Career-Ops für Einsteiger: Lass dir von einem KI-Agent 700+ Stellen filtern und 100+ maßgeschneiderte Lebensläufe erstellen

Kurzes One-liner: Du schreibst bereits Code mit Claude Code – warum nutzt du ihn nicht auch, um einen Job zu finden? Career-Ops macht aus einem KI-Programmierungs-CLI einen Job-Such-Kommandostand: Du gibst einfach eine JD-URL ein, und es bewertet automatisch, erstellt ATS-Lebensläufe und verfolgt den Fortschritt. Der Autor hat damit selbst 740+ Offers gescreent, 100+ maßgeschneiderte Lebensläufe generiert und ist am Ende bei Head of Applied AI gelandet.

Projektüberblick

Career-Ops (aka. careerops) ist ein KI-getriebener Job-Such-Workflow. GitHub: santifer/career-ops, MIT-Lizenz. Der Kernansatz ist:

Jedes KI-Programmierungs-CLI in ein komplettes Job-Search Command Center verwandeln.

Es ist kein weiteres Tool „KI macht den Lebenslauf besser“ und auch keine „Massenbewerbungs“-Robotervariante. Career-Ops folgt der Philosophie Subtraktion: Aus ein paar Hundert Offers filtert es die wirklich wenigen heraus, die sich lohnen, und zwar mit A-F-Bewertung + 6 großen Bewertungsdimensionen + ATS-optimiertem PDF + vollautomatischem Tracking.

Kernfähigkeiten (15 Slash Commands):

Unterstützte KI-Programmierungs-CLIs: Claude Code / OpenCode / Gemini CLI / Codex / Qwen / GitHub Copilot / Kimi — alles, was dem open agent skill standard folgt.

Mehrsprachigkeit: Standard ist Englisch. Zusätzlich verfügbar sind Deutsch (modes/de/) / Französisch (modes/fr/) / Japanisch (modes/ja/) / Türkisch (modes/tr/) / vereinfachtes Chinesisch (README.cn.md) / traditionelles Chinesisch (README.zh-TW.md).

Erfolgsbilanz: Der Autor santifer hat damit 740+ Offers bewertet, 100+ maßgeschneiderte Lebensläufe erstellt und am Ende ein Angebot als Head of Applied AI erhalten.

Schwierigkeitsgrad / Dauer / Nutzen

• Schwierigkeitsgrad: ⭐⭐ (mittel, du musst mit einem KI-Programmierungs-CLI wie Claude Code umgehen können)
• Dauer: 30–60 Minuten beim ersten Onboarding (inkl. Vorbereitung von cv.md + Profil-Konfiguration)
• Nutzen:
  • Einen real nutzbaren KI-Job-Such-Workflow durchlaufen
  • Die Agent-Architektur „User Layer vs System Layer“ verstehen
  • Mit A-F-Scoring + STAR+R-Geschichten gezielt bewerben
  • Sehen, wie man ein Open-Source-Projekt aufbaut, das von WIRED / Business Insider berichtet wurde
  • Nebenbei 15 Slash Commands „einmal einpacken“ – und in der Bewerbungsphase täglich nutzen

Zielgruppe

• Entwickler, die gerade Jobs suchen / wechseln / Chancen prüfen
• Bereits Nutzer von Claude Code / OpenCode / Gemini CLI
• Möchten von „Massenbewerbung“ auf „präzises Bewerben“ umsteigen und keine Zeit mit Müll-Offers verschwenden
• Wollen wissen, wie ein produktionstauglicher KI-Agent-Use-Case aussieht (7k+ Stars)

# Angenommen, du nutzt Claude Code: in ~/.claude/settings.json oder in env anpassen
ANTHROPIC_BASE_URL=https://api.defapi.org
ANTHROPIC_API_KEY=sk-xxxxx   # im Backend von defapi.org holen

Wichtige Abhängigkeiten & Umgebung

Minimalanforderungen:

Optional / Erweiterungen:

Vollständiger Projektstrukturbaum

career-ops/
├── AGENTS.md                    # Agent-Generische Befehle (über CLIs hinweg)
├── CLAUDE.md                    # Claude Code-spezifisch (importiert AGENTS.md)
├── GEMINI.md                    # Gemini CLI-spezifisch
├── cv.md                        # Dein Lebenslauf (von dir erstellt, die entscheidende Datei)
├── article-digest.md            # Deine Highlights als Beleg (optional)
├── config/
│   └── profile.example.yml      # Dein persönlicher Profil-Template
├── modes/                       # 15 Skill Modes
│   ├── _shared.md               # System-Layer: geteilter Kontext
│   ├── _profile.template.md     # User-Layer: personalisiert (für persönlichen Archetyp)
│   ├── oferta.md                # Single-Offer-Bewertung
│   ├── pdf.md                   # PDF-Generierung
│   ├── scan.md                  # Stellen-Suche
│   ├── batch.md                 # Batch-Verarbeitung
│   ├── auto-pipeline.md         # URL → Bewertung + PDF + Tracker
│   ├── de/                      # Deutschsprachiger Mode
│   ├── fr/                      # Französischer Mode
│   ├── ja/                      # Japanischer Mode
│   └── tr/                      # Türkischer Mode
├── templates/
│   ├── cv-template.html         # ATS-optimiertes CV-Template
│   ├── cv-template.tex          # LaTeX-Template
│   ├── portals.example.yml      # 45+ vorkonfigurierte Unternehmen
│   └── states.yml               # Wörterbuch für Bewerbungsstatus
├── data/                        # Bewerbungsdaten (gitignored)
│   ├── applications.md          # Haupt-Tracking-Tabelle
│   ├── pipeline.md              # Posteingang für URLs (noch zu bearbeiten)
│   ├── scan-history.tsv         # Scan-Deduplication
│   └── follow-ups.md            # Follow-up-Historie
├── reports/                     # Bewertungsreports (gitignored)
├── output/                      # generierte PDFs (gitignored)
├── jds/                         # JD-Texte hier ablegen (optional)
├── interview-prep/              # Interview-Vorbereitung
│   ├── story-bank.md            # akkumulierte STAR+R-Geschichten
│   └── {company}-{role}.md      # unternehmensspezifische Informationen
├── batch/
│   ├── batch-prompt.md          # Worker-Prompt
│   ├── batch-runner.sh          # Orchestrierungs-Script
│   └── tracker-additions/       # Ergänzungen zum Haupt-Tracking
├── dashboard/                   # Go TUI (Bubble Tea)
│   ├── main.go
│   └── internal/
├── fonts/                       # Space Grotesk + DM Sans
├── providers/                   # LLM Provider-Konfiguration
├── docs/                        # Mehrsprachige Doku + Medienberichte
├── examples/                    # Beispiele für CV / Reports / Highlights
└── *.mjs                        # Scans / Verifizieren / Mergen / Healthchecks

Als Nutzer musst du nur mit vier Dateien arbeiten: cv.md / config/profile.yml / modes/_profile.md / portals.yml — das ist User Layer. System-Updates ändern das nicht. Alles andere verarbeitet der Agent für dich.

Schritt-für-Schritt

Schritt 1: Clonen + Installieren

git clone https://github.com/santifer/career-ops.git
cd career-ops
npm install
npx playwright install chromium   # wird für PDF-Generierung benötigt

Schritt 2: Health Check

npm run doctor

Es prüft Node.js-Version, Playwright, wichtige Dateien sowie Verzeichnisberechtigungen. Wenn etwas fehlschlägt, sagt dir der „Doctor“, was fehlt — reparieren und danach erneut ausführen.

Schritt 3: Erstelle dein cv.md

Das ist der Ursprung der gesamten Pipeline — ohne sie kann der Agent kein Offer bewerten.

Erstelle im Projekt-Root eine cv.md:

# Your Name

**Email:** [email protected]
**Location:** Berlin, Germany (CET)
**LinkedIn:** linkedin.com/in/you
**GitHub:** github.com/you

## Summary

Senior backend engineer with 6 years building distributed systems...
(Ziel: 2–3 Absätze, schreibe „was du machst + deine stärkste eine oder zwei Sachen“)

## Experience

### Staff Engineer — Company A (2023 - Present)
- Led migration of X to Y, reducing Z by 40%
- (möglichst mit Zahlen: genau dieser Teil wird vom Agent genutzt, um den JD zu matchen)

### Senior Engineer — Company B (2020 - 2023)
- ...

## Education
...

## Skills
Backend: Go, Python, PostgreSQL, Kafka
AI/ML: PyTorch, LangChain, RAG
...

Schritt 4: Konfiguriere config/profile.yml

cp config/profile.example.yml config/profile.yml

Öffne config/profile.yml und fülle aus:

personal:
  name: "Your Name"
  email: "[email protected]"
  location: "Berlin, Germany"
  timezone: "CET"

targeting:
  roles:
    - "Senior Backend Engineer"
    - "Staff Engineer"
    - "AI Platform Engineer"
  comp_target:
    base_min: 130000
    base_target: 160000
    currency: "EUR"
  remote_preference: "remote-first"
  deal_breakers:
    - "no on-call"
    - "no Java"
    - "no < 20 person startups"

# Wenn du Deutsch / Chinesisch (TRAD) / Französisch / Japanisch / Türkisch verwenden willst,
# füge diese Zeile hinzu
# language:
#   modes_dir: modes/de

Schritt 5: Konfiguriere portals.yml

cp templates/portals.example.yml portals.yml

Standardmäßig dabei: 45+ Unternehmen plus 19 Such-Queries, deckt ab:

# AI Labs
- anthropic
- openai
- mistral
- cohere

# Voice AI
- elevenlabs
- vapi
- deepgram

# AI Platforms
- retool
- airtable
- vercel
- temporal

Wenn du eigene Unternehmen hinzufügen willst, die du beobachtest: füge sie in portals.yml hinzu. Job-Board-Abdeckung: Ashby / Greenhouse / Lever / Wellfound / Workable / RemoteFront.

Schritt 6: Lass den Agent dich „Onboard“n

# Wähle ein KI-CLI, das du installiert hast
claude       # Claude Code
# oder
gemini       # Gemini CLI
# oder
opencode     # OpenCode
# oder
codex        # Codex

Sag im CLI:

Hilf mir, career-ops einzurichten. Ich habe gerade geklont, cv.md und config/profile.yml sind beide schon ausgefüllt.

Bitte prüfe, ob mein onboarding vollständig ist und was ich noch ergänzen sollte.

Der Agent läuft einmal durch einen Start-/Boot-Check:

1. cv.md vorhanden? ✅
2. config/profile.yml wirklich echt (nicht „.example“)? ✅
3. modes/_profile.md aus _profile.template.md kopiert? ⚠️
4. portals.yml wirklich echt (nicht „.example“)? ✅

Jedes ❌ schickt dich in den Guided Mode, der dir 1:1 sagt, was fehlt.

Schritt 7: Erste Bewertung

Füge dem Agent eine JD-URL ein:

/career-ops https://jobs.anthropic.com/staff-software-engineer-applied-ai

Der Agent läuft eine vollautomatische Pipeline:

1. Archetyp-Erkennung — klassifiziert in LLMOps / Agentic / PM / SA / FDE / Transformation
2. A-F-Bewertung — 6 Dimensionen (Role Summary / CV Match / Level Strategy / Comp Research / Personalization / Interview Prep)
3. Report generieren — schreibt nach reports/001-anthropic-2026-06-09.md
4. PDF generieren — läuft Playwright-Rendering für ATS-Lebenslauf und gibt aus nach output/001-anthropic-cv.pdf
5. In den Tracker schreiben — eine Zeile zu data/applications.md hinzufügen
6. Pipeline-Integrität aktualisieren — läuft node verify-pipeline.mjs, um alles zu prüfen

Nach etwa 30–60 Sekunden solltest du einen kompletten Bewertungsreport plus ein ATS-Lebenslauf-PDF sehen.

Schritt 8: Erste Suche/Scan

/career-ops scan

oder äquivalent:

node scan.mjs                  # null Tokens, reines API-Fetching
node scan.mjs --verify         # API + Playwright Zweitprüfung, filtert abgelaufene Jobs

Mit 45+ vorkonfigurierten Unternehmen und 19 Such-Queries ergeben sich typischerweise 200–500 neue Offers in einem Rutsch – und die landen direkt im Posteingang data/pipeline.md. Danach können claude -p Worker die Bewertungen parallel ausführen; 100+ Offers in einer Nacht zu verarbeiten ist nicht unrealistisch.

Schritt 9: TUI Dashboard laufen lassen (optional)

Wenn du den Fortschritt im Terminal-UI sehen willst:

cd dashboard
go build -o career-dashboard .
./career-dashboard --path ..

6 Filter-Tabs, 4 Sortier-Modi, Gruppen-/Flat-Ansicht, lazy-loaded Vorschau, Status wird beim Auswählen sofort geändert. Catppuccin Mocha Theme – sieht wirklich gut aus.

Schritt 10: System aktualisieren (wichtig!)

Career-Ops iteriert schnell: Alle paar Wochen gibt es neue Modes oder neue Company-Konfigurationen.

# im Projekt-Root: lass den Agent prüfen, ob es eine neue Version gibt
claude  # sag ihm: „prüfe, ob es eine neue Version von career-ops gibt“

Der Agent führt automatisch node update-system.mjs check aus. Das JSON sieht dann ungefähr so aus:

{"status": "update-available", "local": "1.3.0", "remote": "1.4.0", "changelog": "..."}

Er wird dir sagen: „v1.3.0 → v1.4.0 verfügbar; deine Daten (CV / profile / tracker / reports) werden nicht angefasst – aktualisieren oder nicht?“ Wenn du aktualisieren willst:

node update-system.mjs apply       # Update
node update-system.mjs rollback    # falls du unzufrieden bist: zurück

Häufige Probleme / Troubleshooting

Q1: cv.md nicht gefunden / Agent hängt im Onboarding

Der häufigste Grund: cv.md liegt nicht im Projekt-Root.

# prüfe, ob es im Projekt-Root liegt
ls -la cv.md
# du solltest -rw-r--r-- cv.md sehen

# falls nicht: erstellen (im Projekt-Root)
cd career-ops
touch cv.md
# danach fülle Inhalte ein

Q2: PDF-Generierung fehlgeschlagen, „browser not found“

Playwright ist nicht installiert oder Chromium nicht installiert:

npx playwright install chromium
# wenn das Netzwerk in DE schlecht ist, kann man Mirror nutzen
PLAYWRIGHT_DOWNLOAD_HOST=https://npmmirror.com/mirrors/playwright npx playwright install chromium

Q3: Score zu hoch / zu niedrig

In der ersten Woche passiert das fast immer. Fix:

1. Laufe 3–5 Bewertungen mehr, gib jedes Mal dem Agent Feedback: „Den Score akzeptiere ich nicht, weil XX“
2. Der Agent schreibt das Gelernte in modes/_profile.md
3. Schau besonders, ob in modes/_profile.md ergänzt wurde: deine Gehaltsuntergrenze / Remote-Präferenz / Rollenfokus / Reverse-Cases

Wichtig: Personalisierte Inhalte landen in modes/_profile.md oder config/profile.yml. Ändere nicht modes/_shared.md — das wird bei Systemupdates überschrieben.

Q4: WebSearch / WebFetch: Offer-Validierung wie genau

Nicht zuverlässig. Die interne Regel von Career-Ops ist: Offers müssen mit Playwright verifiziert werden, ob sie noch aktiv sind:

# slash command nutzen, intern wird Playwright ausgeführt
/career-ops verify --url <JD_URL>

Im Batch-Modus (claude -p) kann Playwright nicht genutzt werden. Das wird als **Verification:** unconfirmed (batch mode) markiert. Dann musst du manuell nachprüfen.

Q5: Batch-Bewertung: Token-Verbrauch explodiert

Bei 100+ Offers ist eine Token-Rechnung von über $20 pro Nacht schnell erreicht. Das lässt sich in drei Stufen beheben:

1. Batch-Anzahl reduzieren — einmal 10–20 laufen lassen, nicht 100+
2. Lokale Model-Fallbacks — strukturierte Tasks wie ofertas (Vergleich) / tracker / pdf können auf ein lokales kleines Modell umgestellt werden
3. Halbpreis-API von Defapi nutzen — Protokoll komplett kompatibel, es läuft auf demselben Modell wie offiziell; Monatsrechnung wird direkt halbiert (genaue Konfiguration siehe TIP nach dem Abschnitt „Zielgruppe“)

Q6: Du willst Deutsch / Französisch / Japanisch / Türkisch Modes

# 1. config/profile.yml editieren
language:
  modes_dir: modes/de   # oder fr / ja / tr

Oder sag direkt zum Agent: „Lass es im deutschen Modus laufen“ – der Agent schaltet auf die Bewertungslogik aus modes/de/ um (mit lokalisierter Begrifflichkeit für DACH, z. B. 13. Monatsgehalt / Probezeit / AGG / Tarifvertrag).

Q7: Tracker-Felder enthalten ungefilterte Formatdaten wie **Applied**

Der Tracker-Status wurde manuell fett formatiert. Fix:

node normalize-statuses.mjs     # Status normalisieren
node dedup-tracker.mjs          # Duplikate entfernen
node verify-pipeline.mjs        # Health Check

Danach nur templates/states.yml anpassen, sodass der Status als kanonischer Wert geführt wird.

Weiterführende Lektüre / Advanced-Richtungen

• User Layer vs System Layer: Das ist das spannendste Engineering-Design in Career-Ops — modes/_profile.md (User) wird nie von modes/_shared.md (System) überschrieben. Alles, was du für dein onboarding personalisierst, bleibt selbst bei 100 System-Updates erhalten. Lies am besten DATA_CONTRACT.md, um den Gesamtrahmen zu verstehen.
• Archetyp ändern: Sag dem Agent „change the archetypes to data engineering roles“ – er ändert modes/_profile.md, nicht modes/_shared.md.
• Sprachumschaltung: Wenn du auf DE/FR/JA/TR Rollen gehst, wechsle auf modes/{de,fr,ja,tr}/; die Bewertungslogik lokalisiert sich automatisch (z. B. CDI / Bonus + Transitkosten-Begriffe).
• TUI Dashboard Advanced: dashboard ist mit Go + Bubble Tea + Lipgloss geschrieben, Catppuccin Mocha als Farbtheme. Der Sourcecode liegt in dashboard/internal/; wenn du eigene Filter/Sortierung hinzufügen willst, mach es direkt dort.
• STAR+R Story Bank: interview-prep/story-bank.md sammelt über Bewertungen hinweg deine „Situation + Task + Action + Result + Reflection“-Stories. Nach 3–5 Bewertungen hast du 5–10 Geschichten, mit denen du fast alle Behavioral-Interview-Fragen abdecken kannst.
• Fork mit eigenem Portfolio: Das Portfolio des Autors ist ebenfalls Open Source — santifer/cv-santiago. Es gibt AI-Chatbots + LLMOps-Board + Case Studies — fork es und mach es zu deinem eigenen.

GitHub-Repository: santifer/career-ops. Mehrsprachige Doku liegt in README.{cn,es,ja,ko-KR,pt-BR,ru,ua,zh-TW}.md. Die Designphilosophie siehst du in DATA_CONTRACT.md, Medienberichte in docs/press/, den Roadmap-Plan in ROADMAP.md (wenn du ihn im Projekt nicht findest: frage Agent „show me your roadmap“).