配一次 API，跑一次本地，每份简历都为岗位量身定制。
CareerOS 是一个本地跑的求职一体化 webapp。你把主简历和目标岗位 JD 丢给它，AI 会：
- 给每个岗位算一个 match_score，告诉你匹配度和差距
- 改写你的主简历，生成该岗位量身定制的版本（保留所有硬事实不编造）
- 输出 PDF，直接投
- 帮你追踪投递进度、生成跟进话术、准备面试
所有数据都在你自己的电脑上（SQLite 单文件），API Key 也是你自己的，作者看不到任何东西。
公网 demo 隐私契约（careeros-chad.streamlit.app）：每个新浏览器 session 启动时自动 wipe 12 张用户私有表（简历 / 投递 / 联系人 / 邮件队列 / 面试题等），同 session 内自由编辑保存，关掉浏览器或换设备 = 不见前任访客数据。
支持的 LLM Provider（v0.6.0 起，设置页下拉切换 · openai SDK pip 依赖已摘除，所有 OpenAI-wire provider 走原生 httpx 直连，部署不再因 SDK 安装失败而报错）：
| Provider | 协议 | 默认模型 | 场景 |
|---|---|---|---|
| 🎁 Codex 公开池 | OpenAI wire | gpt-5.4 |
初期免费共享，零配置试玩 |
| OpenAI 官方 | OpenAI wire | gpt-4o-mini |
有 sk-... 的用户 |
| Anthropic 官方 | Anthropic wire | claude-sonnet-4-6 |
有 sk-ant-... 的用户 |
| 自定义代理 | 兼容 Anthropic | 自定义 | 国内反代 / 私有部署 |
Nature × Apple 设计语言，14 个页面。下面 7 张图对应 README 后文提到的核心能力。
岗位待处理 · P0 重点机会 · 已投递 / 面试 Offer —— 打开就知道今天的动作清单。
关键词全网搜（依赖 Anthropic web_search）/ 链接抓取（Moka · 飞书）/ 智能粘贴 / 手动 / 上传 PDF。
基本信息 / 个人总结 / 项目 / 实习 / 技能 / 教育 / 文件上传 —— 所有定制版都从这份底稿生出来。
左栏贴 JD、中栏改段落、右栏 1:1 预览新 PDF（可与原始 PDF 对照）。历史版本自动沉淀。
五维状态卡片（待处理 / P0 重点 / 已投递 / 有效岗位 / 已录 JD）+ 优先级与状态过滤芯片，按 fit_score 排序。
每次定制都自动归档，可对比、可回滚、可批量导出。
求职转化漏斗、P0 投递率、岗位等级分布、P0 待行动清单 —— 看清每一环在哪拖后腿。
# 1. Clone
git clone https://github.com/cryptoyc0926/careeros.git
cd careeros
# 2. 装依赖
python -m venv venv && source venv/bin/activate # Windows: venv\Scripts\activate
pip install -r web/requirements.txt
# 3. 拷贝 .env 模板，填入你的 Claude API Key
cp web/.env.example web/.env
# 编辑 web/.env，填 ANTHROPIC_API_KEY=sk-ant-...
# 4. 启动
streamlit run web/app.py
# → 浏览器自动打开 http://localhost:8501第一次打开会引导你：
- 填个人画像（姓名/学校/专业/目标岗位，3 分钟）
- 选 Provider（公网 demo 默认走 🎁 Codex 公开池，零配置试玩；本地自建推荐 Anthropic/OpenAI 官方，Key 填
.env或 UI 里） - 填主简历 或上传 PDF/DOCX（系统会解析，解析失败也能手填）
- 加第一个目标岗位（粘贴 JD 链接或文本）
- 点「生成定制简历」→ 下载 PDF
| 模块 | 能力 |
|---|---|
| 🎯 JD 入库 | 4 种方式：粘贴链接（支持 Moka/飞书）/ AI 智能解析 / 手动 / 上传 PDF |
| 📝 简历定制 | AI 按 JD 改写主简历，保留硬事实不编造，生成 match_score；内置写作规则四件套（加粗 / 排版 / STAR 6 步法 / 5 槽位个人总结） |
| 📊 投递追踪 | 看板（已收藏/已投递/跟进中/面试/Offer）+ 漏斗 + 转化率诊断 |
| 💬 面试准备 | STAR 故事库 / 八股题 / 群面题 / 牛客面经导入 |
| 📧 邮件模板 | 内推 / 投递 / 跟进 三类话术一键生成（从你的个人画像注入） |
| ⭐ STAR 素材池 | 经历沉淀为复用素材，跨岗位调度 |
按上面"5 分钟快速开始"跑起来就是完整功能版。
如果想把它挂到公网（让朋友用、或自己远程访问）：
- 容器部署：已提供
Dockerfile，可上 Railway / HuggingFace Spaces / 个人 VPS - 完整方案见 DEPLOY.md
- Frontend：Streamlit 1.38+（14 个页面 / Nature × Apple 设计语言）
- AI：Anthropic Claude（Opus/Sonnet）+ OpenAI 兼容层（Codex 公开池 / GPT 系列）
- Storage：SQLite（纯文件，零依赖）· 数据库 schema 19 张表
- PDF：WeasyPrint + Jinja2（自定义 resume 模板）
- JD 抓取：requests + BeautifulSoup（SPA 站点可选 Playwright）
- Prompt 规则：统一规则常量（
services/resume_prompt_rules.py）· BOLD_RULES / DEAI_RULES - Python：3.10+
| 术语 | 含义 |
|---|---|
| P0 / P1 / P2 | 优先级：主攻 / 积极投递 / 备选 |
| fit_score / 匹配分 | AI 给这个岗位 × 你主简历打的 0-100 分 |
| STAR | 面试故事结构：Situation · Task · Action · Result |
| adapter | JD 抓取模式（auto = HTML 直抓 / browser = Playwright 渲染 / manual = 手动） |
| 主简历 / 定制简历 | 主简历 = 底稿（长版本）；定制简历 = 针对具体岗位的改写版 |
不完美的地方提前讲清楚，避免失望：
| 场景 | 当前状态 | 绕过方式 |
|---|---|---|
| PDF 模板保真编辑 | ❌ 未实现 | 系统生成的新 PDF 用 CareerOS 内置模板，不保留原 PDF 的视觉排版。右栏保留原 PDF 对照 |
| 规则解析对非标简历覆盖 | ~70-80% 字段 | 识别率低时 UI 会提示切到「🤖 AI 智能解析」用 Claude 兜底 |
| 关键词全网搜索 | 仅 Anthropic 官方 provider 支持实时 web_search |
Kimi/GLM/DeepSeek 会 fallback 到模型训练数据推测（非实时） |
| 云端数据持久化 | Streamlit Cloud 重启会丢数据 | 每次用完到「系统设置 → 数据备份」下载 JSON 到同步盘；下次导入恢复 |
| 云端 API Key 存储 | 关闭浏览器 session 就清空 | BYO-Key 模式设计如此（作者零成本，用户零信任风险） |
| 中国区招聘网站抓取 | BOSS/猎聘/飞书等需 Playwright | 本地部署可装；云端不支持，改用「智能粘贴」或「关键词搜索」 |
| 简历上传自动填 | 对部分格式可能漏字段 | 能识别 90%+ 标准格式；特殊格式切 AI 解析或手动补 |
遇到解析出错的简历 / 用起来有反直觉的地方，欢迎 提 issue 附：
- 失败的简历 PDF（可先去隐私化）
- 系统设置 → 最近错误日志的内容（一键复制）
- v5 Apple UI 收敛（20 节 CSS + 29 组件 + Nature × Apple 风格）
- 隐私清理 + 通用化开源（v0.1.0）
- 简历规则体系 v2.0（统一加粗/DEAI 规则常量，v0.2.0）
- OpenAI/Codex 协议兼容 + 公开池试玩（v0.3.0）
- Gemini / LiteLLM 抽象层
- 英文版（多语言）
- Onboarding 引导页（首启动 4 步向导）
- PWA 离线模式
- 社区功能（故事库共享、模板市场）
欢迎 PR。见 CONTRIBUTING.md。
我特别希望收到的贡献：
- 更多 resume 模板（只要没硬编码个人信息即可）
- 其他 LLM provider 的适配层
- 英文/日文本地化
MIT — 自由商用 / 修改 / 再分发，附上原始版权声明即可。
构建过程中大量使用 Claude Code 协作完成。项目结构与 UI 系统受 Linear / Nature / Apple 官网启发。