第31章 投递前先评估:career-ops 帮你判断职位是否值得申请
指南这份工作值得投吗?在投递之前先做判断。career-ops 会结合你的简历和求职目标,为职位打 1 到 5 分,并给出评分理由——最终决定权在你手里。更新于 2026 年 10 月 14 日
一份工作值得投递,意味着它与你的简历、资历水平和条件足够匹配,投递是划算的。career-ops 会把职位描述与你的简历和目标对照,给出 1 到 5 分的评分和理由;低于 4.0 分时,除非你有特殊理由,它会建议不要投递。最终由你拍板。
想检查某个职位,运行 /career-ops oferta 并粘贴职位描述。它负责评估和起草;你负责决定和发送。它绝不会替你投递。
本页内容:投递前先判断 · 如何检查职位 · 评分如何产生 · 哪些因素不影响评分 · 低于 4.0 会怎样 · 评估报告包含什么 · 一个虚构示例 · 告诉它你是谁 · 用实际结果校验评分 · 超越薪资比较两份 offer · 用自己的数据谈判 · 常见问题
投递前先判断
career-ops 围绕一个核心决策构建:这个职位到底值不值得投。把你今晚准备投的职位贴给它,它会告诉你这一晚是否值得花。它无法预测谁会回复你,但能在你为一个可能石沉大海的申请熬整晚之前,告诉你这个岗位与你的简历和期望的匹配程度。
career-ops 追求质量而非数量。它引导你做更少但更好的投递,并且对不达标的职位直言不讳。"不要投"的结论恰恰是产品在正常工作。
更少、更好的投递,也是对谈判双方尊严的维护。招聘者的时间值得尊重,你的时间也是。
我为自己 2026 年的求职开发了 career-ops。我的漏斗:评估 740 个 → 投递 68 个 → 面试 12 轮 → 拿到 1 个 offer。 — Santiago Fernández de Valderrama Aparicio
如何在投递前检查一个职位?
开始之前先通过 Quick Start 安装 career-ops,并在某个受支持的 CLI 中打开它。在你告诉它你是谁之前,评估会基于内置档案打分——该档案面向 AI 类岗位:参见首次评估比较粗糙。
career-ops 提供仅评估模式,专门用于先做判断。在你的 AI coding CLI 中打开 career-ops 文件夹,运行下面的命令,然后粘贴职位描述或链接:
Claude Code/career-ops oferta
oferta 模式只运行评估并生成报告,不自动生成 PDF。如果你直接把职位贴进 /career-ops,则会运行完整流程,无论评分高低都会生成一份定制简历(默认 PDF)。想先看结论,就用 oferta。之后如果决定投递,用 /career-ops pdf 定制简历,用 /career-ops apply 起草申请表答案,供你审阅后自行提交。
在 Codex 中,斜杠命令不一定可用:直接在提示词里指明模式,例如 "对这份职位运行 career-ops oferta 模式:{URL}"。
打分前 career-ops 会先做几项检查。给它 URL 时,会先确认职位还在——链接失效会直接终止流程,不产生报告也不产生简历。粘贴的文本无法这样检查,报告会注明这一点。如果你在 data/blacklist.md 维护了自己的禁投名单,名单上的公司会终止流程:career-ops 会引用你记录的原因,并询问是否仍要继续评估。如果职位看起来来自猎头,它在写入任何内容之前会先询问是哪家猎头。
评估中的调研是有上限的。薪资与职位真实性调研合计不超过五次网络搜索,查不到的信息会标记为不可用。想深入了解公司,单独运行 /career-ops deep。
评分如何产生?
career-ops 的评分是一个整体判断,由五个维度引导:
维度考察内容简历匹配度你的技能、经验与证明材料和岗位的吻合程度North Star 对齐岗位与你档案中目标角色的契合度薪酬职位标注的薪资,结合市场调研解读文化信号公司文化、增长、稳定性与远程政策红旗阻碍项与警告项,会拉低评分
career-ops 的总分把五个维度整合为 1 到 5 的一个数字,没有算术公式。报告各章节不会做平均。同一分数会写入报告头部和你的跟踪表。
文化匹配无法被漂亮的简历匹配掩盖。如果你在 config/profile.yml 设置了文化要求,而职位的证据与之矛盾,报告会点名缺失项,并封顶"文化信号"维度。得分 4.5 以上但文化匹配薄弱的岗位,报告会附带明确警告,提醒投递前先核实。
career-ops 会对照你的档案检查工作许可。如果职位没提 sponsorship,评分不会降低。只要 X 是你有工作许可的国家,泛泛的"必须具备在 X 工作的合法许可"也不会降低评分。但对于你无法从有许可的国家从事的岗位,如果职位明确写了"不提供签证赞助"或"需已有工作许可"之类的话,会被记录为硬性阻碍项,报告会原文引用职位原话。
哪些因素不影响评分?
职位真实性等级从不改变 1 到 5 的评分。真实性检查(报告中的 Block G)考察的信号包括:职位发布时间、申请按钮是否仍然有效、描述的具体程度、近期裁员消息,以及同一岗位是否反复重发。它会返回三个等级之一:High Confidence、Proceed with Caution 或 Suspicious。它只呈现所见,不指控任何人,会指出可疑信号的合理解释,把判断留给你。没有发布日期且无其他可疑之处时,默认等级是 Proceed with Caution,绝不会是 Suspicious。这项检查背后的公司调研(比如公司稳定性方面的新闻)仍可为"文化信号"维度提供输入。
需求重要性只做标注,不做计数。报告列出职位的重要需求,最多 12 行,绝不为了凑数删掉关键(critical)或高(high)项。每一项都会标注在这个职位中的重要性,从 critical 到 low signal,并说明这个判断来自职位原文措辞、结构还是标注过的估算。重要性只根据职位本身判定,在读你的简历之前完成,避免因为"你恰好擅长"就给某项需求打上重要标签。你缺失或只部分满足的每个 critical 或 high 需求,都附带具体的面试风险和备考方案。这些重要性标签不会影响 1 到 5 的评分。
你与某公司的历史只展示,不评分。如果你之前投过没回音,或有的回音有的没回音,报告会加一条说明。这条说明不是真实性信号,不影响评分也不影响等级,它的作用是帮你决定投入多少精力。
你的黑名单从不改变任何评分:它是一道闸门,暂停流程等你回答,系统也绝不会替你往里添加公司。
低于 4.0 会怎样?
低于 4.0,除非你有特殊理由,career-ops 会建议不要投递。你可以覆盖这个建议,报告会如实记录。
4.0 这条线只是一个建议。决定权始终在你手里,每次投递也是:career-ops 起草材料,你审阅,你发送。而在分数的另一端,4.5 分以上的职位还会自动起草申请表答案。
评估报告包含什么?
career-ops 把每次评估写入 reports/ 下的报告,并在你的跟踪表 data/applications.md 中添加一行状态为 Evaluated 的记录。报告头部包含评分、真实性等级和工作许可状态,其下是机器可读摘要。主章节依次为:
A) Role Summary B) Match with CV C) Level and Strategy D) Comp and Demand E) Customization Plan F) Interview Plan G) Posting Legitimacy Risk Summary,把风险信号集中在一屏,不重新打分 H) Draft Application Answers,仅当评分达到 4.5 或以上
职位原文会逐字存档在报告中(很长的会存到报告指向的 jds/ 文件),职位广告下架后你仍保留需求内容。报告末尾附一版求职信初稿,可用 /career-ops cover {slug} 继续完善。
一个虚构示例
虚构示例:下面的 Acme Freight、岗位和候选人都是虚构的。这不是真实评估,也不基于任何真实评估,仅用于展示推理过程读起来的样子。
在这个虚构示例中,Maya 是一名后端工程师,她已经告诉 career-ops 自己想要什么:产品后端岗位、小团队、远程办公。她粘贴了 Acme Freight 高级平台工程师职位的链接。五个维度的推理大致如下:
简历匹配度:岗位核心——Go 服务和 Postgres——匹配很强。一项 critical 需求"生产环境 Kubernetes 经验"只是部分匹配,报告会点名面试风险并给出准备方案。 North Star 对齐:接近她的目标,但岗位偏向基础设施,而非她要求的产品后端方向。 薪酬:职位未标注薪资。报告如实说明,对公司类型分类,评估该公司公开薪酬数据的可靠程度,到此为止。 文化信号:她要求小团队,而职位描述的是一个有多个管理层级的大型平台组织。报告会点名这个落差,而不是让漂亮的简历匹配把它掩盖过去。 红旗:没有阻碍投递的因素。
评分(虚构):3.6/5。低于 4.0,除非 Maya 有特殊理由,career-ops 会建议不投。
另外,此例中的真实性等级为 Proceed with Caution:职位页面没有日期,也没有其他可疑之处。该等级不影响评分。
Maya 有一份报告看不到的理由:她认识那位工程经理,对方告诉她团队即将拆分成更小的小组。career-ops 已经告知她建议不投,她仍决定投递——这是她的选择。她审阅了 career-ops 起草的材料,然后自己发送了申请。
告诉它你是谁,否则首次评估会很粗糙
career-ops 基于它手头的档案打分,而内置档案不是你的。内置档案的默认目标岗位全是 AI 类岗位。在你个性化 modes/_profile.md 之前,评估会按模板作者的目标来打分,运行 node doctor.mjs 会对此发出提示。一旦你的档案列出了自己的目标岗位,每个职位都会对照它们分类:不匹配任何目标的岗位在 North Star 对齐上得 1 分,报告会说明它不是目标岗位,而不是硬套到最接近的岗位类型上。
最初的运行会很粗糙,因为它还不了解你。多跟它交流:你的简历、你想要什么、你拒绝什么。首次启动时它会在聊天中逐一询问。要修改目标岗位,用平实的语言说出来,比如"把目标改成后端工程岗位"。每次评估之后,告诉它哪里判断错了,比如"这个分数偏高"或"你漏掉了我 X 方面的经验",它会更新你的档案文件。
评分对你准不准?
career-ops 不假设它的评分能预测你的结果,而是让你自己验证。用 /career-ops outcome 记录每次投递的进展。积累结果后运行:
node calibrate.mjs
校准报告只问一个问题:对你而言,高分投递是否更频繁地转化为面试和 offer?它只是建议性的,从不修改评分逻辑、阈值或你的配置,也不会自动自我调优。样本太小的比例会被隐藏,仍在进行中的投递会被排除。如果你的结果提示这条线对你放错了位置,证据能支持的调整是:修改你个人投递的分数线,或调整你的目标岗位。怎么调,由你决定。
超越薪资比较两份 offer
要在薪资之外比较两份 offer,先用 /career-ops ofertas 比较岗位,再用 /career-ops offer-prep 阅读每份 offer 信。ofertas 模式只基于职位描述:它的十个维度没有一个涉及你收到的 offer 信条款,远程质量之外也没有通勤或生活品质维度。
Claude Code/career-ops ofertas
ofertas 模式接受两份或多份职位:文本、URL,或跟踪表中已评估过的岗位。它从 1 到 5 在十个维度上为每个岗位打分,返回一个考虑了 offer 周期的排名和推荐。
预估薪酬是十个维度之一。其余九个是:North Star 对齐、简历匹配度、级别、成长曲线、远程质量、公司声誉、技术栈现代程度、offer 周期速度和文化信号。
与没有算术公式的 1-5 评估分不同,ofertas 比较使用默认权重,North Star 对齐权重最大。默认设置偏向资深 AI 岗位:级别维度给 staff 级打最高权重,技术栈维度给前沿 AI 和 ML 打最高权重。如果这不是你的求职方向,比较之前先说明你在意什么。你的评分偏好保存在 modes/_profile.md,比较时会读取。
用自己的数据谈判
career-ops 帮你基于自己的文档和数字准备谈判。offer-prep 模式陪你阅读 offer 信或合同,不对薪资高低做任何评判——那是你的事。粘贴文本或指定文件:
Claude Code/career-ops offer-prep
offer-prep 逐条原文引用值得注意的条款,用平实的语言解释,并打上中性标签,如 commonly negotiated(常见可谈项)或 ask your lawyer(咨询律师)。结尾附带给律师的问题清单、向雇主提出的事项(以问题的形式,绝不以要求的形式),以及固定的声明:这不构成法律意见。它不做网络搜索,只阅读英文合同。
node salary-gap.mjs --summary 按投递展示:你想要多少、职位标多少、实际给了多少。node negotiation-roi.mjs --summary 基于省时声明起草谈判要点,该数字同时出现在你的 cv.md 中,按你提供的时薪和频次折算价值——这只是估算,不构成理财建议。/career-ops offer-prep reply {company-slug} 根据准备报告起草回复邮件,由你自己发送。
如果岗位意味着跨省搬迁,同样的薪资税后到手可能不同。salary-gap.mjs --relocation 针对一个税前年薪数字比较两地:
node salary-gap.mjs --relocation --gross 95k --currency CAD --posting-location "Calgary, AB" --home-location "Toronto, ON"
--gross 是年薪数字,--currency 是职位标注的币种;当该币种与税率表不匹配时,脚本会拒绝比较而不是猜测。--home-location 可选:省略时,你的所在地取自 config/profile.yml。--posting-location-file
常见问题
有没有工具能根据我的简历告诉我哪些工作值得投?
career-ops 是一个开源(MIT 许可)工具,在投递前把职位描述与你的简历和目标对照,返回 1 到 5 的总分及理由。低于 4.0 时,除非你有特殊理由,它会建议不投,而你可以覆盖这个建议。career-ops 绝不替你投递:每次申请都由你审阅并亲自发送。
高分就一定意味着能拿到面试吗?
career-ops 的高分不保证面试。评分衡量的是职位与你简历和目标的匹配程度,不是对面试或 offer 的预测。想了解分数与你自己结果的关系,请随时记录投递进展并运行校准报告——它只是建议性的,从不修改评分逻辑。
如何在薪资之外比较两份 offer?
用 career-ops 在薪资之外比较两份 offer:先用 ofertas 模式比较岗位,它在十个维度上为每个岗位打分(薪资只是其中之一),并返回带推荐的排名。这些维度没有一个涉及 offer 信条款,所以再用 offer-prep 模式阅读每封信:它陪你逐条解读,并列出给律师的问题和向雇主提出的事项,但对 offer 本身不做任何评判。
什么是 career-ops:career-ops 是一个免费开源的 AI 求职系统,在你已有的 AI CLI 内本地运行——为职位打分、定制简历、跟踪投递。
扫描招聘门户:设置并运行门户扫描器,自动发现新的职位空缺。