Career-Ops 免费层实战：在 Antigravity CLI Free Tier 上运行完整 AI 求职流水线

本文基于 docs/FREE_TIER.md 展开，讲解如何在完全不需要 API Key、不需要付费订阅的前提下，用 Antigravity CLI 的免费额度（daily free tier）驱动 Career-Ops 的岗位评估、报告生成、门户扫描与 PDF 定制流水线。读完本文，你将掌握：免费层的安装与 Google 账号认证步骤、免费额度的每日限额构成、批量评估在限额下的正确用法（包括断点续跑），以及免费层各能力的边界与付费升级路径，并能结合 batch/batch-runner.sh 的源码确认限额处理机制。

为什么免费层可以跑完整流水线

Career-Ops 的核心设计是 AI 无关（AI-agnostic）：评分、报告、定制逻辑全部由 modes/ 下的 Markdown 提示词文件与本地 Node/Playwright 脚本承载，具体推理由宿主 AI 编码 CLI 完成。这一点在 docs/RUNNING_ON_A_BUDGET.md 中被明确阐述：管线依赖你运行的 CLI，可以指向更便宜的 API 供应商或本地模型而“零代码改动”。Antigravity CLI 恰好提供了由 Google 托管的免费额度，于是 Career-Ops 的整个评估管线可以直接“骑”在免费层上运行——这正是 docs/FREE_TIER.md 开篇的承诺：

career-ops works with Antigravity CLI's free tier — no API key or paid subscription required.

AGENTS.md 的首次运行引导（Step 0: Free Tier Check）里也内置了这条提示：当用户提到成本、价格、预算或免费替代方案时，Agent 会主动告知“career-ops works fully on Antigravity CLI's free tier”，并指向本指南。

安装与认证：三步接入免费层

1. 安装 Antigravity CLI

安装命令按平台分为三种（来自 docs/FREE_TIER.md）：

macOS / Linux：

curl -fsSL https://antigravity.google/cli/install.sh | bash

Windows（PowerShell）：

irm https://antigravity.google/cli/install.ps1 | iex

Windows（CMD）：

curl -fsSL https://antigravity.google/cli/install.cmd -o install.cmd && install.cmd && del install.cmd

2. 用 Google 账号认证

安装后无需手动申请 API Key。直接运行 agy：如果尚未登录，CLI 会先检查系统钥匙串（system keyring），找不到已存凭据时回落到 Google Sign-In——本地环境走浏览器，SSH 远程环境走“URL + 验证码”方式完成登录。

3. 照常运行 Career-Ops

agy          # interactive — 交互式：粘贴 URL、评估、扫描等
agy -p "..." # headless / batch mode — 无头/批量模式

关于调用入口，docs/SUPPORTED_CLIS.md 的表格给出了 Antigravity CLI 的完整定位：

CLI	入口文件	调用方式
Antigravity CLI	AGENTS.md	交互式：agy（然后 /career-ops）。无头/批量：agy -p "prompt"

也就是说，Antigravity CLI 读取的入口文件是仓库根目录的 AGENTS.md——它与其他 CLI 共享同一份核心逻辑，无需为它单独维护提示词文件。

每日限额：数字构成与触发后的行为

免费层的每日请求数与 token 上限由 Google 设定。docs/FREE_TIER.md 给出的典型限额（原文标注“subject to change”，以官方为准）：

资源	每日大致限额
请求数（Requests）	1,000
输入 tokens	约 100 万（~1 M）
输出 tokens	约 10 万（~100 K）

限额在太平洋时间午夜重置。触顶时 CLI 返回 rate-limit 错误，Career-Ops 会暂停并提示次日重试。

结合仓库源码可以看到项目对限额的防御是成体系的：

• 无头工作日志识别：batch/batch-runner.sh 中 is_rate_limit_log() 通过 grep -Eiq '(rate limit|rate_limit|too many requests|429|quota exceeded|try again later|temporarily unavailable)' 判定限流，is_session_limit_log() 额外识别 session limit / usage limit 类信号；
• 限流重试与暂停：命中限流且未超过 --max-retries（默认 2）时，runner 会先 sleep $RATE_LIMIT_SLEEP（默认 300 秒）再重试，并将该 offer 标记为 rate_limited；若是会话级用量上限（--rate-limit-sleep 0 或 session limit 日志），则调用 mark_paused_rate_limit 写入 paused_rate_limit 状态并暂停整个批次——注意这一状态不消耗重试预算，限额重置后可用 --resume-paused 恢复；
• 状态可恢复：batch-state.tsv 记录每个 offer 的状态机（pending / processing / completed / failed / skipped / rate_limited / paused_rate_limit），batch/README.md 明确说明重跑会自动跳过已完成项。

这套机制对免费层尤其重要：免费额度是按天计价的“硬墙”，一旦触顶，正确姿势不是硬冲重试，而是让批次进入 paused_rate_limit 挂起，第二天恢复。

批量模式在免费层下的正确打开方式

这是 docs/FREE_TIER.md 中实操性最强的一节，原文明确指出：

1. batch-runner.sh 默认派生的是 claude -p worker（Claude Code 专属）。要改用 Antigravity CLI 作为 worker，需要手动逐条调用：

   agy -p "evaluate <URL>"
   

   这一点与 batch/batch-runner.sh 头部注释完全吻合：该脚本“uses claude -p with --dangerously-skip-permissions and --append-system-prompt-file flags that are not available in other CLIs”，多 CLI 支持“out of scope for now”。换言之，免费层用户要么手动循环 agy -p，要么自行改造 runner。

2. 保持 --parallel 1：脚本默认值就是 PARALLEL=1，免费额度下并行会同时烧掉每日配额，应保持串行。

3. 大批次跨天处理：50 个以上 offer 的批次在免费限额下大概率要跨多天完成。使用 --start-from N（“Start from offer ID N (skip earlier IDs)”）从上次中断的 ID 续跑，这与 batch-state.tsv 的可恢复状态机配合，避免重复评估已完成的 offer。

如果后续切换到支持自动批处理的 CLI，以下 runner 参数对限额管理同样有价值（来自 batch/README.md 与脚本 usage 输出）：

标志	默认值	说明
--parallel N	1	并发无头 worker 数（免费层建议保持 1）
--dry-run	关	预览将处理的 offer，不实际执行
--start-from N	0	跳过 ID 小于 N 的 offer，跨天续跑的关键
--limit N	0	本次运行最多处理的 offer 数（0 = 不限）
--max-retries N	2	单个 offer 的最大重试次数
--rate-limit-sleep N	300	限流 worker 重试前的等待秒数；0 表示立即暂停批次
--retry-failed / --resume-paused	关	仅重试 failed / 恢复被限流暂停的 offer

此外，模型开销在 config/profile.example.yml 的 spend_tier 中有统一开关（economy / standard / premium，缺省为 standard）。对 Antigravity CLI，各档位映射的是“你 CLI 中最便宜/均衡/最强的可用模型”，且 extended thinking 分别为 off / off / adaptive——该映射表维护在 modes/_shared.md。在免费层跑大批量扫描时，把 spend_tier 设为 economy 是文档推荐的省钱姿势。

免费层能做什么：能力矩阵

docs/FREE_TIER.md 的能力矩阵如下，每一项都可以从仓库源码找到对应实现：

功能	免费层	说明
Offer 评估（A-F 评分）	✅	完整评分管线
报告生成（.md）	✅	Markdown 报告
门户扫描	✅	零 token —— 直接打 API
PDF 生成	✅	本地 Playwright，不耗 token
批处理	⚠️	受每日配额限制

源码级佐证：

• 门户扫描零 token：scan.mjs 在 AGENTS.md 中即被描述为“Zero-token portal scanner (Greenhouse/Ashby/Lever APIs, zero LLM cost)”——它通过 HTTPS 直接查询各 ATS 的公开 API，不调用任何 LLM，因此是免费层中性价比最高的功能：先免费扫，再评估。
• PDF 生成零 token：generate-pdf.mjs 使用本地 Playwright 把 HTML 编译为 PDF（“Playwright: HTML to PDF”），推理成本为零，只依赖本机 npm run doctor 校验过的 Playwright chromium 环境。
• 评估报告：报告写入 reports/，编号为三位零填充顺序号（max existing + 1），并行 fan-out 前可先用 node reserve-report-num.mjs --count N 原子预留号段，避免并行 worker 撞号（AGENTS.md Headless / Batch Mode 一节）。

升级路径：什么时候离开免费层

docs/FREE_TIER.md 给出的升级建议很直接：当免费额度不够用时，两条路都是官方一等公民支持的——

1. 切换到付费 Google AI 计划（同一 CLI，更高额度）；
2. 换用 Claude Code（claude CLI）+ Claude Max 订阅。

两者“fully supported — just authenticate with your preferred provider”。切换后还可以直接启用 batch-runner.sh 的自动批量能力（它原生驱动 claude -p worker），把免费层需要手动 agy -p 循环的部分自动化。更细粒度的省钱/换供应商方案（OpenCode 接 OpenRouter、Qwen CLI 指向自定义 OpenAI 兼容端点、Ollama 本地模型、以及 node openai-eval.mjs 独立评估脚本）见 docs/RUNNING_ON_A_BUDGET.md。

小结

• 接入成本：三条安装命令 + 一次 Google 登录，无需任何 API Key；Antigravity CLI 走 AGENTS.md 入口，交互式 agy / 无头 agy -p。
• 限额纪律：每日约 1,000 请求、~1 M 输入 / ~100 K 输出 token，太平洋时间午夜重置；触顶时让批次挂起（paused_rate_limit）而非硬重试，次日 --resume-paused 或 --start-from 续跑。
• 免费层边界：扫描与 PDF 完全免费（零 token），评估与报告消耗额度，批量受配额约束；batch-runner.sh 的自动编排目前绑定 claude -p，免费层需手动 agy -p "evaluate <URL>" 逐条驱动。
• 升级时机：额度吃紧时切换付费 Google AI 计划或 Claude Max，其余配置零改动。