santifer/career-ops — 優良食堂詳しい解説

01 / 概要

何をするものか一文で言うと

ひとことでAIコーディングCLIを仕事探しの統合司令部に変え、職務経歴書カスタマイズ、企業評価、ポータルスキャンをワンコマンドで自動化します。

career-opsは、Claude Codeなど複数のAI CLI上で動くジョブサーチ支援システムです。求人情報の評価、職種別CVのカスタマイズ生成、応募状況の追跡をAIとNode.jsスクリプト群で自動化します。Go製のTUIダッシュボードで応募パイプライン全体を一覧・管理できる点が特徴です。

02 / 構造

どう動くのか中核のしくみ

読み方動きの流れを図と一緒にほどきました。

.claude/skills配下などのSKILL.mdが、Claude Code・OpenCode・Antigravity CLIなど各AIエージェントに14種のスキルモードを提供します。実処理はNode.js製の.mjsスクリプト群が担い、評価系は求人票をA〜Hのブロックに分け、5次元の総合判断で1〜5点のスコアを付けます。company-history.mjsやdetect-reposts.mjsはトラッカーファイルと応募履歴を突き合わせ、企業の返信傾向や求人の再掲載を分析します。build-cv-latex.mjsはLaTeX経由でATS向けCV PDFを生成し、dashboard以下のGoコード（Bubble Tea製）がトラッカーデータを読み込み、パイプライン・進捗・統計画面をTUI表示します。DockerfileにはtexliveとGoツールチェーンが同梱され、Playwrightベースイメージ上でブラウザ操作も行える構成です。

03 / 体験

入れるとこんな体験になりますギット飯が実際にたどった順序

所要ギット飯が実際に導入・実行しながらたどった順序です。

STEP 01
リポジトリをクローンしnpm installを実行すると、Playwrightなどの依存が入り、company-history.test.mjsのようなテストをnode file.test.mjsで直接動かして確認できます。
STEP 02
config/profile.example.ymlとconfig/cv-facts.example.jsonを自分用にコピーし、.env.exampleを参考にANTHROPIC_API_KEYなどを設定します。
STEP 03
Claude CodeなどのAI CLIからcareer-opsスキルを呼び出し求人情報を渡すと、A〜Hブロック構成の評価レポートがdata配下に生成されます。
STEP 04
build-cv-latex.mjsやbuild-cv-html.mjsを実行すると、LaTeXまたはHTML経由で職種にあわせたCVがPDFとして出力されます。
STEP 05
dashboardディレクトリでgo run main.goを実行すると、Bubble Tea製TUIが立ち上がり、パイプライン・進捗・統計画面をキー操作で確認できます。
STEP 06
Dockerを使う場合はdocker compose upでPlaywright・LaTeX・Go入りのコンテナが起動し、ホスト環境を汚さずに一通り試せます。

04 / 成果物

何が手に入るのか導入後に手元に残るもの

実行後には、求人ごとのスコア付き評価レポート、職種別ATS対応CV PDF、応募状況を一元管理するトラッカーファイル、Go製TUIダッシュボードによる可視化という4点が手に入ります。企業ごとの返信傾向分析や求人の再掲載検知など、スプレッドシート管理では得にくい副産物も含まれます。

05 / 注意

ここは先に知っておいてください先に知っておくとよいこと

正直なところ誰にでも合うとは言いにくいところです。

Claude CodeなどのAI CLI利用契約とANTHROPIC_API_KEYなどのAPIキーが前提で、AI呼び出し部分はソースを読むだけでは出力品質を確認できません。

PDF生成にはtexlive一式、ブラウザ操作にはPlaywright・Chromiumが必要で、いずれも数百MB単位の重いインストールになります。

ダッシュボードのビルドにはGo 1.25系のツールチェーンが要り、READMEどおりに環境を揃えないとgo runでつまずく可能性があります。

評価スコアは五次元の総合判断であり算術式ではないため、同じ求人情報でもAIの判断次第で結果が変わり得ます。

06 / 結論

ギット飯の結論食べてみる価値のある一膳か

ギット飯の最終判断優良食堂

求人検索をスプレッドシートで個人管理している人が、Claude CodeなどのAI CLIを使いこなせるなら、応募管理と評価の自動化に向いた構成です。ソース上、評価ロジック・CV生成・TUIダッシュボードはNode.jsとGoの具体的な実装として確認でき、Docker一式で再現性も担保されています。ただしAI呼び出し部分の出力品質はモデルとAPIキー次第で、ソースレビューだけでは評価しきれません。まずconfig例をコピーしAPIキーを設定できる人向けと考えるのが妥当です。