大多數人用 AI 求職的方式，錯得離譜

打開 ChatGPT，貼上職位描述，說「幫我改改簡歷」，複製，貼上，投遞。然後石沉大海。

問題出在哪？單次生成。你讓一個 AI 在一次對話裡既當寫手又當評委，它只會給你一碗溫吞水——語法正確、毫無鋒芒、ATS 系統掃一眼就被淹沒的那種簡歷。

求職是一個高度主觀、多步驟、情緒容易崩潰的過程。絕大多數人投遞幾十份簡歷拿不到幾個面試，不是能力問題，是整個流程沒有工程化。

一個被裁的地球物理學家，把求職做成了流水線

據源帖稱（以下數據均未獨立核實）：GitHub 上有個叫 ai-job-search 的開源專案，拿到了 2.9 萬+ star。作者 Mads Lorentzen 原本是地球物理學家，被裁員後用 Claude Code 搭了一套求職 Agent 框架，投了 69 份申請，拿到 20 個一面，最終成功轉行 AI 工程師。

69 投 20 面，接近 30% 的一面轉換率。海投簡歷的平均水平是多少？通常不到 5%。據源帖稱，作者本人在 LinkedIn 上公開了這個漏斗資料。

但數字不是重點。重點是他的做法：把求職從「玄學」拆成了一套可被 AI 執行、驗證、迭代的標準化工作流。

這套框架真正值錢的設計：雙 Agent 互審

據源帖稱，該專案的核心機制是 Drafter + Reviewer 雙 Agent 架構：

• Drafter（起草者）：讀取你的職業檔案，針對特定職位生成客製化簡歷和求職信。
• Reviewer（評審者）：一個全新上下文啟動的獨立 Agent，不受初稿影響，自己去調研目標公司，然後以第三方視角批判初稿。

這個設計直接命中了單次生成的死穴。第一個 Agent 寫完，第二個 Agent 用全新視角挑刺：「這段經歷和職位要求無關」「這個動詞太弱」「公司最近在裁員，求職信裡沒回應這點」。然後打回重寫。

據源帖稱，整個流程由四個指令驅動：/setup 建立職業檔案（支援導入 PDF 簡歷、LinkedIn 導出、訪談式建檔），/scrape 搜尋並排序職位（內置丹麥本地平台 Jobindex、Jobnet、Jobbank，可透過指令擴展到任意地區），/apply 一鍵生成申請材料（含匹配度評估、LaTeX 排版、ATS 關鍵字驗證、PDF 頁數檢查），/interview 生成面試準備包（公司調研、STAR 案例映射、模擬面試）。

所有資料存在本地，不經過任何 SaaS 平台。

這對賺錢的人意味著什麼

兩條路。

第一條路：自己用。 如果你正在