career-ops 适合谁？本地 AI 求职管理和避坑说明

career-ops 适合谁，要看你是不是愿意把求职当成一个本地项目来管理。它适合会用 Claude Code、Codex 或其他 AI coding CLI 的人：简历、JD、评估报告、PDF 和 tracker 都放在自己的目录里，能复查，也能看 Git Diff。

适合哪些人？

• 投递多家公司，需要统一跟踪职位和状态。
• 想按 JD 改简历，但不想把每次修改散落在聊天记录里。
• 熟悉终端，能处理 Node.js、git、AI CLI 的基础报错。
• 愿意人工复核报告、PDF 和邮件草稿。

不适合哪些情况？

如果你只想下载一个现成简历模板，career-ops 会显得太重。它也不适合完全不看输出的人。官方 FAQ 还区分了 scan 和 scan:full：前者偏配置好的入口，后者更广，但更需要控制噪音和验证岗位是否仍开放。

它更像给主动求职者用的工作台，不是“一键投递机器”。如果你每天只看一两个岗位，手动记录可能更轻；如果你同时跟进几十个岗位，career-ops 的 pipeline、tracker、scan 和 PDF 流程才会体现价值。别为了工具而工具，求职节奏才是主线。

隐私和成本怎么判断？

本地目录不等于没有风险。CV、职位记录、报告和邮件草稿都可能包含个人信息，别误提交到公开仓库。AI 成本也要提前看，官方 RUNNING_ON_A_BUDGET 文档提供 OpenRouter、Ollama、OpenAI-compatible endpoint 等路线；小模型可能省钱，但评估质量会掉。

本地运行也要有边界。RUNNING_ON_A_BUDGET 文档提到便宜模型和本地模型路线，但也提醒小模型可能无法稳定完成复杂评估结构。简历改写、岗位匹配、申请邮件都属于高风险文本，输出越自动，越需要人工复核。别把它当成替你判断职业选择的人。

判断是否要用它，可以看一个简单问题：你是否愿意每次投递后回看证据。如果只想快速套模板，它不轻；如果想把每个职位的取舍、材料和跟进状态留下来，它就有意义。

避坑清单

1. 不要用第三方下载包。
2. 不要跳过单条 JD 试跑。
3. 不要让邮件草稿自动发送。
4. 不要把隐私输出放进 Git 提交。