How "Career-Ops" Landed By Automating The Job Search From College Grad to Head of AI
While most job seekers rely on tedious spreadsheets and manual tailoring, a developer named Santiago has engineered a high-tech solution to the employment search problem.
As a former founder who recently landed a role as Head of Applied AI, Santiago built Career-Ops, an open-source, AI-powered pipeline running on top of Claude Code.
The system allowed him to evaluate over 740 job offers and generate 100 uniquely tailored CVs, ultimately transforming the "spray-and-pray" application method into a disciplined, data-driven operation.
The core of Career-Ops is a sophisticated scoring engine that runs via simple slash commands.
When a user pastes a job URL, the system automatically scrapes the description and evaluates the role across ten weighted dimensions, assigning a grade from A to F.
This process ensures that candidates focus their energy only on high-compatibility roles.
Once a "match" is identified, the system uses Playwright to generate an ATS-optimized PDF, complete with custom typography and strategic keyword injection to bypass automated resume filters.
Beyond simple resume generation, the repository features 14 specialized "skill modes" that cover the entire recruitment lifecycle.
A built-in portal scanner is pre-configured to monitor over 45 major tech companies—including industry leaders like Anthropic and OpenAI—across platforms such as Greenhouse, Lever, and Ashby.
For high-volume searching, the system utilizes Claude sub-agents in a batch mode to process ten or more offers simultaneously, while a terminal dashboard built in Go allows users to filter and sort their entire pipeline from the command line.
What sets Career-Ops apart from standard automation tools is its self-editing design.
The AI serves as the primary interface, meaning users can simply ask Claude to adjust scoring weights, swap professional archetypes, or add new companies to the scanner.
This level of flexibility allows the system to evolve alongside the user's career goals without requiring manual code changes.
It also includes a LinkedIn outreach generator and a form-filling mode to assist with the final steps of a live application.
By open-sourcing the Career-Ops repository on GitHub, Santiago has provided a powerful blueprint for the future of professional recruitment.
The project demonstrates that AI is most effective when it moves beyond a simple chat interface and becomes an integrated part of a complex workflow.
For modern job seekers, this tool represents a shift toward "engineering" a career path, using local AI to regain an advantage in an increasingly competitive and automated job market.
कॉलेज ग्रेजुएट से AI हेड तक, "Career-Ops" ने ऑटोमेटेड जॉब सर्च कैसे किया
जहां ज़्यादातर जॉब ढूंढने वाले थकाऊ स्प्रेडशीट और मैनुअल टेलरिंग पर निर्भर रहते हैं, वहीं सैंटियागो नाम के एक डेवलपर ने नौकरी ढूंढने की समस्या का एक हाई-टेक सॉल्यूशन बनाया है।
एक पूर्व फाउंडर के तौर पर, जिन्हें हाल ही में एप्लाइड AI के हेड का रोल मिला, सैंटियागो ने Career-Ops बनाया, जो क्लाउड कोड पर चलने वाला एक ओपन-सोर्स, AI-पावर्ड पाइपलाइन है।
इस सिस्टम ने उन्हें 740 से ज़्यादा जॉब ऑफर को एवैल्यूएट करने और 100 खास तौर पर तैयार CV बनाने की इजाज़त दी, जिससे आखिरकार "स्प्रे-एंड-प्रे" एप्लीकेशन मेथड एक डिसिप्लिन्ड, डेटा-ड्रिवन ऑपरेशन में बदल गया।
Career-Ops का कोर एक एडवांस्ड स्कोरिंग इंजन है जो सिंपल स्लैश कमांड से चलता है।
जब कोई यूज़र जॉब URL पेस्ट करता है, तो सिस्टम ऑटोमैटिकली डिस्क्रिप्शन को स्क्रैप करता है और दस वेटेड डाइमेंशन में रोल को इवैल्यूएट करता है, और A से F तक ग्रेड देता है।
यह प्रोसेस पक्का करता है कि कैंडिडेट अपनी एनर्जी सिर्फ़ हाई-कम्पैटिबिलिटी रोल पर ही फोकस करें।
एक बार "मैच" की पहचान हो जाने पर, सिस्टम Playwright का इस्तेमाल करके एक ATS-ऑप्टिमाइज़्ड PDF जेनरेट करता है, जिसमें कस्टम टाइपोग्राफी और स्ट्रेटेजिक कीवर्ड इंजेक्शन होता है ताकि ऑटोमेटेड रिज्यूमे फिल्टर को बायपास किया जा सके।
सिंपल रिज्यूमे जेनरेशन के अलावा, रिपॉजिटरी में 14 स्पेशलाइज्ड "स्किल मोड" हैं जो पूरे रिक्रूटमेंट लाइफसाइकल को कवर करते हैं।
एक बिल्ट-इन पोर्टल स्कैनर ग्रीनहाउस, लीवर और एशबी जैसे प्लेटफॉर्म पर 45 से ज़्यादा बड़ी टेक कंपनियों—जिसमें एंथ्रोपिक और ओपनAI जैसी इंडस्ट्री लीडर्स शामिल हैं—को मॉनिटर करने के लिए पहले से कॉन्फ़िगर किया गया है।
हाई-वॉल्यूम सर्चिंग के लिए, सिस्टम एक साथ दस या उससे ज़्यादा ऑफर प्रोसेस करने के लिए बैच मोड में क्लाउड सब-एजेंट का इस्तेमाल करता है, जबकि Go में बना एक टर्मिनल डैशबोर्ड यूज़र को कमांड लाइन से अपनी पूरी पाइपलाइन को फिल्टर और सॉर्ट करने की सुविधा देता है।
Career-Ops को स्टैंडर्ड ऑटोमेशन टूल्स से जो चीज़ अलग बनाती है, वह है इसका सेल्फ-एडिटिंग डिज़ाइन।
AI प्राइमरी इंटरफ़ेस के तौर पर काम करता है, जिसका मतलब है कि यूज़र्स बस क्लाउड से स्कोरिंग वेट एडजस्ट करने, प्रोफेशनल आर्किटाइप बदलने या स्कैनर में नई कंपनियाँ जोड़ने के लिए कह सकते हैं।
इस लेवल की फ्लेक्सिबिलिटी सिस्टम को यूज़र के करियर गोल्स के साथ-साथ बिना मैनुअल कोड चेंजेज़ के इवॉल्व करने देती है।
इसमें एक LinkedIn आउटरीच जनरेटर और लाइव एप्लीकेशन के आखिरी स्टेप्स में मदद के लिए एक फॉर्म-फिलिंग मोड भी शामिल है।
GitHub पर Career-Ops रिपॉजिटरी को ओपन-सोर्स करके, सैंटियागो ने प्रोफेशनल रिक्रूटमेंट के भविष्य के लिए एक पावरफुल ब्लूप्रिंट दिया है।
यह प्रोजेक्ट दिखाता है कि AI सबसे ज़्यादा असरदार तब होता है जब वह एक सिंपल चैट इंटरफ़ेस से आगे बढ़कर एक कॉम्प्लेक्स वर्कफ़्लो का इंटीग्रेटेड हिस्सा बन जाता है।
मॉडर्न जॉब सीकर्स के लिए, यह टूल एक करियर पाथ को "इंजीनियरिंग" करने की ओर एक बदलाव दिखाता है, जिसमें लोकल AI का इस्तेमाल करके तेज़ी से कॉम्पिटिटिव और ऑटोमेटेड जॉब मार्केट में फिर से फायदा उठाया जा सकता है।
కాలేజీ గ్రాడ్యుయేట్ నుండి ఏఐ హెడ్ వరకు, "కెరీర్-ఆప్స్" ఆటోమేటెడ్ జాబ్ సెర్చ్ను ఎలా సాధ్యం చేసింది
చాలా మంది ఉద్యోగార్థులు శ్రమతో కూడుకున్న స్ప్రెడ్షీట్లు మరియు మాన్యువల్ టైలరింగ్పై ఆధారపడుతుండగా, శాంటియాగో అనే డెవలపర్ ఉద్యోగ అన్వేషణ సమస్యకు ఒక హై-టెక్ పరిష్కారాన్ని రూపొందించారు.
ఒకప్పుడు వ్యవస్థాపకుడిగా ఉండి, ఇటీవలే అప్లైడ్ ఏఐ హెడ్గా బాధ్యతలు చేపట్టిన శాంటియాగో, క్లాడ్ కోడ్ ఆధారంగా పనిచేసే ఓపెన్-సోర్స్, ఏఐ-ఆధారిత పైప్లైన్ అయిన 'కెరీర్-ఆప్స్'ను నిర్మించారు.
ఈ సిస్టమ్ అతనికి 740కి పైగా ఉద్యోగ ఆఫర్లను మూల్యాంకనం చేయడానికి మరియు ప్రత్యేకంగా రూపొందించిన 100 సీవీలను తయారు చేయడానికి వీలు కల్పించింది. తద్వారా, గుడ్డిగా దరఖాస్తు చేసే పద్ధతిని ఒక క్రమబద్ధమైన, డేటా-ఆధారిత కార్యకలాపంగా మార్చింది.
కెరీర్-ఆప్స్ యొక్క ప్రధాన భాగం ఒక అధునాతన స్కోరింగ్ ఇంజిన్, ఇది సాధారణ స్లాష్ కమాండ్ల ద్వారా పనిచేస్తుంది.
వినియోగదారుడు ఒక ఉద్యోగ URLను పేస్ట్ చేసినప్పుడు, సిస్టమ్ స్వయంచాలకంగా వివరణను సేకరించి, పది ప్రాధాన్యతా కొలమానాల ఆధారంగా ఆ పాత్రను మూల్యాంకనం చేసి, A నుండి F వరకు గ్రేడ్ను కేటాయిస్తుంది.
ఈ ప్రక్రియ, అభ్యర్థులు తమకు అత్యంత అనుకూలమైన పాత్రలపై మాత్రమే దృష్టి పెట్టేలా నిర్ధారిస్తుంది.
ఒకసారి "సరిపోలిక" గుర్తించబడిన తర్వాత, ఆటోమేటెడ్ రెజ్యూమె ఫిల్టర్లను దాటవేయడానికి, సిస్టమ్ ప్లేరైట్ (Playwright)ను ఉపయోగించి, కస్టమ్ టైపోగ్రఫీ మరియు వ్యూహాత్మక కీవర్డ్ ఇంజెక్షన్తో కూడిన ATS-ఆప్టిమైజ్డ్ PDFను రూపొందిస్తుంది.
సాధారణ రెజ్యూమె జనరేషన్కు మించి, ఈ రిపోజిటరీలో మొత్తం నియామక ప్రక్రియను కవర్ చేసే 14 ప్రత్యేకమైన "నైపుణ్య మోడ్లు" ఉన్నాయి.
గ్రీన్హౌస్, లెవర్, మరియు యాష్బీ వంటి ప్లాట్ఫారమ్లలో, ఆంత్రోపిక్ మరియు ఓపెన్ఏఐ వంటి పరిశ్రమ అగ్రగాములతో సహా 45కు పైగా ప్రధాన టెక్ కంపెనీలను పర్యవేక్షించడానికి ఒక అంతర్నిర్మిత పోర్టల్ స్కానర్ ముందుగానే కాన్ఫిగర్ చేయబడింది.
అధిక సంఖ్యలో శోధన కోసం, సిస్టమ్ ఒకేసారి పది లేదా అంతకంటే ఎక్కువ ఆఫర్లను ప్రాసెస్ చేయడానికి బ్యాచ్ మోడ్లో క్లాడ్ (Clude) సబ్-ఏజెంట్లను ఉపయోగిస్తుంది, అదే సమయంలో గో (Go)లో నిర్మించిన టెర్మినల్ డాష్బోర్డ్, కమాండ్ లైన్ నుండి వినియోగదారులు తమ మొత్తం పైప్లైన్ను ఫిల్టర్ చేయడానికి మరియు క్రమబద్ధీకరించడానికి అనుమతిస్తుంది.
సాధారణ ఆటోమేషన్ సాధనాల నుండి కెరీర్-ఆప్స్ను వేరుగా నిలబెట్టేది దాని స్వీయ-సవరణ రూపకల్పన.
AI ప్రాథమిక ఇంటర్ఫేస్గా పనిచేస్తుంది, అంటే వినియోగదారులు స్కోరింగ్ వెయిటేజీలను సర్దుబాటు చేయమని, వృత్తిపరమైన ఆర్కిటైప్లను మార్చుకోమని, లేదా స్కానర్కు కొత్త కంపెనీలను జోడించమని క్లాడ్ను అడగవచ్చు.
ఈ స్థాయి సౌలభ్యం, మాన్యువల్ కోడ్ మార్పులు అవసరం లేకుండా, వినియోగదారుడి కెరీర్ లక్ష్యాలతో పాటుగా సిస్టమ్ అభివృద్ధి చెందడానికి వీలు కల్పిస్తుంది.
లైవ్ అప్లికేషన్ యొక్క చివరి దశలలో సహాయపడటానికి, ఇందులో లింక్డ్ఇన్ ఔట్రీచ్ జనరేటర్ మరియు ఫారం-ఫిల్లింగ్ మోడ్ కూడా ఉన్నాయి.
గిట్హబ్లో కెరీర్-ఆప్స్ రిపోజిటరీని ఓపెన్-సోర్స్ చేయడం ద్వారా, శాంటియాగో వృత్తిపరమైన నియామకాల భవిష్యత్తు కోసం ఒక శక్తివంతమైన బ్లూప్రింట్ను అందించారు.
AI ఒక సాధారణ చాట్ ఇంటర్ఫేస్ను దాటి, ఒక సంక్లిష్టమైన వర్క్ఫ్లోలో అంతర్భాగంగా మారినప్పుడు అత్యంత ప్రభావవంతంగా ఉంటుందని ఈ ప్రాజెక్ట్ నిరూపిస్తుంది.
ఆధునిక ఉద్యోగార్థుల కోసం, ఈ సాధనం ఒక కెరీర్ మార్గాన్ని "రూపకల్పన" చేసుకోవడం వైపు ఒక మార్పును సూచిస్తుంది; ఇది పెరుగుతున్న పోటీ మరియు ఆటోమేటెడ్ ఉద్యోగ మార్కెట్లో ఒక ప్రయోజనాన్ని తిరిగి పొందడానికి స్థానిక AIని ఉపయోగిస్తుంది.
No comments:
Post a Comment
Please Dont Leave Me