- Office 格式 — .docx、.doc、.odt、.rtf 透過 pandoc 轉換(macOS 上 brew install pandoc,Linux 上 apt install pandoc)。
- PDF — .pdf 透過 Poppler 的 pdftotext 抽取 (brew install poppler / apt install poppler-utils)。
- 轉換後的 markdown 會落到編輯器;點 💾 Save 即可持久化。結果經過淨化(與貼上時相同的 XSS 剝除)。
- 硬上限:每次上傳 10 MB。超過會回 413。
從 LinkedIn — 最簡單的方式:在父專案開啟 Claude Code, 執行 /career-ops,貼上你的 LinkedIn URL,然後請它 extract my CV from this and write it to cv.md。

哪些內容會被淨化

伺服器端,每個 PUT /api/cv 都會經過 stripDangerousMarkdown:

<script>、<iframe>、<object>、<embed>、<svg>、 <style>、<form> 標籤 — 完全移除。
行內事件處理器(onclick=、onerror= 等)— 剝除。
javascript:、vbscript:、data:text/html URI 協定 — 失效化。

只要上述任何一項被移除,回應就會包含 sanitized: true,讓你知道原始來源中是否有可疑內容。

請求主體上限:1 MB。超過會回 413。

其他按鈕

sync-check — 在父專案執行 cv-sync-check.mjs。標記不一致 (CV 中列出但不在 data/applications.md archetypes 中的專案等)。
📄 Generate PDF — 串流執行 generate-pdf.mjs。輸出落在 output/*.pdf。需要 Playwright(Health 頁面顯示父專案的 node_modules 中是否已安裝)。產生完成時,最新的 PDF 會自動下載到你預設的 Downloads 資料夾;頁面上的清單會保留每一份先前產生的檔案。

語氣 / 格式建議

一個項目符號 = 一個有量化指標的成就。對任何評估量表來說, 「將 p99 延遲降低 38%」 都優於 「改善了效能」。
章節順序如下:Summary(3–5 行)、Experience(倒敘時間順序)、Projects(最多 5 個)、Education、 Skills(去重,不要塞滿時髦詞)。
控制在 1500 字以內。評分量表使用的是高密度資訊;冗長雜亂的 CV 會因為雜訊被扣分。

5. 招聘版面與來源(`portals.yml`)

掃描器設定檔位於父專案根目錄的 portals.yml。三個區塊很重要。 SPA 的三個區塊(下方)與 scan-job-portals 中 career-ops.org 的正式 schema 一一對應。

捷徑: #/portals URL 現在會直接解析到 App settings, 並且(在已設定區域來源時)跳轉到 Regional sources 群組 — 因此書籤或手動輸入的 #/portals 連結不再回傳 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]

被掃描的職缺,當其職稱包含 至少一個 positive 關鍵字且 不含任何 negative 關鍵字時就會通過。兩個都要調整。關鍵字皆為大小寫不敏感的子字串。

seniority_boost 是第三個 title-filter 鍵。這裡列出的關鍵字不會過濾掉任何東西 — 它會把符合的職缺在結果中往上推,讓「Senior Backend Engineer」排在「Engineer」之前。預設值: ["Senior", "Staff", "Lead"]。調整以符合你目標角色的命名方式。

一開始用 3–5 個 positive 關鍵字以保持清晰;之後再擴展。

content_filter(可選 —— web-ui 1.75.0,parent #974)。 與 location_filter 平級的頂層鍵,擁有相同的 positive / negative 關鍵字清單,但比對的是職缺的 描述 / 摘要 文字,而非其地點:

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

語義與 location_filter 完全一致:無該鍵 → 全部通過;描述 為空 / 缺失 的職缺通過(缺失資料不受懲罰);negative 命中 → 拒絕;positive 為空 → 通過; positive 非空 → 必須命中至少一個關鍵字(不分大小寫的子字串)。ATS 掃描與區域掃描皆會套用。只有攜帶描述 / 摘要的來源(如 RSS)會受影響 —— 其餘職缺一律通過 —— 因此啟用它絕不會悄悄丟棄不帶內文的來源的列。可用它丟棄標題已通過、但內文暴露出決定性硬傷的職缺。

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

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

依職缺地點字串(不分大小寫的子字串)過濾掃描結果,ATS 掃描與區域掃描皆生效。語義與正規的 career-ops scan.mjs 完全一致:

無 location_filter → 所有地點通過(預設)。
地點為空/缺失 → 通過(缺失資料不懲罰)。
命中 block → 拒絕(block 優先於 allow)。
allow 為空 → 通過(block 已過濾)。
allow 非空 → 必須符合至少一個關鍵字。

portals.yml 頂層鍵(與 title_filter 平級,不巢狀於 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 驅動 AI 動力的 Option B 掃描(在 Claude Code / Codex 內執行 /career-ops scan)。它們不會被行內的 npm run scan 執行(後者僅打公開職缺板 API)。當你想要在尚未進入 tracked_companies 的公司發掘角色時才用。設 enabled: false 可保留條目但不執行。

`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 }

每個條目必填欄位:name 與 careers_url。選填:api (明確的 Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday 端點)、enabled: true|false 可在不刪除條目的情況下包含/排除。ATS 掃描器會從 URL 樣式偵測 ATS (job-boards.greenhouse.io/<slug> → Greenhouse 等),並直接取得每家公司公開的 boards-api。無法辨識 ATS 的公司會被略過(/#/scan 上的 Active Companies 卡片會以灰色 ○ 顯示它們)。

`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 中加入一筆帶 provider: rss 與 rss:(或 feed_url:)鍵的項目,即可讓掃描器對接任何發佈 RSS/Atom 來源的徵才看板(LaraJobs、WeWorkRemotely、RemoteOK、golangprojects 等)—— 無需改動程式碼。RSS 轉接器解析每個 <item>(CDATA + HTML 實體,標題/公司名去除標籤),將其正規化為職缺,並執行與 ATS 來源相同的 title_filter / location_filter + 去重 + 附加到 pipeline 的流程。隨後 RSS 會作為可選來源出現在 #/scan 的篩選下拉選單中。(web-ui v1.62.x)

`russian_portals`

russian_portals:
  sources: ["hh", "habr", "trudvsem", "getmatch", "geekjob"]      # 或只填一個
  area: 113                 # 1=莫斯科, 2=聖彼得堡, 113=俄羅斯, 1001=remote
  per_page: 50
  only_remote: false
  queries:
    - "Senior PHP"
    - "Senior Go"
    - "Тимлид PHP"

queries 是大小寫不敏感的子字串比對,對應到 hh.ru 與 Habr Career 上的職缺標題。注意與 negative 列表的重疊 — 若 queries 中有 "Senior PHP",但 title_filter.negative 中又出現 "php", 掃描會回傳零結果,主控台會警告你這個衝突。

設定俄文入口網站 — 詳細設定指南

v1.29.0 內建 5 個俄文 adapter。兩個無需預設 UA 以外的額外設定(habr-career HTML 抓取;trudvsem 政府開放資料 API — 無 key、無地理閘)。兩個是科技板塊的 HTML 抓取(getmatch、geekjob — 同樣無 key)。一個是 hh.ru 標準 API,從非俄羅斯 IP 可能回傳 403,除非透過 App settings → API keys & runtime 設定 HH_USER_AGENT 環境變數(或從俄羅斯 IP / VPN 執行)。

來源清單

鍵	顯示名稱	類型	驗證	地理限制
`hh`	hh.ru	JSON API	可選 `HH_USER_AGENT`	非俄 IP 可能 403
`habr`	Habr Career	HTML	無	無
`trudvsem`	Trudvsem	JSON API(開放資料)	無	無
`getmatch`	GetMatch	HTML	無	無
`geekjob`	GeekJob	HTML	無	無

步驟 1 — 開啟 `portals.yml`

該檔案位於父專案 career-ops/ 根目錄(不在 web-ui/ 內)。若尚未存在,請從父專案複製範本:

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

步驟 2 — 啟用 5 個來源

新增或更新 russian_portals 區塊,列出你想掃描的所有來源。陣列順序無關緊要 — 掃描器按 registry 順序呼叫。

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"

步驟 3 — 調整查詢與篩選

queries 是掃描器在每個來源中用來搜尋的字串。每個查詢會在每個來源上執行一次 — 4 個查詢 × 5 個來源 = 每次掃描 20 次呼叫。為了讓掃描在一分鐘內完成,保持列表聚焦(3–7 個查詢)。area 是 hh.ru 的地區代碼(其他來源會忽略)。per_page 限制每個來源每個查詢回傳的職位數。only_remote: true 在 adapter 層級過濾為遠端(結果表中仍有獨立的 Remote 篩選)。

常見陷阱

負面列表衝突。 如果查詢中的字("php"、"senior")也出現在 title_filter.negative 中,所有結果會在你看到之前被篩掉。掃描器會在掃描時輸出 stderr 警告 — 尋找 ⚠ config: query "Senior PHP" contains "php" which is in the negative list 這列。修復方式是從 negative 中移除衝突字:

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"

臨時停用某個來源

要停用某個來源而不刪除其資料,只需從 sources 陣列中移除其鍵即可:

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

驗證設定

儲存 portals.yml 之後:

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

CLI bootstrap 流程(scan-job-portals)

career-ops 的正式設定流程(從父專案根目錄執行一次):

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

整個 bootstrap 就這樣。編輯三個區塊 (title_filter、tracked_companies、search_queries, 選填 russian_portals),儲存,你就準備好可以掃描了。

SPA bootstrap 行為

首次啟動時,若 portals.yml 缺少 russian_portals: 區塊, 伺服器會附加一段有文件註解的 russian_portals: 區塊 — 此操作具冪等性(第二次啟動為 no-op,因為 russian_portals: 那行已經存在)。英文區塊不會被自動注入;它們來自你按上面正式 bootstrap 複製過去的 templates/portals.example.yml。

6. 健康(`#/health`)

所有設定關卡,以 OK / OPTIONAL / FAIL 徽章呈現。在提交任何「不能用」issue 之前請先讀這頁。

AI 用量與成本。 AI 用量頁面(💳,健康旁)依供應商顯示即時 AI 生成的權杖,涵蓋 24 小時/7 天/30 天/全部,並附來自可編輯價格表的預計 USD 成本(不計費)。每個頁面的左側邊欄底部還固定了一個精簡的用量計量——相同的 24h/7d/30d 權杖合計與 24 小時預估費用,即時刷新;選單始終顯示在其上方不被遮擋,點擊其標題即可折疊。

必要檢查(沒有就無法運作)

Node version ≥ 18 — 伺服器使用原生 fetch 與 node:test。
Project root — CAREER_OPS_ROOT(env 或自動偵測)指向的目錄存在。
cv.md、config/profile.yml、portals.yml、 data/applications.md、data/pipeline.md、modes/oferta.md。

選用檢查(僅警告)

Profile customized — candidate.full_name 不再是模板佔位名稱。
GEMINI_API_KEY / ANTHROPIC_API_KEY — 已在 .env 中設定。
(伺服器使用預設 UA) — 只有在俄羅斯境外掃描 hh.ru 才會在意。
Playwright (parent node_modules) — PDF 生成與 check-liveness.mjs 需要。安裝指令: cd $CAREER_OPS_ROOT && npm install && npx playwright install chromium。
Parent project dependencies — 缺失時執行 cd $CAREER_OPS_ROOT && npm install。
data/、reports/、output/、jds/ 目錄 — 第一次寫入時自動建立。

當伺服器暴露到 loopback 之外(HOST=0.0.0.0)時,回應中的絕對路徑與確切 Node 版本會被替換成 "hidden",以免好奇的鄰居能辨識你的安裝指紋。

執行按鈕

▶ Doctor 執行 node doctor.mjs 並在 modal 中顯示輸出。
▶ Verify pipeline 執行 node verify-pipeline.mjs。

7. 搜尋(`#/scan`)

掃描器會爬遍每個啟用的職缺板,與你的歷史去重,並把命中寫入 data/last-scan.json 與 data/pipeline.md。

搜尋 + 排除。 搜尋框把逗號視為或(“要找的職位”);新增排除欄位隱藏符合任一逗號分隔詞的列。兩者都隨你的搜尋儲存。

一鍵掃描(SPA)

🌐 Scan 會在單次掃描中執行每個啟用來源:

Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday (ATS 大掃描)針對 tracked_companies 中每家能辨識 ATS URL 的公司。
v1.75.0 聚合器,針對每個選擇啟用其一的 tracked_companies 條目:RemoteOK / Remotive / Working Nomads(全板塊遠端訂閱源,provider: <slug>)以及 IBM / Arbeitsagentur / Glints / Jobstreet · SEEK(設定驅動,每條目一個 <provider>: 區塊)。
hh.ru API + Habr Career + Trudvsem + GetMatch + GeekJob,針對 russian_portals 中的每個 query。

一鍵兩階段(v1.29.2)。 唯一的 🌐 Scan 按鈕在單一 SSE 串流中同時驅動 ATS 與區域兩次掃描。日誌會按順序出現兩個階段標題:

▶ ATS scan (Greenhouse + Ashby + Lever) — EN ATS 板塊。
▶ Regional scan (hh.ru + Habr Career) — 來自 registry 的 5 個 RU 來源。

每階段以 ✓ done · NEW=N 摘要結束。若只看到 ATS 階段,代表 stand 仍是 v1.29.2 之前的版本 — 請升級。v1.29.2 之前,SSE 客戶端在第一個 done 就關閉了,區域階段會被靜默丟棄。

掃描執行期間,即時 SSE 日誌會串流到右側面板。點 Stop(或直接切換頁面)即可中止 — 伺服器會透過 AbortController 取消執行中的 HTTPS 請求。

結果篩選

日誌下方的結果表格會渲染 data/last-scan.json 的列。

v1.78.1 — 即時自動重新整理。 現在結果表格會在掃描執行期間自動更新,並在掃描結束後再更新一次 —— 無須手動重新載入或切換頁面。

v1.80.0 — Max per source 與來源隔離。 掃描按鈕旁的 Max per source 欄位會限制每個看板貢獻的職缺數量(空白/0 = 無上限,即預設值)—— 當某個龐大看板原本會主導結果時很有用。另外,任何回傳永久性 404 / 410 的來源都會被寫入 data/scan-quarantine.json 並在後續掃描中略過(自我修復:14 天後重試),如此失效的 slug 便不再灌爆日誌。可在 portals.yml 中以 scan_quarantine: false 停用。

篩選器:

自由文字 — 對職稱 / 公司做子字串比對。
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(從 GET /api/scan/sources 自動填入)。
Remote / Hybrid / Onsite 下拉。
Country 下拉(v1.78.0)— 一個地理篩選，根據目前結果中偵測到的國家填入，每個國家都帶有其國旗 emoji 和計數(例如 🇩🇪 Germany (12))。選擇一個即可只保留與該國家相關的職缺。偵測會將職缺的自由文字地點(國家名稱/別名 + 約 100 個主要就業市場城市)對應到某個國家；它很保守，絕不臆測，因此地點無法解析的職缺 —— 或純粹的 “Remote” 列表 —— 仍歸在 All countries 之下。將其與工作型態下拉框結合，即可同時找到與國家綁定的職缺和遠端職缺。
Posted within 下拉(v1.80.0)— 一個用戶端的時效篩選(Last 24 hours / 7 days / 30 days)。pubDate 較舊的列會被隱藏;沒有列出日期的列會通過(缺少資料不會被懲罰)。
★ Favorites(v1.80.0)— 點擊任一列中的 ☆ 即可將職缺加星(依 URL 儲存於 localStorage);在篩選面板中勾選 ★ Favorites 即可只顯示已加星的列。星標可在掃描與重新載入後保留。
Saved searches(v1.80.0)— 篩選器上方的橫列:為目前的篩選組合命名並 💾 Save,然後從下拉框重新套用,或將其 🗑 Delete。儲存於 localStorage;損毀/被編輯過的值會乾淨地重設為空。
Stack chips(PHP / Go / Backend / Senior / …)— 由 Skills.detectTech 與 Skills.detectLevel 自動偵測每一列。多選為交集 — 選 PHP + Senior 只會顯示同時具備兩者的列。
動態 chips 位於靜態 stack 那組下方 — 來自職稱的前 25 個最常見大寫詞,讓 UI 能依你實際掃描的角色(行銷、設計、財務…) 自我調整,而不會被鎖在後端工程師的詞彙裡。

Active Companies 卡片

一張可摺疊的卡片,列出 portals.yml 中每家公司及其掃描狀態:

✓ 綠色標籤 — 直接支援 API(Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday)。
○ 灰色標籤 — 退回到網頁搜尋提示(無 API 匹配)。

點公司名稱 → 把該名稱填入上方的結果篩選器。點 ↗ 圖示 → 在新分頁開啟該公司的 careers_url。

CLI 掃描流程(scan-job-portals)

從 CLI 端有兩種掃描方式(兩者都會把 URL 放進 SPA 讀取的同一個 data/pipeline.md):

Option A — 直接腳本(約 30 秒,零 AI tokens):

npm run scan                          # 所有 Greenhouse/Ashby/Lever 板
npm run scan -- --dry-run             # 預覽但不持久化
npm run scan -- --company Anthropic   # 收斂到單一追蹤公司

只支援 Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday(可辨識的 ATS URL)。不消耗 AI tokens — 直接打公開的 boards API。

Option B — AI 動力的瀏覽器掃描:

/career-ops scan

在 Claude Code / Codex / Cursor / Gemini CLI 中執行。會用到模型 tokens。直接造訪每個 tracked_companies 頁面,並能發掘非 API 的職缺板(職涯頁面、客製化 ATS、區域入口)。較慢但範圍更廣。當 ATS 大掃描對你知道正在招人的目標公司毫無收穫時非常有用。

輸出(兩種路徑共通) — 新的 JD URL 會附加到 data/pipeline.md,每個造訪過的 URL 都記錄到 data/scan-history.tsv(跨所有未來掃描去重),並列印摘要:掃描的公司數 · 找到的職缺數 · 因職稱被過濾掉的數 · 跳過的重複數 · 新增的職缺數。

依 Score 的行動門檻(在 /career-ops pipeline 為新 URL 進行批次評分後套用):

Score	建議的下一步
≥ 4.5	`/career-ops apply` — 配對度高,立刻投遞
4.0 – 4.4	申請,或 `/career-ops contacto` 做暖場介紹
3.5 – 3.9	`/career-ops deep` — 先做研究
< 3.5	除非你有特定的個人理由,否則跳過

SPA 的 #/dashboard 與 #/tracker 會標亮每一列 score ≥ 4.0 的條目,讓你不必重跑任何指令就能挑選行動。

後續指令

評分完成後,正式的後續流程是:

/career-ops apply — 以客製化答案填寫申請
/career-ops contacto — 起草 LinkedIn / 電子郵件外聯
/career-ops deep — 深入研究公司 / 角色
/career-ops tracker — 檢視 pipeline 狀態

hh.ru — 從網站抓取（2026 年 7 月起需要俄羅斯 IP）

hh.ru 透過讀取其公開搜尋頁面（hh.ru/search/vacancy）來掃描,與 Habr Career 相同 — 無需金鑰和設定。但自 2026 年 7 月起,hh.ru 對俄羅斯境外 IP 回傳 HTTP 451(區域性法律封鎖),因此掃描僅在俄羅斯 IP 下可用 — 請在俄羅斯執行伺服器,或使用帶俄羅斯出口節點的 VPN。首次遇到 451(或反爬 403)時,掃描器會在本次執行剩餘時間內停用 hh.ru 並寫入日誌,其他俄語來源仍會正常完成。JSON API(api.hh.ru)刻意不使用: 無論 IP 或 User-Agent,它對所有程式用戶端都回傳 403 forbidden。

即使網路看起來沒問題,hh.ru 也可能把出口 IP 判定為 VPN/代理(任何資料中心/主機商 IP 都算),並把掃描 302 重新導向到 /vpncheeck 中介頁(「VPN мешает работе сайта」),該頁回傳 HTTP 200 且包含 0 筆職缺。掃描器會偵測到此重新導向,在本次執行的剩餘時間停用 hh.ru 並在日誌中說明。解決之道在網路端:確認流量確實經由住宅 IP 出口 — 即使瀏覽器的開關已關閉,系統層級的 VPN 或代理往往仍在運作(可在 api.ipify.org 等處查看真實出口 IP)。

8. 流水線(`#/pipeline`)

等待評估的 URL 收件匣。位於 data/pipeline.md。

概覽列。 頂部精簡概覽列一眼展示流水線——收件匣有多少 URL、追蹤多少,以及 Applied/Responded/Interview/Offer 計數,各自連結到追蹤器。

加入 URL

三種方式:

在輸入欄輸入/貼上 URL,點 + Add。
使用頂列全域搜尋(其徽章顯示 Enter):貼上任一 http(s)://… 連結並按 Enter 即可開啟 auto-pipeline;輸入其他文字並按 Enter 則跳到 #/scan 並預先填好該詞 (v1.78.1)。在瀏覽器允許的地方,Ctrl/Cmd+K 仍可聚焦搜尋框。品牌標誌會返回儀表板。
執行 Scan(見上節)— 新命中會自動進入 pipeline。

每個 URL 都會在伺服器端通過 isValidJobUrl()。loopback (localhost、127.0.0.1)、file://、javascript:、IP 字面值、含模板字元(<、>、")的字串全部會被擋下回 400。

伺服器端預覽面板

點任一 pipeline 列即可在右側載入預覽。多數 ATS 職缺板不傳送 CORS 標頭,瀏覽器無法直接取得;伺服器會代理該請求,剝除 <script> / <style> / HTML 標籤,並回傳最多 8 KB 的純文字。

預覽代理會手動跟隨轉址,並做 逐跳 SSRF 驗證 — 每個 Location 標頭都會再經過 isValidJobUrl(),所以惡意的職缺板無法把你彈到 loopback / 私有 IP / file://。最多跟 3 跳,逾時 15 秒。

列上動作

▶ — 跳到 #/evaluate?url=…,URL 已預填。
✕ — 從 data/pipeline.md 移除該 URL。

右上按鈕

⚡ Evaluate first — 在 Evaluate 頁面開啟第一個排隊的 URL, 準備評分。
Scan — 回到掃描器,如果你想取得更多 URL。

9. 評估(`#/evaluate`)

針對單一職缺描述,以 cv.md 與 config/profile.yml 作為依據進行評分。回傳按 modes/oferta.md 結構化的 A–F 評估與 0–5 score。

輸入

把 JD 貼到文字區,或從 #/pipeline 帶著 ?url=<href> 過來 — 頁面會透過與 pipeline 預覽相同的 SSRF 安全代理取得 URL,並預填文字區。

點 💾 Save JD 可把 JD 持久化到 jds/jd-<date>-<ts>.txt 作為稽核軌跡(或在 API 呼叫中傳 save: true — 同樣效果)。

Fallback 鏈

Anthropic — 設定 ANTHROPIC_API_KEY 時為首選。伺服器會把 cv.md、config/profile.yml、modes/_shared.md、 modes/oferta.md 打包進 <project_context> 區塊再放到提示前 (每個檔案限制 16 KB,完整提示軟上限 200 KB)。直接回傳有依據的 markdown 到頁面。
Gemini — 只有設定 GEMINI_API_KEY 時。伺服器會 spawn gemini-eval.mjs,把 JD 當作暫存檔傳入。免費模型 (gemini-2.0-flash)對例行評分綽綽有餘。
手動 — 完全沒有金鑰。頁面會給你一段完整成形的提示,你可以貼到 Claude Code、ChatGPT 或任何其他 LLM。

輸出段落(正式 career-ops.org A–F)

v1.15.0 重新對齊。 區塊字母現在對應到正式 career-ops.org schema。 v1.15 之前的報告用 A–G(C=Risks、F=Verdict、G=Legitimacy); 我們仍會原樣呈現以維持向後相容,但新報告會以下面的正式語意輸出 A–F。Score 與 Legitimacy 現在改寫在報告標頭 (score: 4.2/5、legitimacy: High|Medium|Low)。

A. Role Summary — 3 個項目符號的摘要(風險直接在行內標出)。 B. CV Match — 命中的前 3 個技能 + 缺少的前 3 個。 C. Strategy — 建議:立刻申請 / 先 contacto / 先 deep / 跳過。 v1.15 之前叫 Risks。 D. Compensation — 相對於你的 target.comp_total_min_usd(legacy)或 compensation.target_range (正式)。 E. Personalization — 應該主打的角度、依 archetype 的框架、求職信 / 外聯中應提到的鉤子。v1.15 之前叫 Application Strategy。 F. STAR stories — 1–3 段可直接貼上的 S-T-A-R 區塊,針對該角色客製。v1.15 之前叫 Verdict(原始 score);score 現在會與 legitimacy 一起出現在報告標頭。

儲存報告

點 💾 Save report(或在 API 呼叫中使用 save 切換)把 markdown 持久化到 reports/<date>-<company>-<role>.md。報告解析出的標頭 (Score / Legitimacy / URL)會出現在 Reports 頁面和 Dashboard。

有 10 個以上 JD 時用批次評估

對單一 JD,#/evaluate 頁面是正確的工具。當 pipeline 排隊有 10 個以上 URL 時,逐一點擊就不切實際 — 請跳到第 14 節的 Batch evaluate 子節(在父專案執行 ./batch/batch-runner.sh),讓它整夜跑,然後回到 #/reports / #/tracker 看結果。完整流程: batch-evaluate-offers。

10. 報告(`#/reports`)

瀏覽每份儲存的評估。卡片顯示標題、日期、合法性旗標、score (顏色編碼:綠 ≥ 4.0,黃 ≥ 3.0,紅低於)。

點卡片即可閱讀完整 markdown。分頁:每頁 12 份;控制項位於底部。

單份報告檢視也有:

← All reports — 回到網格。
🔗 Open JD — 在新分頁開啟原始職缺貼文。

11. 追蹤器(`#/tracker`)

CRM。每件申請一列;存於 data/applications.md 作為 GitHub-Flavored Markdown 表格。

狀態流轉

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

Hired(v1.118.0)是圓滿的最終狀態 — offer 已被接受。追蹤器用慶祝徽章標記它,並以「拿到工作」橫幅相迎。

狀態白名單由伺服器端強制執行;POST /api/tracker 傳入其他值會預設為 Evaluated。當你在 /career-ops apply 結尾確認 Submitted. 時(見第 14 節),Evaluated → Applied 的正式轉換會自動發生。

欄位版面

欄位	含義
`#`	自動編號,前導補零(`001`、`002`、…)。
`Date`	ISO 日期(`YYYY-MM-DD`)。預設今天。
`Company`	自由文字。豎線(`\|`)與換行會被自動跳脫。
`Role`	同上。
`Score`	`N/5` 格式(例如 `4.2/5`)。
`Status`	白名單列舉。
`PDF`	該列 `generate-pdf.mjs` 成功後變 ✅。
`Report`	連到對應 `reports/*.md` 的 markdown 連結。
`Notes`	自由文字,上限 200 字元。

篩選器

Status 下拉。
Score 下拉 — ≥ 4.0(高)、≥ 3.0(中)、< 3.0(低)。
Search — 跨公司 + 角色的子字串比對。

每個篩選器都會把分頁器重設到第 1 頁。每頁 25 列。

維護按鈕

▶ Normalize 執行 normalize-statuses.mjs — 重新正規化狀態拼寫(applied → Applied、interview → Interview)。
▶ Dedup 執行 dedup-tracker.mjs — 以 (company, role) 大小寫不敏感地移除重複。
▶ Merge 執行 merge-tracker.mjs — 從 batch/tracker-additions/*.tsv 拉入待處理條目(父專案的批次流程會把透過 Apply 輔助器送出的申請丟在那裡)。會去重並把已處理的檔案歸檔到 batch/tracker-additions/merged/。上游批次流程詳見 batch-evaluate-offers。

新增列

POST /api/tracker — 主體 { company, role, score?, status?, url?, reportSlug?, notes?, date? }。以 (company, role) 大小寫不敏感去重。從 UI 端,Evaluate 頁面在評分成功後會提供「Add to tracker」按鈕。

12. 深度研究(`#/deep`)

產生結構化的公司簡報:快照、工程文化、近期新聞、Glassdoor 觀感、面試流程、議價籌碼、可以問招募人員的三個聰明問題。

輸入

兩個欄位 — 公司名稱與(選填)角色。塑造結構的模板是 (modes/deep.md)。

輸出路徑

與 Evaluate 相同的 fallback 鏈:

Anthropic live(首選)— bundleProjectContext 內嵌 cv + profile + _shared.md + deep.md。輸出:10–30 KB 的有依據 markdown,儲存到 interview-prep/<company>-<role>.md。
Gemini live — gemini-eval.mjs 呼叫。同樣的儲存目標。
手動提示 — 頁面遞給你一段為 Claude Code 準備好的提示 (Claude Code 有 WebFetch + WebSearch,可做真正的研究)。

提示

Anthropic 用 claude-sonnet-4-6 通常每次呼叫在 1–3 分鐘內回約 13 KB 的有用文字。
Anthropic SDK 沒有內建的網頁搜尋。如果該角色需要新鮮新聞 + Glassdoor 觀感,請把手動提示貼到 Claude Code,讓它用 WebFetch 工具。
即時執行會計費;一次 Sonnet 4.6 深度研究呼叫成本約 $0.30–0.50 USD。

13. 模式提示(七個 `/#/<mode>` 頁面)

跟進節奏板 (v1.117.0)。 跟進頁面現在以由父專案 followup-cadence.mjs 驅動的確定性節奏板開場:每個申請的緊急度(🔴 緊急 / 🟠 逾期 / 🟡 等待 / 🔵 冷卻)及距下一步的天數,外加一個播種跟進日期按鈕,為每個 Applied 列固定首次跟進日期(followup-seed.mjs --backfill)。沒有父腳本時,節奏板會誠實提示「不可用」。

七個提示產生器:Project 想法、Training 計畫、 Follow-up 郵件、Batch 評估、Outreach 給招募人員、 Interview prep 一頁式重點、Patterns 回顧。每個都包裝一個特定的 modes/<slug>.md 模板:

頁面	Slug	用途
`#/project`	`project`	為目標角色客製化作品集專案。
`#/training`	`training`	技能缺口分析 → 課程。
`#/followup`	`followup`	面試後郵件草稿。
`#/batch`	`batch`	多 JD 批次評估提示。
`#/contacto`	`contacto`	對招募人員 / 推薦人的外聯訊息。
`#/interview-prep`	`interview-prep`	特定面試輪次的一頁式準備。
`#/patterns`	`patterns`	「哪些模式讓我成功?」的反思分析。

共用樣板

每個頁面都有一個小表單(欄位視 mode 而定)、一顆 ▶ Generate prompt 按鈕(手動),以及 — 當有 Anthropic 或 Gemini 金鑰時 — 一顆會晉升為主按鈕的 ⚡ Run live。

點 ▶ Generate prompt 會回傳組合好的提示,把你的表單值 JSON 字串化後塞入 User-supplied context: 區塊,後面接原樣的 modes/<slug>.md 模板。複製貼到你選擇的 LLM。

點 ⚡ Run live 會把同一個提示送到 Anthropic(或 Gemini), 並透過 bundleProjectContext 內嵌 cv.md + profile.yml + _shared.md。結果在頁面上渲染、可複製,也可下載為 .md。

這七個頁面是明確的允許清單 — 有專屬路由的 modes(oferta → Evaluate、deep → Deep research),以及父專案只在 Claude Code 裡支援的 modes(apply、scan、pipeline、tracker、pdf、 latex、ofertas、auto-pipeline)刻意不放進這個 UI。

14. 申請清單(`#/apply`)

決定要申請後,這個 Apply 輔助頁會為實際的申請步驟產生一份投遞檢查清單。它不會自動填表 — 那個流程仍留在 Claude Code 的 /career-ops apply,後者在父專案中使用 Playwright。

SPA 檢查清單模式(`#/apply`)

SPA 的檢查清單是給偏好手動填表、不想啟動 Playwright 的使用者用的。它涵蓋:

在 Claude Code 中執行 /career-ops apply <url>,透過 Playwright 讀取表單(如果你要手動填,跳過此步)。
確認職缺仍上線(check-liveness.mjs)。
確認 CV 是最新版(cv-sync-check.mjs,若 score ≥ 4.0 就再產生 PDF)。
使用 cv.md 的 STAR+R 證據點客製化求職信 / 「Why us?」答覆。
誠實回答 EEO / 簽證贊助 / 到職日問題。
投遞前把填好的答覆儲存到 interview-prep/{company}-{role}.md。
絕對不要自動投遞 — 由你(人類)按下最後的按鈕。
投遞後:在 data/applications.md 新增一列(或寫 TSV 到 batch/tracker-additions/)。

手動填寫 vs Playwright 輔助

實際投遞有兩條路徑:

手動 — 在一般瀏覽器分頁開啟職涯頁面,照上面的 SPA 檢查清單,複製貼上答覆。不需要 Playwright。表單很短或你沒裝 Chromium 時用這個。
Playwright 輔助 — 在 Claude Code(父專案)執行 /career-ops apply <company>。Playwright 會自己開瀏覽器、讀取每個表單欄位、回傳編號的草稿答覆。你仍然要自己按 Submit。表單很長、動態,或你想要稽核軌跡(誰回答了哪題)時用這個。

完整 CLI 申請流程(apply-for-a-job)

前置條件:

先執行 /career-ops pipeline,這樣 JD 才會在 reports/ 底下有評估報告。apply 指令依賴既有的評估;沒有的話,先跑 pipeline。
報告與 profile 已載入。
建議: 已安裝 Playwright (npx playwright install chromium — 見下方 Playwright Setup)。未安裝時會退回 WebFetch(僅文字表單預覽,無點擊填寫)。

編號流程(正式 8 步):

執行指令 並帶上公司名稱:
```
/career-ops apply <company>
```
範例:/career-ops apply Anthropic。沒有參數時,下一輪請提供表單截圖、貼上的表單文字,或申請 URL。
定位報告。 系統會在 reports/ 中找到匹配的評估 (先前由 /career-ops pipeline 或 #/evaluate 建立的那份)。
開啟表單。 Playwright 自動啟動一個瀏覽器視窗 — 你不要自己開。
讀取欄位。 系統會讀取並解析每一個表單欄位 (標籤、類型、是否必填、select 的選項)。
產生答覆。 career-ops 會根據你的 profile、證據點與該角色為每個欄位產出客製化答覆。
回傳編號清單。 你會收到依表單版面排序的答覆 — 簡單欄位 (姓名、電子郵件)在前,自由文字欄位(求職信、「Why us?」) 在後。被標記的條目指向需要人工注意的地方 — 薪資錨點、缺失的履歷細節、選填問題。
手動填寫。 你把每個答覆複製貼到對應欄位。此步是手動的、不自動。先審閱每個答覆。
使用者送出。 你自己按下 Submit。career-ops 絕不按 Submit。在聊天中輸入以下文字確認完成:
```
Submitted.
```

在 Submitted. 時的自動更新:

在 data/applications.md 中狀態從 Evaluated → Applied。
填好的答覆會持續保存在報告的 Section G 供日後參考。

交接給 tracker:

/career-ops tracker

監看整個 pipeline 的狀態,不論角色 score 高低。

Batch evaluate(batch-evaluate-offers)

當你有 10 個以上 JD 要一次評分時(SPA 的逐一 #/evaluate 對該量級不切實際),請從 CLI 使用批次執行器。

輸入檔案 — batch/batch-input.tsv(以 tab 分隔):

欄位	用途
`id`	唯一序號
`url`	職缺貼文完整連結
`source`	來源平台(LinkedIn、Greenhouse 等)
`notes`	選填的脈絡細節

範例列:

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

./batch/batch-runner.sh 旗標:

--dry-run — 預覽待處理的職缺但不評估。請務必先跑這個來驗證 TSV。
--parallel N — 同時跑 N 個 worker(建議 1、2 或 3)。
--min-score X.X — 跳過低於門檻的職缺,不持久化。當你只想保留高配對角色的報告時很有用。
--retry-failed — 只重跑上一次執行時失敗的職缺(網路失敗、速率限制)。
--max-retries N — 失敗職缺最多嘗試 N 次(預設:2)。
--model NAME — 傳給 claude -p --model 的 Claude 模型(career-ops 1.8.0,#504)。未設定 = Claude Max 訂閱預設模型。大批次用較便宜的,如 claude-sonnet-4-6。在 #/batch 中顯示為模型輸入(web-ui 1.31.0)。
--start-from N — 跳過低於 N 的 offer ID(繼續部分處理的批次)。在 #/batch 中顯示為 起始 # 輸入(web-ui 1.31.0)。

標準執行順序:

編輯 batch/batch-input.tsv — 每個 JD 一列。
Dry-run(建議先跑):
```
./batch/batch-runner.sh --dry-run
```

執行 — 循序或平行:

./batch/batch-runner.sh                       # 一次一個
./batch/batch-runner.sh --parallel 2          # 兩個並行
./batch/batch-runner.sh --parallel 3          # 三個並行
./batch/batch-runner.sh --parallel 2 --min-score 4.0  # 只持久化高配對

重試失敗(網路 / 速率限制):

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

報告會落到 reports/,命名為 {id}-{company}-{YYYY-MM-DD}.md。摘要列附加到 batch/tracker-additions/。

合併進 tracker:

node merge-tracker.mjs                 # 套用批次新增
node merge-tracker.mjs --dry-run       # 預覽合併

合併指令會去重條目,並把已處理的檔案歸檔到 batch/tracker-additions/merged/。

SPA 會把產生的報告呈現在 #/reports(分頁,score-pill 顏色), 追蹤表列則呈現在 #/tracker — 完全就像你透過 #/evaluate 一個個加進去那樣。如果你不想下指令到 CLI,可配合 #/tracker 上的 ▶ Merge 維護按鈕使用。

Playwright setup(set-up-playwright)

兩個 career-ops 功能需要它:

表單填寫 在 /career-ops apply(上方第 3 步 — Playwright 開啟瀏覽器、讀取欄位標籤、建議答覆)。
PDF 生成 透過 /career-ops pdf,以及 SPA 的 📄 Generate PDF 按鈕(出現在 #/cv / #/reports/:slug / #/evaluate / #/deep / #/interview-prep)。

Playwright 未安裝時的退回行為: apply 流程會退回到 WebFetch (僅文字表單預覽,無點擊填寫)。PDF 生成則會直接錯誤。

核心設定(從 career-ops 父專案根目錄執行):

# 為 Playwright 安裝 Chromium
npm install
npx playwright install chromium

# 註冊 Playwright MCP,讓 Claude Code 能操作表單
claude mcp add playwright npx @playwright/mcp@latest

# 驗證三個元件都到位(Chromium、Playwright lib、MCP)
npm run doctor

替代 MCP 註冊方式 — 加到 .claude/settings.local.json:

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

行為說明:

預設 headless。 Playwright 預設靜默運作。要看到瀏覽器動作, 請告訴 Claude open up with playwright the browser and fill out the entire form.
一個套件三種角色 — 安裝 Playwright npm 套件後你會同時得到瀏覽器自動化函式庫、/career-ops pdf 用的 PDF 渲染引擎,以及 (透過 MCP)Claude Code 內的表單填寫工作流。
依賴前先驗證 — npm run doctor 會確認三者皆可運作。SPA 的 Health 頁面有一項 Playwright (parent node_modules) 檢查, 缺失時會快速失敗。

15. 面試準備

這是研究之後、面試之前的階段。本應用中三項產物會在此匯流:

儲存的深度研究檔案 位於 interview-prep/,你跑過的每對公司-角色一份。可從 Deep research 頁面瀏覽,或直接透過 /api/interview-prep 取得。
Patterns 模式(#/patterns)— 產生自我反思的提示: 「綜觀我最近 N 次面試 / offer / 拒信,哪些模式成立?」累積 5 列以上 tracker 後特別有用。
Interview-prep 模式(#/interview-prep)— 預先填好特定即將到來輪次(行為、技術、系統設計)的一頁式重點。輸出落在同一個 interview-prep/ 資料夾。

建議工作流

對於你已經排定的每場面試:

重跑 Deep(或開啟已儲存的檔案)在前一天。
#/interview-prep — 為該輪次產一份一頁式重點。貼到你的筆記。
系統設計 / 程式設計輪次 — 開 #/training,要求對 JD 強調的特定子系統做 30 分鐘的針對性複習。
薪資輪次 — 開深度研究檔案,跳到「Negotiation leverage points」。準備 2–3 個具體資料點(Glassdoor 區間、近期募資、另一家公司的對標 offer)。
行為輪次 — 從你的 cv.md 拉出 STAR+R 故事,這些故事會落在原始 Evaluate 報告的 B 段。

面試結束後,立即:

更新 tracker 列:狀態 → Responded(然後 Interview、 Offer 等等)。
執行 #/followup 起草感謝信。
如果你獲得新情報(薪資區間、團隊組成、技術棧驚喜),編輯已儲存的 interview-prep/<company>-<role>.md,加上 ## Post-round notes,讓未來的你看得到。

16. Activity log + 疑難排解

Activity log(`#/activity`)

伺服器收到的每個狀態變更請求的稽核軌跡。記錄項目:pipeline 新增、 tracker 寫入、CV 儲存、JD 儲存、evaluate 執行、深度研究執行、 scan 執行、設定變更、mode 執行。

機密(ANTHROPIC_API_KEY、GEMINI_API_KEY)在進入時就被遮罩; 你永遠不會在 data/activity.jsonl 看到真實金鑰值。

依動作前綴篩選(pipeline.、cv.、evaluate、scan. 等)。每頁 25 列;伺服器最多回傳 500 筆最近的事件。

疑難排解

症狀	可能原因	修復方式
Health 頁面在 `cv.md` 顯示紅色	第一次執行,檔案尚未存在	`touch $CAREER_OPS_ROOT/cv.md` 後重新整理。
Health 在 `Profile customized` 顯示紅色	`candidate.full_name` 仍是 `Jane Smith`	編輯 `config/profile.yml`。
掃描日誌出現 `hh.ru: HTTP 403`	非俄羅斯 IP,沒有 `(伺服器使用預設 UA)`	在 `dev.hh.ru/admin` 註冊,設定俄羅斯 IP / VPN。
`gemini-eval.mjs: ERR_MODULE_NOT_FOUND`	父專案依賴未安裝	`cd $CAREER_OPS_ROOT && npm install`。
Generate PDF 出錯	父專案未安裝 Playwright	`cd $CAREER_OPS_ROOT && npx playwright install chromium`。
`/career-ops apply` 顯示「no report found」	Pipeline 從未為此 JD 評分	先執行 `/career-ops pipeline`(或 `#/evaluate`);見第 14 節前置條件。
`batch-runner.sh: no such file`	在錯誤的目錄執行	在叫用 `./batch/batch-runner.sh` 前先 `cd $CAREER_OPS_ROOT`。
伺服器報 `EADDRINUSE: 4317`	舊實例仍在執行	`pkill -f 'node server/index.mjs'` 後重啟。
Live LLM 呼叫掛起 > 2 分鐘	提示太大或 Anthropic 慢	檢查 `/api/health` 的 Anthropic 旗標;伺服器對提示有 200 KB 軟上限並回 413。
Pipeline 預覽顯示 `(unsafe redirect)`	貼文被轉址到私有 IP / loopback	這是安全功能(REVIEW-B1)。轉址目標被拒絕,原 URL 不變。
Tracker 列文字撐破表格	v1.9.1 之前公司名稱含豎線	升級到 v1.9.1+ — 豎線已端到端跳脫(BF-1)。
`npm test` 在新 clone 上失敗	測試假設父專案版面	使用 `CAREER_OPS_ROOT=$(mktemp -d)` 並 bootstrap fixtures。

更深入的診斷:在 Health 頁面執行 ▶ Doctor,複製輸出,並到 https://github.com/Fighter90/career-ops-ui/issues 搜尋 issue 追蹤。

17. 如何新增職位入口網站來源

career-ops-ui 將每個職位網站視為 adapter — server/lib/sources/<slug>.mjs 下的單一檔案,知道如何取得並正規化某個站點的結果。截至 v1.118.0,server/lib/sources/ 註冊表內建 59 個 adapter —— 54 個英文 + 5 個俄文板塊。英文集合涵蓋主流 ATS(Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday)、由明確 provider: 選擇的全板塊聚合器(RemoteOK、Remotive、We Work Remotely、NoDesk、Get on Board、Amazon、…),以及從 careers_url 主機或明確 api: URL 自動偵測的按租戶 ATS(BambooHR、Personio、Recruitee、Teamtailor、Avature、SAP SuccessFactors、…)。完整清單永遠無需在此手動統計 —— 它會從 server/lib/sources/ 自動探索,並在 #/scan 的 Source 下拉選單中即時顯示。 YAML 見 §5,可複製貼上的條目見 docs/portals-examples.md。

v1.69.0 (P-14) — 直接放入即自動探索。 新增第 12 個來源現在只需純粹的檔案放入。registry (server/lib/sources/registry.mjs) 不再維護手動清單 — 啟動時它會掃描此資料夾 (readdirSync + dynamic import()) 並從每個 *.mjs 收集 export const meta 區塊。寫好 adapter、宣告其 meta,它就會立刻出現在掃描器、#/scan 篩選下拉框和 RU dispatcher 中 — 無需編輯 registry.mjs。(RU 來源仍需在父專案的 portals.yml 中加入一行;參見步驟 5。)

步驟 1 — 編寫 adapter

建立 server/lib/sources/<slug>.mjs。依據來源是否提供 JSON API,有兩種模式可用:

API 型來源(最簡潔 — 只要網站有開放資料端點就優先選這個):

// 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 抓取型來源(當沒有 API 時 — 完整範例請參閱 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.
}

每個 adapter 必須遵守三項契約:

匯出有效的 meta 區塊(參見步驟 2)。沒有它,registry 會靜默跳過該檔案(啟動時發出一條 console.warn),該來源永遠不會出現。
在 opts 中接受 { onlyRemote, fetchImpl, signal }。 fetchImpl 讓 adapter 在無需網路的情況下可測試;signal 是用戶端斷線傳播所必需的(REVIEW-B3)。
回傳具有通用形狀的記錄 — { id, title, company, url, salary, location, isRemote, workplaceType, relocates, date, snippet, source },其中 source 必須匹配 meta.value。

步驟 2 — 宣告 adapter 的 `meta`(自動註冊)

這就是完整的註冊步驟。你不需要編輯 registry.mjs。 只需確保 adapter 匯出了 meta 區塊 — registry 會在啟動時自動探索它:

// 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
};

探索時的驗證規則(任一規則不符的檔案會被跳過,並發出一條 [sources/registry] 警告,讓部分遷移的分支仍可診斷):

value — 非空字串。必須與 adapter 中的 job.source 一致。
label — 非空字串。
region — 必須是 'en' 或 'ru';其他值一律拒絕。
configKey — region: 'ru' 時必填;'en' 時忽略。

region: 'en' 會加入 ATS 掃描(從 tracked_companies URL 模式自動探索);region: 'ru' 會加入區域 dispatcher。公開 API (SOURCES、SOURCES_BY_REGION、RU_CONFIG_KEYS、getRegionalSources) 從所有已探索的 meta 重新建構,順序為 en 優先再 ru,各區域內依 label 字母排序 — 確保下拉框順序對使用者保持穩定。

步驟 3 — 接入 dispatcher(僅 RU)

EN ATS 來源從 tracked_companies URL 模式自動探索 — 無需進一步接線。對於 RU 來源,開啟 server/lib/ru-scanner.mjs,找到 RU_DISPATCH 表,並新增一列:

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

dispatcher 迴圈會為 cfg.sources 中出現的每個鍵呼叫 entry.search(query, opts)。不需要其他程式碼變更。

步驟 4 — 測試(mock,嚴禁真實網路)

在 tests/sources-<slug>.test.mjs 下放置一個測試檔案。測試中禁止真實網路(CI-isolation 契約):

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');
});

步驟 5 — 在你的 `portals.yml` 中啟用

父專案的 portals.yml 是使用者所有的設定。把新來源的 configKey 加到陣列裡:

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

在瀏覽器中重新載入 #/scan。來源篩選下拉框會自動取得新條目(單一事實來源: GET /api/scan/sources → registry.mjs)。 🌐 掃描按鈕現在會在每次區域掃描時包含新來源。

參考 adapter(新來源請鏡像這些)

adapter 檔案	類型	說明
`hh.mjs`	JSON API	標準 RU API adapter;地理感知 UA 回退。
`trudvsem.mjs`	JSON API	俄羅斯政府開放資料;無 IP 閘門。
`habr.mjs`	HTML 抓取	俄羅斯技術板;基於正規表示式的卡片解析器。
`getmatch.mjs`	HTML 抓取	防禦式解析器,解析失敗時回傳 `[]`。
`geekjob.mjs`	HTML 抓取	與 GetMatch 相同的防禦式風格。
`greenhouse.mjs`	JSON API	標準 EN ATS adapter;使用 `tracked_companies` URL 模式。

常見陷阱

遺漏 meta 匯出。 自 v1.69.0 起,meta 區塊是唯一能註冊來源的途徑。沒有 meta(或格式錯誤)= 檔案在啟動時被靜默跳過,並發出一條 [sources/registry] <file> has no valid \export const meta` — skipped` 警告,該來源永遠不會出現在下拉框中。如果全新的 adapter 沒有顯示,請檢查伺服器日誌。
source 欄位不匹配。 你的 adapter 寫入的字串必須與 meta.value 完全一致。一旦漂移, #/scan 篩選下拉框會顯示該來源,但選取它會濾掉每一列(因為相等性檢查是 r.source === fs)。
解析失敗時拋出例外。 HTML 抓取器在解析不出卡片的健康 200 時必須回傳 []。拋出例外會破壞多來源 dispatcher 迴圈 —— 一個糟糕的 HTML 結構會害死同一查詢的其他所有來源。
遺漏 fetchImpl / signal。 沒有它們,你的 adapter 無法在不存取真實網路的情況下做單元測試,用戶端斷線也不會傳播(使用者關閉分頁後背景 fetch 仍然存活)。
為 RU 信任 tracked_companies。 該清單僅用於 EN ATS 來源。RU adapter 改為從 russian_portals.queries 自驅動 —— 沒有按公司的條目。

18. 通知(頂列的 🔔)

v1.58.34 — 右下角的所有 toast 同時被記錄到記憶體日誌(上限 50,溢出刪除最舊)。點擊頂列的 🔔 開啟右側通知抽屜,重新檢視錯過的訊息。日誌按分頁/作業階段存在 — 關閉分頁即清空。

抽屜僅在點擊鈴鐺時開啟(或鍵盤聚焦 + Enter / Space)。不會自動開啟。紅色徽章顯示自上次開啟以來未讀條數;開啟後歸零。

類別

類別	觸發條件	視覺提示
成功	`Saved`、`Copied`、`Refreshed`、掃描完成、CV 匯入、apply-checklist 操作、個人資料儲存	左側綠色邊;綠色 toast 背景
錯誤	URL 驗證失敗、帶 `(METHOD /path · HTTP NNN)` 後綴的 API 錯誤、網路失敗、pipeline-400 重複、doctor/verify 非零退出	左側紅色邊;紅色 toast 背景;技術後綴塞入 `詳細資訊` `<details>`(U-4)
資訊 / 進度	`Running doctor.mjs…`、`Refreshing…`、`Loading…`、掃描進度	左側灰色邊

每條顯示:本地時間、人類可讀訊息、(若有)(METHOD /path · HTTP NNN) 等技術細節(等寬字型)。

不屬於通知

Doctor / verify 結果視窗(視窗,不是 toast)。
#/scan / #/auto 的 SSE 日誌行(直接寫入頁面內文)。
不帶 toast 的純 spinner 載入狀態。

鍵盤

鈴鐺點擊或聚焦後 Enter / Space → 開啟。
Esc、×、再次點擊鈴鐺 → 關閉;焦點回到鈴鐺。

19. 將應用在地化為你的語言

介面提供 9 種語言(English、Español、Français、Português、한국어、日本語、Русский、简体中文、繁體中文)。畫面上的每個文案都來自翻譯字典,你無需改動應用邏輯即可新增或修正某種語言。

翻譯檔案在哪裡。 自 v1.60.0 起,每種語言都是 public/js/lib/locales/ 下的獨立檔案 —— i18n-dict.en.js、i18n-dict.es.js、i18n-dict.ru.js 等 —— 一份簡單的 '鍵': '文案' 清單。共用的 i18n-dict.aliases.js 讓必須保持一致的鍵(側欄標籤與其頁面標題)指向同一筆翻譯。i18n-dict.js 在載入時將它們組裝起來,你無需編輯它。

修正或新增文案。 開啟你語言的檔案,找到鍵(如 'nav.scan')並修改文案。要新增一個標籤,把同一個鍵與譯文加入全部 8 個語言檔案,然後在頁面中用 t('your.key') 引用。執行 npm test —— 若任何語言缺少該鍵就會失敗,因此不會發布半成品翻譯。

新增一種語言。 把 i18n-dict.en.js 複製為 i18n-dict.<code>.js 並翻譯每個值,然後在 i18n.js(語言清單 + 瀏覽器自動偵測)、i18n-dict.js 組裝器中註冊該代碼,並在 index.html 增加一行 <script>。包含測試快照與說明 / README 配套檔案的完整清單見 docs/LOCALIZATION.md。

提示。 語言切換器在側欄底部,你的選擇會依瀏覽器記住。伺服器診斷訊息刻意保持英文(讓日誌保持一致)—— 只有畫面介面會被翻譯。

完整的逐步在地化指南請見儲存庫中的 docs/LOCALIZATION.md。

20. 依目標職位統計 (`#/stats`)

Analytics → 目標職位統計頁面把你的掃描已經收集到的稀疏資料，轉化為你真正鎖定的那些職位的市場圖景：依國家統計的職缺數量與薪資水準，以及一條可隨時間追蹤的趨勢線。它不會捏造任何東西：只彙整掃描器實際找到的內容，並且對樣本有多稀薄保持誠實。

數字從何而來

目標職位讀取自你的個人檔案（config/profile.yml → target roles），絕不寫死。請先在 #/profile 中設定；若沒有職位，頁面會顯示「設定你的目標職位」提示，而非空白圖表。
職缺資訊來自你最近一次的掃描（請先在 #/scan 執行一次）。每個職缺的地點會被對應到國家（與掃描的國家篩選器使用同一個偵測器），其薪資字串會被解析，並透過一張近似匯率表正規化為 USD。
所有彙整都在你的瀏覽器中進行——沒有任何資料離開你的機器，頁面唯一會寫入的，只是你明確儲存的快照。

如何閱讀圖表

依國家的職缺——每個國家有多少筆相符的職缺。使用頂部的職位與國家篩選器，可縮小到單一目標職位或單一國家。
依國家的薪資中位數（USD）——每個國家已解析薪資的中位數。只統計帶有可解析薪資的職缺；樣本數顯示在圖表旁邊，金額依粗略匯率換算，因此請把它當作參考性而非精確值來讀。單獨的 ¥（在日圓與人民幣之間含糊不清）會被捨棄而非猜測，以避免較大的 FX 失真。
當目前掃描沒有可解析的薪資時，薪資圖表會如實說明，而非編造數字。

儲存快照並追蹤趨勢

點擊儲存快照，即可將目前彙整追加到 data/role-stats.jsonl。每個快照都會在伺服器端打上時間戳記；快照是此頁面唯一會寫入的內容，它們絕不觸碰你的履歷或個人檔案。
趨勢圖表繪製你各個已儲存快照中的職缺數量——定期儲存一個（例如每次每週掃描之後），即可觀察你目標職位的市場如何隨時間變化。

21. 你的兩頁紙 — 候選人市場契合度 (`#/two-pager`)

career-ops-ui 的大部分功能都在問「這份工作和我的 CV 匹配嗎？」。而**兩頁紙（two-pager）**回答的是另一半問題：「這份工作和我真正想要的東西匹配嗎？」。它以 Never Search Alone 中的 **「Mnookin 兩頁紙」**為藍本——用第一人稱簡短陳述什麼能讓你充滿幹勁、你必須要什麼、以及你絕不接受什麼。從 Setup → Two-pager 🎯 開啟。

AI 自動填入 + 匯出(v1.100)。 「✨ AI 填入助手」現在從你的履歷即時填入所有欄位(檢查後儲存);👁 預覽並匯出渲染兩頁紙並匯出為 Markdown、PDF 或 DOCX。

你需要填寫什麼

我是誰 — 用幾句第一人稱的話,講述你的過往經歷以及你擅長的角色形態。
目標環境 — 你想要的公司規模、階段和文化。
五個標籤清單 — 輸入後按 Enter(或逗號)即可新增每一項,點擊 × 將其移除:
- 我熱愛的 — 讓你充滿能量的因素(遠端、自主權、從零開發、指導他人…)。
- 必備條件 — 硬性要求(薪酬底線、國家、技術棧…)。
- 我討厭的 — 消耗你的因素(待命值班、無止盡的會議、只做遺留系統…)。
- 絕對不可接受(Deal-breakers) — 完全不行的事(僅限現場辦公、不提供簽證擔保、低於某個數字…)。
- 不可妥協項(Non-negotiables) — 底線(工作地點、遠端、薪酬底線…)。

點擊 Save two-pager 儲存。它會寫入上層 career-ops 專案的使用者層,位於 config/two-pager.yml,因此——和你的 CV 及個人資料一樣——在你更新系統時絕不會被覆蓋。

AI 填寫助手

不確定該怎麼措辭？點擊 ✨ AI fill assistant。它會建構一段可直接執行的提示詞(Mnookin 格式,並把你的 CV 和個人資料內嵌其中),並在對話框中顯示。把該提示詞放到任意 LLM 中執行,然後把產生的 YAML 欄位貼回表單。該助手始終只使用你自己的 CV 和個人資料——它不會編造關於你的事實,而且點擊此按鈕不會發起任何即時 API 呼叫。

契合度評分——與你想要的相符程度

一旦你儲存了兩頁紙,#/scan 上的每則職缺都會獲得一個小小的 ◎ N 徽章(0–100)。它將每份工作的工作形態(遠端/混合/現場)、國家、薪酬底線和**搬遷(relocation)**與你的兩頁紙進行比對——綠色徽章表示高度契合,紅色表示觸發了某項絕對不可接受的條件。滑鼠懸停即可查看具體內容(✓ 匹配了什麼,✗ 違反了哪項絕對不可接受的條件)。

它刻意做到誠實:當一則職缺未提供任何可比對的訊號時(例如你的偏好全是自由文字,掃描列無法確認),則完全不顯示徽章——系統絕不編造數字。對於同一件事,硬性的**絕對不可接受(deal-breaker)違反比軟性的討厭(hate)**權重更高。除了徽章之外,你儲存的兩頁紙還會內嵌到每一次 LLM **評估(evaluation)**中,因此你所陳述的偏好不僅影響 CV 與 JD 的匹配,也會形塑書面結論。

22. 模擬面試 (`#/mock-interview`)

閱讀面試準備資料是一回事;把答案大聲說出來則是另一回事。模擬面試頁面(從側邊欄的 Interview prep → Mock interview 🎤 開啟)會針對某個具體角色進行逐輪演練,並以你自己的 CV、個人資料、兩頁紙和故事庫為依據。它不是一份預設的問題清單——面試官會根據你實際所說的內容做出反應。

開始一場會話

輸入一個目標角色(並可選填一家公司)。如果手邊有,也把職位描述貼進來——問題會明顯更加犀利。
點擊 Start interview。面試官會以一個針對該角色和你背景量身打造的聚焦問題開場。
輸入你的回答並點擊 Send answer。想進行多久就進行多久——這是一場對話,而非固定的問答測驗。

每一輪會給你什麼

每次回答之後,面試官都會以三個部分作答:

回饋 — 以 STAR+R(Situation、Task、Action、Result、Reflection)的框架,指出哪些內容說到位了(優點)、哪些內容缺漏了。它會點名你跳過的具體維度。
評分 — 一個附帶一行說明的快速 N/5,讓你能感受到一場會話中的進步。
下一個問題 — 一個刻意針對你上一次回答中最薄弱之處的追問。

一切都以你的真實材料為依據:cv.md、config/profile.yml、config/two-pager.yml 以及你的 STAR+R 故事庫(interview-prep/story-bank.md)都會內嵌到提示詞中。面試官會追問真實存在的短板,但絕不會編造你並不具備的經歷。若未設定 LLM 金鑰,該頁面會遞給你一段可直接執行的提示詞,供你貼到任意助手中——與應用程式其他地方一樣的誠實回退方式。

儲存與重溫會話

點擊 Save transcript 以保留一場已完成的演練。它會寫入你上層專案的使用者層,位於 interview-prep/mock-{company}-{role}-{date}.md,因此會與你其他的面試準備筆記放在一起,並且不會被系統更新覆蓋。頁面底部的 Saved sessions 清單讓你可以重新開啟任意一份記錄或將其刪除。使用 New interview 即可換一個角色從頭開始。

23. 人脈拓展與公司深度調研 (`#/networking`)

從正門投遞只是這場賽局的一半——另一半在於認識某個人，或者至少知道該聯絡誰、該說什麼。Networking 頁面（在側邊欄透過 深度調研 → Networking 🤝 開啟）會把一家公司變成一份取得面試的具體計畫，其依據是你自己的 CV、簡介與 two-pager。

建立計畫

輸入一家公司（必填），並可選填一個職位與職位描述。職位描述會讓「我為何契合」的切入點更加銳利。
點擊建立計畫。有 LLM 金鑰時它會即時執行並將計畫就地呈現出來；沒有金鑰時它會交給你一段現成的提示詞，可貼到任何助理中（與整個應用一致的誠實回退——絕不憑空捏造）。

計畫包含的內容

計畫以四個部分回傳：

公司檔案 — 關於公司在做什麼的精煉簡報、值得引用的近期訊號，以及從你真實經歷中提煉出的兩三個「我為何契合」的切入點。
該聯絡誰 — 三到五個目標人物（團隊的招聘經理、內部招募人員、團隊裡的資深工程師、一個熟絡的人脈或校友關係），並附有一條具體的 LinkedIn 搜尋字串 來找到每一個人。它絕不捏造真實姓名——它會告訴你如何找到合適的人。
最溫暖的引薦路徑 — 針對你的經歷最現實的那一條溫暖入口：共同的雇主、學校或社群；二度人脈；或者當它確實是最佳選擇時，一條訊號強烈的冷啟動訊息。
觸達草稿 — 為你最重要的人物準備的簡短、具體的訊息（三到五句話，不摻水分），扎根於你真實的證明點，從而不會讀起來千篇一律。

儲存與重訪計畫

點擊儲存計畫以保留一份。它會寫入你父專案的使用者層，路徑為 networking/net-{company}-{role}-{date}.md——這是你自己的檔案，絕不會被系統更新覆寫。頁面底部的已儲存計畫清單讓你可以重新開啟或刪除任何計畫。由於草稿與人物僅扎根於你真實的素材，請把它們當作一份可供個人化的有力初稿——而不是一份可以盲目群發的腳本。

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

新增到 CV (v1.117.0)。 新卡片把專案、論文或作品集頁面(URL 或貼上文字)變成僅基於該來源的 ATS 要點——來源中沒有的指標、雇主或日期一律省略,絕不虛構。你審閱建議並自己貼進 CV 編輯器;不會自動寫入,URL 走與流水線相同的 SSRF 安全驗證器。

#/cv 頁面是你撰寫履歷的地方；CV Studio（從側邊欄的 Setup → CV Studio 🎨 開啟）則是你打磨履歷的地方。它為你的 cv.md 提供三件誠實的工具，其中兩件永遠不會離開你的瀏覽器。

針對職缺客製(v1.101)。 貼上職缺描述,CV Studio 即產生客製履歷與相符的求職信,並通過招募人員檢查清單關卡(錯誤攔截,警告提示),僅根據你自己的材料。

履歷診斷

一開啟頁面，它就為你的履歷打出百分制評分，並逐項列出檢查結果，每項都附有簡短說明，讓你來決定要改什麼（它絕不會悄悄改寫）：

長度 — 履歷是否落在一到兩頁的健康區間？
量化影響 — 你的要點中有多大比例包含真實的數字或指標？招募者略讀時正是在找這些。
有力的動作動詞 — 標記「負責」或「協助」之類的弱表述。
流行套話 — 標記空洞的陳腔濫調（「結果導向」「團隊合作者」）。
核心區塊 — 檢查是否有摘要、經歷、教育和技能。
聯絡資訊 — 確保有一個電子郵件。

這一切完全在你的瀏覽器中執行，不使用任何 LLM——數字是確定性的，絕不虛構。

隱私遮罩

在把履歷作為寫作範例或截圖分享之前，隱私遮罩會遮蔽可識別個人身分的資料：電子郵件、電話、連結/帳號和街道地址，若你選擇啟用並輸入，還包括你的姓名 → 首字母。逐個切換每個類別，複製遮蔽後的版本，安全地分享。整個過程完全在瀏覽器中進行，會準確回報遮蔽了多少項，並且絕不儲存或傳輸原文。

讓它有人味（語氣匹配）

貼上一句或一段生硬的文字——那種讀起來像套話的、泛泛的 AI 措辭——讓它有人味便會用你的語氣重寫它。重寫在伺服器端以你的 voice-dna.md（你的文字讀起來如何）和 writing-samples/（你真實的行文）為依據。硬性規則：它可以重新排序、精簡並重新調整語氣，但絕不會引入貼上文字中尚未存在的事實、指標或成就。有 LLM 金鑰時它會即時重寫；沒有金鑰時它會給你一段現成的提示詞，供貼到任意助手中。之後照常在 #/cv 頁面編輯你的履歷——CV Studio 提建議，你來決定。

25. 記憶 (`#/memory`)

其他每個頁面每次都從頭開始。記憶（在側邊欄的 設定 → 記憶 🧠 中開啟）是唯一一個你只需告訴助手一次就能讓它記住的地方。它保存一段簡短、可編輯的「記住關於我的這件事」備註，會被注入到每一次 AI 請求中。

它的用途

用它來記錄持久的偏好和工作風格，例如：

你瞄準的職位和公司類型（以及你永遠不想看到的那些）。
你希望答案怎麼寫——簡潔還是詳細、資深口吻、不要廢話。
值得反覆強調的硬性約束——僅限遠端、薪資下限、不接受待命。

把它限定在偏好和引導上。它不是用來放關於你經歷的事實的地方——你的技能、雇主和成就存在於你的 CV、檔案和兩頁摘要中，這些仍是你的 CV 和求職信中所出現的任何內容的唯一來源。記憶備註塑造的是助手如何與你協作，而絕非它對你聲稱了什麼。

它如何觸及一切

當你點擊儲存記憶時，該備註會寫入你父專案的使用者層 config/memory.md，並內嵌到共享的專案上下文中。這意味著它會自動伴隨每一次 AI 請求——評估、模擬面試、人脈計畫、CV Studio 改寫——並跨越你設定的每一個服務商。寫一次即可；你不必在每個頁面上重複自己。與你其他的使用者層檔案一樣，更新系統時它絕不會被覆蓋，而且只有在你選擇執行的 LLM 提示詞內部，它才會離開你的機器。

從你的資料中建議

不確定該寫什麼？✨ 從我的資料中建議會讀取你的申請追蹤器，起草一組行為要點——即你所追求、接受和拒絕的事物中的規律。在任意 LLM 中執行它給出的提示詞，審閱這些建議，然後把編輯後的版本貼到備註中。它只挖掘你自己的追蹤器，絕不編造事實；在任何內容被儲存之前，你始終會先審閱。

26. 統計 (`#/stats`)

拒絕模式分頁 (v1.117.0)。 第四個分頁執行父專案的 analyze-patterns.mjs(唯讀),展示結果構成、可執行建議以及各 ATS 供應商的推進率(「演算法單一文化」訊號——Bommasani et al., FAccT 2026)。低於最小樣本的供應商標有星號;沒有父專案時分頁會誠實提示。

統計頁面在單一區塊下匯集三個視圖:AI 生成的市場報告、你自身流程的分析,以及來自掃描結果的目標職位空缺趨勢。用頂部的頁籤在它們之間切換。

市場報告

市場報告頁籤請模型對你的目標職位做一份薪資與勞動力市場分析——它會讀取你的 CV 和檔案,以了解需要涵蓋哪些職位和資歷層級。輸入地區 / 市場(例如 Russia、EU-remote、US 或 Germany),選擇貨幣,然後點擊生成市場報告。你會得到一份結構化報告,包含執行摘要、按等級劃分的薪資(中位數加 P10/P25/P75/P90)、頂尖雇主、熱門技能表、福利出現頻率、辦公室/混合/遠端的比例、12–24 個月的趨勢(含 AI 影響)以及談判指引。每個數字都是來自模型訓練知識的方向性估算——並非抓取或即時資料——報告本身也會如此聲明;請把這些數字當作區間,而非精確報價。若未設定 API key,你得到的將是一份可複製貼上的提示詞,而不是一份捏造的報告。用下載 .md、儲存為 PDF 或複製把報告帶出應用程式。

我的流程

我的流程頁籤將你自己的申請追蹤器繪製成圖表——不涉及任何外部內容。它展示你追蹤了多少個職位、你的評分分布、狀態漏斗、你的頂尖公司和職位、隨時間變化的申請量,以及轉換率(有多大比例的申請進入 Applied、Responded、Interview 和 Offer)。它是你求職過程的誠實鏡子:它始終只反映 data/applications.md 中已有的內容。

目標職位趨勢

目標職位趨勢頁籤是最初的視圖:按國家/地區列出你目標職位的空缺數量和薪資中位數,匯總自你最近一次掃描,附帶貨幣選擇器和按目標職位劃分的空缺概覽。儲存快照會記錄當前的匯總資料,讓你能觀察空缺數量隨時間的變化,趨勢線會讀回這些快照。稀疏資料在預期之內並會被標註為僅供參考——它絕不會用捏造的數字來填充。

累計與薪酬

累計分頁(v1.118.0)以唯讀方式中繼兩個零 token 的父專案指令碼: stats.mjs — 你的累計追蹤器彙總、累計漏斗比率(回覆 / 面試 / offer)、掃描器總數和入口覆蓋 — 以及 salary-gap.mjs — 每份申請的期望 vs 職缺標註 vs 實際薪酬,由報告的 Machine Summary 與 data/salary-observations.tsv 彙總。小樣本會標註為僅供參考;沒有父專案時分頁會顯示誠實的提示。

27. 職涯規劃 (`#/career-plan`)

職涯規劃頁面把你的履歷與檔案變成一份具體、個人化的發展規劃 —— 就像你與職涯教練一起擬定的那種，但它由你自己的素材生成，並可由你編輯。

產生規劃

選擇一個時間跨度（6、12 或 24 個月），可選擇性地輸入一個重點（例如「轉往管理職」、「轉為遠端工作」或「轉到 Go」），然後點擊產生規劃。模型會（透過共享的專案脈絡）讀取你的履歷、檔案、兩頁摘要與記憶筆記，並寫出一份結構化的規劃：一份誠實的起點快照、優勢與成長空間的 SWOT、以 SMART / OKR / WOOP 表達的目標、帶有取捨的替代職涯路徑、硬技能與軟技能計畫、針對所選跨度的逐月路線圖、如何追蹤進度、可能的陷阱以及支援性舉措。每條建議都以你的素材實際呈現的內容為依據 —— 它向前規劃，絕不捏造關於你經歷的事實。若未設定 API 金鑰，你會改為得到一段可複製貼上的提示詞。

編輯與儲存

規劃會出現在一個可編輯的文字區中 —— 隨意調整，然後點擊儲存規劃。它會被寫入你父專案的使用者層，即 config/career-plan.md，因此能在系統更新後保留，並且只在你選擇執行的 LLM 提示詞內部被送出。預覽會算繪你的 Markdown，讓你在儲存前以帶格式的方式閱讀。

匯出

使用下載 .md、儲存為 PDF 或複製把規劃帶出應用程式 —— 與應用程式各處 AI 報告所用的匯出控制項相同。PDF 會經過現有的內嵌 PDF 產生器；Markdown 則是直接下載。

28. 職業方向 (`#/orientation`)

職業方向 頁面回答「哪些方向真正適合我？」——就像職業測評能給你的那種解讀,但不是靠問卷,而是從你自己的 CV 和檔案中推斷。

它會產出什麼

點擊 生成畫像,模型會讀取你的 CV、檔案、兩頁紙和記憶筆記,並寫出一份職業方向畫像:你的 最契合的職業向量（八種原型——功能主義者、管理者、溝通者、專家、分析者、創新者、經理、創業者——中哪一種最契合,並附上來自 CV 的證據）、一種 職業類型傾向、一組 推薦職位、與 CV 所展示內容相關聯的 職業優勢、工作風格傾向（在幾個維度上「你的 CV 讀起來如何」）,以及用於拓寬契合面的 發展建議。

它是如何生成的

這是 對你的 CV 讀起來如何的一種 AI 反思——而非心理測驗。 提示詞完全立足於你自己的素材:它不會虛構成就,也絕不會把數值測驗分數當作實測結果來回報。若未設定 API 金鑰,你會得到一段可複製貼上、可在任意 LLM 中執行的提示詞,而不是即時畫像。不會向磁碟寫入任何內容——畫像每次都是全新生成的。

匯出

使用 下載 .md、儲存為 PDF 或複製來留存畫像——與應用程式中各類 AI 報告所用的匯出控制項相同。PDF 會經過現有的內嵌 PDF 產生器,Markdown 則是直接下載。

使用者指南

說明 — career-ops-ui

關於 career-ops

career-ops vs career-ops-ui(本應用)

依 Score 的行動門檻

外部文件

1. 快速上手 — 從「建立 CV」到「已投遞並聯繫」的完整步驟

A. 環境設定(只做一次,約 5 分鐘)

B. CV(只做一次,約 10 分鐘)

C. 尋找職缺(每次掃描約 2 分鐘)

D. 為職缺評分(每個 JD 約 30 秒)

E. 決策並深入研究入圍公司(約 3 分鐘)

F. 申請(每件申請約 5 分鐘)

G. 追蹤與後續跟進(持續進行)

TL;DR — 側邊欄順序就是工作流順序

一鍵 Auto-pipeline(#/auto)—— 21 步捷徑

2. 應用設定與 API 金鑰(#/config)

Profile 分頁

已知金鑰

行為

煙霧測試按鈕

3. 個人資料(#/profile,也可由 #/settings 到達)

4. 履歷(#/cv)

編輯選項

哪些內容會被淨化

其他按鈕

語氣 / 格式建議

5. 招聘版面與來源(portals.yml)

title_filter

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

search_queries

tracked_companies

rss (RSS / Atom boards)

russian_portals

設定俄文入口網站 — 詳細設定指南

來源清單

步驟 1 — 開啟 portals.yml

步驟 2 — 啟用 5 個來源

步驟 3 — 調整查詢與篩選

常見陷阱

臨時停用某個來源

驗證設定

CLI bootstrap 流程(scan-job-portals)

SPA bootstrap 行為

6. 健康(#/health)

必要檢查(沒有就無法運作)

選用檢查(僅警告)

執行按鈕

7. 搜尋(#/scan)

一鍵掃描(SPA)

結果篩選

Active Companies 卡片

CLI 掃描流程(scan-job-portals)

後續指令

hh.ru — 從網站抓取（2026 年 7 月起需要俄羅斯 IP）

8. 流水線(#/pipeline)

加入 URL

伺服器端預覽面板

列上動作

右上按鈕

9. 評估(#/evaluate)

輸入

Fallback 鏈

輸出段落(正式 career-ops.org A–F)

儲存報告

有 10 個以上 JD 時用批次評估

10. 報告(#/reports)

11. 追蹤器(#/tracker)

狀態流轉

欄位版面

篩選器

維護按鈕

新增列

12. 深度研究(#/deep)

輸入

輸出路徑

提示

13. 模式提示(七個 /#/<mode> 頁面)

共用樣板

14. 申請清單(#/apply)

一鍵 Auto-pipeline(`#/auto`)—— 21 步捷徑

2. 應用設定與 API 金鑰(`#/config`)

3. 個人資料(`#/profile`,也可由 `#/settings` 到達)

4. 履歷(`#/cv`)

5. 招聘版面與來源(`portals.yml`)

`title_filter`

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

`search_queries`

`tracked_companies`

`rss` (RSS / Atom boards)

`russian_portals`

步驟 1 — 開啟 `portals.yml`

6. 健康(`#/health`)

7. 搜尋(`#/scan`)

8. 流水線(`#/pipeline`)

9. 評估(`#/evaluate`)

10. 報告(`#/reports`)

11. 追蹤器(`#/tracker`)

12. 深度研究(`#/deep`)

13. 模式提示(七個 `/#/<mode>` 頁面)

14. 申請清單(`#/apply`)

SPA 檢查清單模式(`#/apply`)

Activity log(`#/activity`)

步驟 2 — 宣告 adapter 的 `meta`(自動註冊)

步驟 5 — 在你的 `portals.yml` 中啟用

20. 依目標職位統計 (`#/stats`)

21. 你的兩頁紙 — 候選人市場契合度 (`#/two-pager`)

22. 模擬面試 (`#/mock-interview`)

23. 人脈拓展與公司深度調研 (`#/networking`)

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

25. 記憶 (`#/memory`)

26. 統計 (`#/stats`)

27. 職涯規劃 (`#/career-plan`)

28. 職業方向 (`#/orientation`)