求職季最狠的套利生意：把找工作本身做成一門 AI 服務

Richardson2025-01-152026-09-11

每年幾十萬人在幹一件極度低效的事

求職季，一個應屆生的典型一天是這樣的：打開 104 刷兩小時職缺，複製貼上同一段招呼語發出去五十次，切到 CakeResume 再刷一遍，晚上躺在床上想不起來今天到底投了哪些公司、哪個 HR 回過訊息、哪家的面試約在週幾。

找工作本質上是一個銷售流程——你是產品，招聘方是客戶，投遞是觸達，面試是轉化。可絕大多數求職者用管理「聊天」的方式管理這條銷售管線：沒有台帳、沒有篩選標準、沒有跟進節奏、沒有覆盤。結果就是海投三百份履歷，真正有效推進的不到十個，剩下的全在資訊黑洞裡爛掉。

這個痛點的規模有多大？每年大學畢業生超過二十萬，加上跳槽換工作的存量人群，任何時候都有幾十萬人卡在這個低效流程裡。痛點夠痛、人群夠大、付費意願在求職季集中爆發——這就是一門生意的全部前提。

機會：一個開源專案把求職流程做成了可複製的系統

GitHub 上最近出現的開源專案 JobFlow for Codex（倉庫地址：https://github.com/laok775/jobflow-for-codex ，MIT 協議，214 stars），做的事情正好是把求職這條混亂的流程工程化。它是一套給 Codex 用的本地求職工作流，把「找職缺、按規則篩選、打招呼、看訊息、發履歷、記錄進度、生成日報」整理成了可重複使用的流程、模板和腳本，目前主要支援 104 和 CakeResume 兩個平台。

它的核心機制很清晰：所有投遞記錄進一份本地 applications.jsonl 台帳，每個職缺有穩定的狀態值——已聯繫、已發履歷、已面試、被拒、待跟進、拿 offer，一目了然。你的篩選標準寫在 screening_rules.md 裡，Codex 按規則輔助篩職缺；招聘方來訊息，Codex 先分類——明確不合適的標記封存，要履歷的按配置發送，拿不準的標成「需要你處理」推送給你。每天晚上一條指令生成當日求職日報。

注意它的邊界設計：不繞驗證碼、不繞風控、不替你亂回訊息，登入和關鍵決策全部保留人工確認。這恰恰是它能長期用下去的原因——它不是外掛，是一個懂分寸的助理。

路徑一：自己用，把求職效率拉高一個量級

先說最基礎的玩法，零成本，適合正在找工作的人。

第一步，克隆倉庫並初始化你的私有工作區：

1
2
3

git clone https://github.com/laok775/jobflow-for-codex.git
cd jobflow-for-codex
python skills/jobflow/scripts/init_jobflow.py --workspace /path/to/your/workspace

初始化會生成 user_profile.yaml（目標職位、城市、平台、履歷路徑）和 screening_rules.md（職缺偏好、必投訊號、排除項）。這兩個檔案是整個系統的靈魂——你寫得越具體，Codex 篩得越準。比如「排除派遣職缺」「只看月薪四萬以上」「AI 應用方向優先」這種規則，寫進去就是鐵律。

第二步，讓 Codex 按規則跑日常流程：查訊息、篩職缺、記錄結果。涉及薪資談判、面試時間這種需要判斷的事，它會標記出來等你拍板。

第三步，每天收尾跑日報和目標檢查：

1
2

python skills/jobflow/scripts/summarize_day.py --workspace /path/to/your/workspace --date 2026-01-01
python skills/jobflow/scripts/check_targets.py --workspace /path/to/your/workspace --date 2026-01-01 --boss 5 --liepin 5

需要 Python 3.10 以上環境，專案目前在 Windows + 本地 Codex 下自測通過。你的所有真實數據只存在自己的 workspace 裡，不上傳任何地方——履歷、台帳、訊息記錄都在本地，隱私邊界劃得很乾淨。

路徑二：真正的錢在這裡——求職 AI 代營運服務

自己用只是省錢，把它包裝成服務才是賺錢。邏輯很簡單：會用 Codex、會配規則、會維護台帳的人，和求職季焦頭爛額的求職者之間，存在一道巨大的技能鴻溝。你花兩小時搭好的東西，對方願意付幾千塊買現成的。

具體賣什麼？三檔產品設計直接抄：

入門檔（台幣 3000-6000 元）：代搭建求職工作區。 幫客戶初始化 workspace、根據他的目標職位寫好 user_profile.yaml 和 screening_rules.md、跑通一遍完整流程、交付一份圖文使用手冊。你的邊際成本是一次遠端會議加一小時配置，純利潤。

進階檔（台幣 12000-20000 元）：履歷優化 + 招呼語客製 + 工作區搭建。 用 GPT 或 Claude 幫客戶重寫履歷，針對不同職位方向出 3-5 套招呼語模板，連同工作區一起交付。這一檔賣的是「命中率」，客戶感知價值最高。

陪跑檔（台幣 45000-90000 元/月）：全流程代營運。 客戶每天把平台訊息截圖或授權給你，你用工作流幫他做台帳維護、訊息分類、日報生成，每週出一次進展覆盤。這是訂閱制收入，求職季三個月，一個客戶就是近三十萬流水。

獲客管道也明確：Lemon8 發「AI 幫我管理求職投遞，一週拿到 4 個面試」的對比貼，曬日報截圖和台帳介面；蝦皮掛「求職管理系統搭建」服務；YouTube 和 TikTok 做「我用 AI 把找工作變成了流水線」的實操錄屏。求職季這類內容的流量是平時的數倍，因為焦慮濃度最高。

路徑三：往上游走，賣模板和課程

等你服務過二三十個客戶，手裡就有了最值錢的資產：不同行業、不同職位的篩選規則模板庫。產品經理職位的 screening_rules.md 怎麼寫、行銷職位排除哪些雷公司、工程師怎麼識別刷 KPI 的假招聘——這些模板打包成「求職工作流模板包」，在蝦皮和 Lemon8 賣台幣 900-2000 元一份，零邊際成本，無限複製。

再往上一步是錄課：把整個搭建過程錄成 2-3 小時的影片課，定價台幣 3000-6000 元，掛在知識付費平台。課程的優勢是不佔你的時間，一份內容賣一年。

案例推演與風險邊界

算一筆保守的帳：求職季三個月，你每週接 3 個入門檔、1 個進階檔，每月簽 2 個陪跑客戶。月收入就是 12×4500 + 4×16000 + 2×60000 ≈ 238000 元，這還沒算模板包的被動收入。而你的全部投入是一台電腦、一個 Codex 環境、和一個 MIT 協議隨便商用的開源專案。

風險必須說清楚：第一，這個專案明確定義不是批量投遞外掛，不繞驗證碼和風控，你做代營運時同樣不能碰批量自動投遞的灰產玩法，否則客戶帳號被封你要擔責。第二，代營運涉及客戶的帳號和履歷資訊，務必讓對方自己登入、你只操作工作流層面，敏感數據不留存。第三，平台頁面結構會變，工作流的平台規則可能需要跟著更新，把它當成需要持續維護的服務而不是一錘子買賣。