career-ops 实战指南：在 AI 编程 CLI 内构建「扫描职位 → A–H 评分 → 定制 PDF → 求职跟踪」的本地求职流水线

career-ops（项目名又称 careerops）是一个把任意 AI 编程 CLI 改造成「求职指挥中心」的开源工具：它把招聘门户扫描、结构化的 A–H 岗位评估（5 个维度合并为 1–5 全球评分）、面向 ATS 的定制 PDF 简历和求职进度跟踪串成一条流水线，且全部运行在本机。读完本文，你将掌握它的安装方式、全部 slash 命令、A–H 评分原理与源码级实现细节、以及针对波兰等本地化市场的扫描器配置与评估适配要点，可以直接在自己的 AI CLI（Claude Code、Codex、Gemini、OpenCode、Qwen 等）中落地使用。

本文以项目官方的波兰语文档 README.pl.md 为主体骨架，结合仓库内实际源码与配置（如 modes/oferta.md、modes/_shared.md、modes/scan.md、scan.mjs、providers/justjoin.mjs 等）逐项印证，帮助你不仅会用，还能理解其内部运作。

一、career-ops 是什么：定位、哲学与边界

career-ops 的目标不是「一键海投」。文档开篇就划定了清晰边界：

重要：这不是批量投递简历的工具。 career-ops 是一个过滤器——帮你在数百条招聘信息里找出真正值得投入时间的那几条。系统会明确劝阻你投递评分低于 4.0/5 的职位。你的时间宝贵，招聘方的时间同样宝贵，提交前请务必人工复核。

它采用 agent 化（agentic） 的方式工作：以 Claude Code 为例，Agent 通过 Playwright 浏览公司招聘页，面对你的 CV 与职位描述进行「推理式」匹配评估（而非关键词匹配），并把每份简历针对单个职位做定制化调整。官方 README 中作者自述，这套系统在其个人求职中完成了 740+ 条职位的评估与 100+ 份定制 CV 的生成（此为项目文档自述数据，供参考）。

文档还特别提醒了一个上手预期：前几次评估不会完美。系统第一次运行还不了解你，需要你喂给它上下文——CV、职业经历、成就案例、偏好、优势、想规避的东西。这就像入职一位新的职业顾问：第一周它要先了解你是谁，之后才会变得不可或缺。

从源码结构看，这一「人机分工」被写成硬性约定：AI 只负责评估与推荐，永远不代替你发送申请，最终决定权始终在人（Human-in-the-Loop）。这一原则贯穿评估模式（见 modes/oferta.md）与 AGENTS.md 的指令设计。

二、核心功能总览

下表完整列出官方文档的功能矩阵：

功能	说明
Auto-Pipeline	粘贴 URL → 完整评估 + PDF + tracker 记录一次完成
6 块评估（Ocena 6-blokowa）	职位摘要、CV 匹配度、职级策略、薪资调研、个性化、面试准备（STAR+R）
面试故事库	积累 STAR+Reflection 故事，形成 5–10 个能应对各类行为面试问题的主打故事
谈判脚本	薪资谈判框架、应对地区性薪资折扣的话术、利用竞对 offer 的策略
ATS 定制 PDF	关键词注入式简历，Space Grotesk + DM Sans 字体设计
门户扫描器	预配置 45+ 家公司（Anthropic、OpenAI、ElevenLabs、Retool、n8n 等），并可经 Ashby、Greenhouse、Lever、Wellfound 检索
批处理	通过 claude -p worker 并行评估多条职位
TUI 仪表盘	终端 UI，浏览、筛选、排序整条求职流水线
人在回路（Human-in-the-Loop）	AI 评估并给出建议，你来做决定并行动。系统绝不自动投递，最终决定权始终在你
流水线数据完整性	自动 merge、去重、状态归一化、数据健康检查

这些能力并不只是文档口号，在仓库中都能找到对应实现入口。比如批处理依赖 batch/batch-runner.sh 与 batch/batch-prompt.md；数据完整性由 merge-tracker.mjs、dedup-tracker.mjs、normalize-statuses.mjs、reconcile-pipeline.mjs 等命令承载，对应的 npm scripts（merge、dedup、normalize、reconcile）定义在根目录 package.json 中。

三、工作原理：粘贴一条职位到产出三件套

官方文档给出如下流程（原文示意，翻译整理）：

粘贴职位 URL 或其描述
        │
        ▼
┌──────────────────┐
│  职位原型识别      │  分类：Frontend / Backend / DevOps / PM / SA / ML
└────────┬─────────┘
         │
┌────────▼─────────┐
│  A–H 评估        │  匹配度、差距、薪资调研、STAR 故事
│  （读取 cv.md）   │
└────────┬─────────┘
         │
    ┌────┼────┐
    ▼    ▼    ▼
 报告     PDF   Tracker
 .md    .pdf   .tsv

一次标准评估最终产出三样东西：Markdown 评估报告、定制化 PDF 简历、tracker 记录条目。

3.1 评估内核：先过「门禁」，再做分块评估

从源码看，评估流程远比「读 JD 打分」严格。入口 modes/oferta.md 明确规定，当用户粘贴的是 URL（而非 JD 文本）时，必须先通过三道闸门才能进入正式评估：

1. Liveness 门禁：确认职位仍在线。404/过期页面绝不允许进入 Block A——文档明确写「a dead link must never reach Block A」，避免把整轮 A 系列评估、报告和 PDF 浪费在幽灵内容上。若判定职位已关闭，直接告知用户并把 data/pipeline.md 中对应条目标记为失效。
2. 黑名单门禁：若存在 data/blacklist.md（用户自己的「不投递」清单，缺省即无此门禁，且没有任何逻辑会自动向清单添加公司），命中的公司会触发提示「该公司在你的黑名单中，是否仍要评估？」并等待显式确认——绝不静默拒绝，也绝不静默放行。黑名单只是门禁，不是评分信号，永远不会影响任何分数。
3. 受限调研预算：公司和薪资调研是「单趟查找」而非开放式研究。文档硬性限定 Block D 与 G 合计最多 5 次 WebSearch 查询，禁止调用 deep-research、禁止派生子代理、超出预算即汇总已有证据并显式标注缺失信息；如确实需要深挖，文档建议评估完成后单独运行 /career-ops deep。

进入评估后，Step 0 先做职位原型识别（Archetype Detection）：把职位归入 6 大原型之一（混合型标注最近的两个），它决定后续 Block B 优先调用哪些成就素材、Block E 如何改写摘要、Block F 准备哪些 STAR 故事。随后逐块输出：Block A 职位摘要（原型、领域、职能、职级、远程模式、团队规模、Culture Screen 等），之后依次是匹配证据、差距分析、薪资调研、个性化改写与 STAR 面试准备等。

3.2 评分体系：5 个维度 → 1–5 全球分

评分规则集中在 modes/_shared.md 的 Scoring System 一节（约第 77–107 行）：

• 评估对 5 个维度分别打分，再整合为一个 1–5 的全球评分；输出评分结构的模型层不变——无论走哪条模型通道（三种 tier），最终都产出同一结构的 A–H 报告（头部与章节完全一致，详见该文件「Output parity」段）。
• Block G（判断职位是否真实、仍在招聘）是独立的定性判断，不参与 1–5 全球评分。
• Block B 中的「requirement Importance（要求重要度）」列同样不进入全球分——它只是排序与面试准备的展示面，保证跨历史报告可比，也保住 4.0 分这条 apply / 不 apply 的分界线在 analyze-patterns.mjs、stats.mjs、funnel-velocity.mjs、rank-pipeline.mjs 等历史分析工具下语义一致。
• Culture Screen 维度有结构性封顶规则：若大部分 culture_screen.require 条件缺乏正面证据则封顶在 3；若证据与条件相抵触则封顶 2/5，且必须在报告 Block A 中显式点名缺失/矛盾之处——不许用强势的 CV 匹配分偷偷掩盖文化匹配问题。

四、安装与首次配置

4.1 最快路径：一条命令

npx @santifer/career-ops init

npx 随 Node.js 附带，一次性运行安装器、不全局安装任何东西。该命令会把最新版本克隆到 ./career-ops 并安装依赖。如果你还没有 Node.js，请先安装（引擎要求 Node >= 18，见根目录 package.json；若使用 Gemini CLI 集成则需要 Node 20+）。随后进入工作区并打开你的 AI CLI：

cd career-ops
claude   # 或 gemini / codex / qwen / opencode —— 在这里打开你的 AI CLI

若你在用 Codex，/career-ops slash 命令不保证可用，可以直接在提示语中写模式名，例如 Run the career-ops scan mode.、Evaluate this JD with career-ops auto-pipeline: <url>；一次性/批处理任务可用 codex exec。细节见 docs/CODEX.md。

首次启动时，career-ops 会以纯对话方式引导你完成配置——CV、个人信息、目标职位、薪资偏好等，无需手动编辑任何文件。配置完成后，粘贴职位 URL 或描述，它就会评估、写报告、生成定制 PDF 并纳入跟踪。

4.2 手动安装（git clone 方式）

若你更倾向于手动安装，官方文档提供等价路径：

git clone https://gitcode.com/GitHub_Trending/ca/career-ops.git
cd career-ops && npm install
npx playwright install chromium   # 仅在生成 PDF 时需要
claude   # 打开 AI CLI —— 首次运行会引导 onboarding

从 package.json 可看到，postinstall 钩子会自动执行 npx playwright install chromium；PDF 生成链路（npm run pdf → generate-pdf.mjs）依赖 Playwright 的 Chromium 运行时渲染 HTML 模板。

4.3 开箱即用也要注意：系统是「可被 Claude 改装的」

项目的一个设计特点在文档中被反复强调：系统刻意设计为让 Claude 直接修改自己。模式（modes）、原型、评估权重、谈判脚本等都以 Markdown 指令文件的形式存在，Claude 读取的正是它自己执行的同一批文件，所以你能直接对它说「改一下评估权重 / 调整某个模式」，而不是维护一份「外部配置」。这与 AGENTS.md（所有 CLI 的 canonical 指令）、CLAUDE.md（Claude Code 的 wrapper，导入 AGENTS.md）的分层设计一致。

更完整的安装与自定义指引见 docs/SETUP.md。

五、用法：一条 slash 命令、多个模式

career-ops 的交互入口是一条 /career-ops slash 命令（在支持 slash 命令的 CLI 中），官方用法速查表完整如下：

/career-ops                    → 显示所有可用命令
/career-ops {粘贴职位}          → 完整 auto-pipeline（评估 + PDF + tracker）
/career-ops scan               → 扫描门户查找新职位
/career-ops pdf                → 生成 ATS 优化的 CV
/career-ops batch              → 批量评估多个职位
/career-ops tracker            → 查看申请进度
/career-ops apply              → AI 辅助填写申请表单
/career-ops pipeline           → 处理 URL 队列
/career-ops contacto           → 发送 LinkedIn 消息
/career-ops deep               → 深入调研公司
/career-ops training           → 评估课程/证书的价值
/career-ops project            → 评估作品集项目的价值

也可以不敲命令，直接粘贴职位 URL 或描述——系统会自动识别并触发完整流水线（对应 modes/auto-pipeline.md 的入口逻辑）。除根目录这批顶层 mode 之外，仓库还维护了多语言本地化模式（如 modes/pl、modes/es、modes/de、modes/zh 等目录），可针对不同语言市场的求职流程定制。

六、扫描器：从「0 token」的 Level 0 到 Playwright 兜底验证

扫描是求职流水线的第一环。文档对扫描能力的定位是：预配置 45+ 家可直接扫描的公司与 19 组门户检索式，覆盖 AI Labs（Anthropic、OpenAI、Mistral、Cohere、LangChain、Pinecone）、Voice AI（ElevenLabs、PolyAI、Parloa、Hume AI、Deepgram、Vapi、Bland AI）、AI Platforms（Retool、Airtable、Vercel、Temporal、Glean、Arize AI）、Contact Center（Ada、LivePerson、Sierra、Decagon、Talkdesk、Genesys）、Enterprise（Salesforce、Twilio、Gong、Dialpad）、LLMOps（Langfuse、Weights & Biases、Lindy、Cognigy、Speechmatics）、Automation（n8n、Zapier、Make.com）、European（Factorial、Attio、Tinybird、Clarity AI、Travelperk）等类别，并支持经 Ashby、Greenhouse、Lever、Wellfound、Workable、RemoteFront 等招聘系统做检索查询。

在实现层面，modes/scan.md 定义了 4 级递进的发现策略：

• Level 0 – 本地解析器（最便宜，0 token）：对配置了 parser 的公司，直接运行本地的 JS/Python 等解析脚本抓取 SSR/稳定 HTML 招聘页；
• Level 1 – Playwright：对每家公司的 careers_url 实时导航抓取；
• Level 2 – HTTP JSON（WebFetch）：调用公司招聘 ATS 的公开 API（如 Greenhouse / Ashby / Lever）；
• Level 3 – WebSearch：带 site: 过滤的宽泛检索（可能滞后，作为兜底）。

新版本（v1.6+）起，默认扫描器 scan.mjs（即 npm run scan）是 zero-token 的：它只消费结构化源（本地解析器 + 公开 ATS API）。从源码看，providers/ 目录存放了各招聘系统/门户的连接器实现（Greenhouse、Ashby、Lever、Workable、SmartRecruiters、Radancy、Workday、SuccessFactors、Eightfold、Phenom 等数十个），并配有 tests/providers/ 下的海量契约测试。

6.1 --verify：用 Playwright 过滤已过期职位

默认扫描会信任各 ATS feed 返回的内容，但部分公司在招聘关闭后仍残留过期职位。文档给出的对策是 --verify 参数：

node scan.mjs --verify          # 0-token 检索 + Playwright 活性(liveness)验证

从 scan.mjs 头部注释与实现可印证其语义：

• node scan.mjs --verify：对每条新 URL 做 Playwright 校验，丢弃已过期职位（源文件第 27 行）；
• 可选组合 --headed-fallback（对疑似反爬拦截的 URL 用有头浏览器重试）、--throttle / --throttle=8000（在检查间加入约 5–10 秒抖动，规避限流）、--rediscover-404（对 404/410 的已跟踪 URL 先搜索再复验，随 --verify 生效）；
• 校验只作用于去重后的新职位（源码第 3252–3254 行在 verify && newOffers.length > 0 时才进入 verifyOffers），且为顺序执行，因此成本可控（对应 scan.mjs 起的 verifyOffers 实现）。

6.2 portals.yml：扫描器配置模板

扫描配置以 templates/portals.example.yml 为模板，复制为根目录 portals.yml 后按需修改。文件头部的使用说明（第 1–22 行）直接给出定制流程：1) 复制为根目录 portals.yml；2) 用你的目标职位关键词编辑 title_filter.positive；3) 在 tracked_companies 增删公司；4) 调整 search_queries；5) 对不关心的公司设 enabled: false。还包含若干进阶开关：

• scan_history.recheck_after_days：让已入历史（data/scan-history.tsv）的 URL 在 N 天后重新可入池，用于会重开/重发的职位；永久失效状态（封禁 host、畸形 URL）永远不去重；
• scan_history.dedup_include_location：默认「同公司+同标题=一个职位（不看城市）」，开启后把城市纳入判定，适合资质与城市绑定的场景；
• title_filter：支持 positive / negative / seniority_boost 三类关键词，分别用于命中、排除与职级加成。

七、波兰招聘市场适配（README.pl 特色章节）

这是波兰语 README 中特有的深度内容，也是本文档区别于其他语言版本的核心增量：career-ops 对波兰主流 IT 招聘门户做了针对性支持，并在评估规则中融入了波兰劳动市场的特殊性。

7.1 支持的门户一览

说明：下列表格内容来自项目官方文档对各门户的定位描述。

门户	URL	API	备注
JustJoin.it	justjoin.it	公开	波兰最大 IT 门户（项目文档自述）。提供含完整职位数据的 JSON API
NoFluffJobs	nofluffjobs.com	公开	强制公开薪资区间，定位中高级
pracuj.pl	pracuj.pl	无	最大的综合门户（项目文档自述）。会拦截爬虫（403）——需人工验证
BulldogJob	bulldogjob.pl	无	专注 IT，职位通常带薪资区间
inhire.io	inhire.io	无	IT 猎头平台，常有未公开职位
theprotocol.io	theprotocol.io	无	前身 Rocket Jobs，薪资透明
solid.jobs	solid.jobs	无	职位经社区验证

文档特别指出：其中 JustJoin.it 与 NoFluffJobs 拥有公开 API，因此可作为 Level 0 数据源接入——零 token 消耗、无需 WebSearch、扫描时刻取到的是新鲜数据；其余门户要么走人工验证，要么走 Playwright。

从源码可以得到更精确的印证。仓库 providers/ 下确实存在 providers/justjoin.mjs、providers/nofluffjobs.mjs 与 providers/solidjobs.mjs 三个波兰源连接器，其中 justjoin 实现揭示了其 API 形态：

• API 基地址为 https://justjoin.it/api/candidate-api/offers，并允许把 justjoin.it/job-offers/... 的浏览 URL 自动识别映射为 API 抓取（providers/justjoin.mjs）；
• 默认分页 itemsCount=100、最多翻 50 页，按 publishedAt 倒序，取 currency=pln（默认货币）、cityRadius=30（默认城市半径 30，源码第 69–77 行）；位置字段会合并 workplaceType（如 remote）与城市列表做归一化。

另外，providers/README.md 与 docs/SUPPORTED_JOB_BOARDS.md 详细记录了如何按统一 Provider 契约新增/接入更多门户。

7.2 评估中内建的波兰劳动市场规则

career-ops 在评估时显式考虑波兰用工制度的特殊性（官方文档明确列出，逐条继承如下）：

• 雇佣形式：UoP（劳动合同，Umowa o pracę）vs B2B（发票结算，VAT）vs UZ（委托合同，Umowa zlecenie）——在到手金额、保障程度、年假与 ZUS 社保方面的差异会进入「稳定性」评分；
• 薪资口径：brutto（税前，扣税与 ZUS 前）与 netto（到手）差异可能相当大，系统比较不同职位时会统一口径；
• 福利：私人医疗（Medicover、LuxMed、Enel-Med）、运动卡（MultiSport、OK System）、Edenred/餐卡、PPK（员工资本计划）等都被识别为薪酬包的组成部分；
• 年假：按《劳动法》（Kodeks pracy），工龄不足 10 年为 20 天、满 10 年及以上为 26 天；
• 远程/办公：full remote、混合制（如每周 2 天到岗）、纯办公模式——系统结合候选人偏好评估；
• 试用期：一般最长 3 个月（管理岗依《劳动法》可到 6 个月）。

这些规则让「同一家公司、同一条 JD」在波兰语境下得出的评分，不会因为忽略本地用工细节而失真。

八、Dashboard TUI：终端里的流水线可视化

仓库自带一个 Go 编写的终端仪表盘，用于可视化浏览整条求职流水线：

cd dashboard
go build -o career-dashboard .
./career-dashboard --path ..

功能特性：6 个筛选标签页、4 种排序模式、分组/扁平两种视图、预览懒加载、可直接在行内修改状态。技术上由 Go + Bubble Tea + Lipgloss 构建（界面主题为 Catppuccin Mocha），相关源码位于 dashboard（Go module，含 main.go 与 internal/ui 等包）；根目录 package.json 也提供了 npm run build:dashboard 与 npm run serve:dashboard 两条快捷方式（后者等价于 cd dashboard && go run . --path ..）。若不想手动安装 Go 工具链，可参考 docs/SETUP.md 的 Dashboard TUI 相关说明。

下面这张取自项目文档的动图即为该流水线可视化界面的实际运行画面（职位按 EVALUADA/APLICADO 等状态分组，并带 1–5 评分与薪资信息）：

九、项目结构与「单一事实来源」的数据层

官方文档给出的目录结构如下（据仓库实际微调说明）：

career-ops/
├── AGENTS.md                    # canonical agent 指令（所有 CLI 共用）
├── CLAUDE.md                    # Claude Code wrapper（import AGENTS.md）
├── cv.md                        # 你的主 CV（需自行创建）
├── article-digest.md            # 成就证据/素材（可选）
├── config/
│   └── profile.example.yml      # 个人资料模板（复制为 profile.yml 使用）
├── modes/                       # skill 模式集
│   ├── _shared.md               # 共享上下文/评分系统（自定义重点文件）
│   ├── oferta.md                # 单条职位评估（A–H 分块）
│   ├── pdf.md                   # PDF 生成
│   ├── scan.md                  # 门户扫描
│   ├── batch.md                 # 批处理
│   └── ...
├── templates/
│   ├── cv-template.html         # ATS 优化 CV 的 HTML 模板
│   ├── portals.example.yml      # 扫描器配置模板
│   └── states.yml               # 规范状态集合
├── batch/
│   ├── batch-prompt.md          # 独立 worker prompt
│   └── batch-runner.sh          # 编排脚本
├── dashboard/                   # Go TUI 流水线查看器
├── data/                        # 跟踪数据（gitignored，个人数据）
├── reports/                     # 评估报告（gitignored）
├── output/                      # 生成的 PDF（gitignored）
├── fonts/                       # Space Grotesk + DM Sans 字体
├── docs/                        # setup / 自定义 / 架构文档
└── examples/                    # 示例 CV、报告、素材

几个要点值得展开：

1. 配置文件复制规则：模板文件默认不生效，需复制为根目录同名 *.yml/*.json 后使用。除 profile.example.yml 外，config/plugins.example.yml 对应插件系统（plugins 运行时见 plugins.mjs 及 plugins-registry/）。
2. tracker 追加走 TSV：modes/_shared.md 明确约定（第 207 行）：永远不要直接编辑 applications.md，批处理新增条目时把 TSV 写入 batch/tracker-additions/——首行为列名，其后每行一条数据；列名头正是 merge-tracker.mjs 按字段名解析的依据（而非猜哪列是评分、哪列是状态）。data/pipeline.md 则作为待处理 URL 队列。
3. gitignore 隔离个人数据：cv.md、data/ 运行时内容、reports/ 下的 Markdown 均因含个人数据而被 git 忽略（相关约定同样被测试覆盖，如 tests 目录下的 user-layer-gitignored.test.mjs）。
4. 规范状态：templates/states.yml 定义 canonical 状态集，配合 npm run normalize（normalize-statuses.mjs）与 npm run dedup（dedup-tracker.mjs）保证历史数据口径一致，供 npm run patterns、npm run digest、npm run stats 等分析命令消费。

十、技术栈

• Agent 层：Claude Code + 自定义 skills/modes（同时兼容任何符合 agent-skill 约定的 CLI，如 Codex、Gemini CLI、OpenCode、Qwen、GitHub Copilot、Grok 等，参见 docs/SUPPORTED_CLIS.md）；
• PDF 生成：Playwright/Puppeteer + HTML 模板渲染（模板见 templates/cv-template.html，运行器见 generate-pdf.mjs）；
• 扫描器：Playwright + Greenhouse 等 ATS API + WebSearch（多级回退）；
• Dashboard：Go + Bubble Tea + Lipgloss（Catppuccin Mocha 主题）；
• 数据格式：Markdown 表格 + YAML 配置 + TSV 批导入；
• 运行时：Node.js（>=18），Go（可选，>=1.21，仅 dashboard 需要）。

十一、运行前提、限制与法律边界

career-ops 被定位为本地运行的开源工具，而非托管服务。官方免责声明中的四个要点，与使用者直接相关：

1. 数据由你掌控：CV、联系方式等个人数据只留在你的机器上，并直接发送给你选择的 AI 供应商（Anthropic、OpenAI 等）。项目方不收集、不存储、无法访问你的数据。
2. AI 由你掌控：默认 prompt 会指示 AI 不得自动投递申请，但模型行为可能不可预测；你修改 prompt 的风险自担。任何 AI 生成内容在发送前请务必人工复核。
3. 遵守各平台条款：请按你所交互平台（Greenhouse、Lever、pracuj.pl、LinkedIn 等）的使用条款使用本工具，不要用于骚扰雇主。
4. 不保证结果：评分是建议而非真理，模型可能产生幻觉。作者不对招聘结果、被拒申请、账号限制或其他后果承担责任。

完整的法律条款见 LEGAL_DISCLAIMER.md。代码以 MIT 许可证发布；"career-ops" 名称与品牌受 TRADEMARK.md 中的商标政策约束——社区用途允许，商业产品命名与背书用途保留。

十二、进阶阅读

若想在此基础上继续深入，仓库内与本文主题直接相关的文档与代码入口包括：

• 全量架构与数据流设计：docs/ARCHITECTURE.md、DATA_CONTRACT.md
• 评估模式完整分块规范与门禁规则：modes/oferta.md、评分与输出一致性约定见 modes/_shared.md
• 扫描器四级策略与公司级配置：modes/scan.md、templates/portals.example.yml、CLI 实现 scan.mjs
• 波兰源连接器实现：providers/justjoin.mjs、providers/nofluffjobs.mjs、providers/solidjobs.mjs
• 自动化与批量管线：docs/AUTOMATION.md、batch/batch-runner.sh
• 模式与自定义机制：modes/README.md、docs/CUSTOMIZATION.md、docs/PLUGINS.md
• 求职各环节的本地化工作流（面试、谈判、跟进等）：modes/interview.md、modes/negotiation-roi 相关入口 及多语言模式目录（如 modes/pl）
• 设置与运行环境细则：docs/SETUP.md、docs/RUNNING_ON_A_BUDGET.md

掌握以上链路后，你可以把 career-ops 当作一个「有观点的求职过滤器」来使用：让它每天自动扫描你关注的公司与门户、对每条职位给出可解释的 A–H 报告与 1–5 评分、在 4.0 分线上帮你克制冲动——而真正点下 Apply 的，永远是你自己。