Démarrer avec Career-Ops : faire trier par un agent IA 700+ offres et générer 100+ CV sur mesure

Résumé en une phrase : Vous codez déjà avec Claude Code, alors pourquoi ne pas l’utiliser pour décrocher un job ? Career-Ops transforme la CLI de programmation IA en véritable command center de recrutement — collez une URL de JD, il évalue automatiquement, génère des CV ATS, et suit l’avancement. L’auteur l’utilise pour filtrer 740+ offres, générer 100+ CV personnalisés, puis décrocher finalement une offre de Head of Applied AI.

Présentation du projet

Career-Ops (alias careerops) est un pipeline de recherche d’emploi piloté par l’IA, GitHub : santifer/career-ops, licence MIT. Son positionnement central est le suivant :

Transformer n’importe quelle CLI de programmation IA en un centre de commande complet pour l’emploi.

Ce n’est pas un énième outil « IA qui refait le CV », ni un robot d’« envoi massif ». La philosophie de design de Career-Ops, c’est le moins mais mieux : parmi des centaines d’offres, il vous aide à en extraire celles qui valent vraiment le coup, grâce à une note A-F + 6 dimensions d’évaluation + un PDF optimisé ATS + un suivi 100% automatisé.

Compétences clés (15 slash commands) :

CLI de programmation IA supportées : Claude Code / OpenCode / Gemini CLI / Codex / Qwen / GitHub Copilot / Kimi — du moment que ça suit open agent skill standard.

Support multi-langues : par défaut en anglais, et aussi allemand (modes/de/) / français (modes/fr/) / japonais (modes/ja/) / turc (modes/tr/) / chinois simplifié (README.cn.md) / chinois traditionnel (README.zh-TW.md).

Palmarès : l’auteur santifer l’a utilisé pour évaluer 740+ offres, générer 100+ CV personnalisés, puis décrocher une offre de Head of Applied AI.

Difficulté / Durée / Ce que vous obtenez

• Difficulté : ⭐⭐ (moyenne, il faut savoir utiliser une CLI de programmation IA comme Claude Code)
• Durée : 30–60 minutes pour le premier onboarding (incluant la préparation de cv.md + configuration du profil)
• Ce que vous obtenez :
  • Faire fonctionner un pipeline réel et utilisable de candidature IA
  • Comprendre la conception d’architecture « User Layer vs System Layer » pour les agents
  • Apprendre à faire une recherche d’emploi précise avec la notation A-F + des histoires STAR+R
  • Voir comment monter un projet open source de niveau production déjà relayé par WIRED / Business Insider
  • En bonus : mettre 15 slash commands dans votre poche, et les utiliser tous les jours pendant vos candidatures

Profil du public visé

• Développeurs en recherche d’emploi / en changement de poste / en veille d’opportunités
• Utilisateurs déjà à l’aise avec Claude Code / OpenCode / Gemini CLI
• Vouloir passer du « envoi massif » au « ciblage précis », sans perdre de temps sur des offres inutiles
• Vouloir savoir à quoi ressemble un projet d’agent IA de niveau production avec 7k+ stars

# En supposant que vous utilisez Claude Code, modifiez dans ~/.claude/settings.json ou via une variable d’environnement
ANTHROPIC_BASE_URL=https://api.defapi.org
ANTHROPIC_API_KEY=sk-xxxxx   # récupérez la clé dans le back-office defapi.org

Dépendances clés et configuration

Configuration minimale :

Optionnel / améliorations :

Arborescence complète du projet

career-ops/
├── AGENTS.md                    # Instructions générales pour l’agent (multi-CLI)
├── CLAUDE.md                    # Spécifique à Claude Code (import AGENTS.md)
├── GEMINI.md                    # Spécifique à Gemini CLI
├── cv.md                        # Votre CV (créé par vous-même, fichier clé)
├── article-digest.md            # Preuves de vos points forts (optionnel)
├── config/
│   └── profile.example.yml      # Modèle de profil personnel
├── modes/                       # 15 modes de skill
│   ├── _shared.md               # Contexte partagé côté système
│   ├── _profile.template.md     # Personnalisation côté utilisateur (mettez votre archetype)
│   ├── oferta.md                # Évaluation d’une offre
│   ├── pdf.md                   # Génération PDF
│   ├── scan.md                  # Scan des postes
│   ├── batch.md                 # Traitement en lot
│   ├── auto-pipeline.md         # URL → évaluation + PDF + tracker
│   ├── de/                      # Mode allemand
│   ├── fr/                      # Mode français
│   ├── ja/                      # Mode japonais
│   └── tr/                      # Mode turc
├── templates/
│   ├── cv-template.html         # Modèle CV optimisé ATS
│   ├── cv-template.tex          # Modèle LaTeX
│   ├── portals.example.yml      # 45+ entreprises préconfigurées
│   └── states.yml               # Dictionnaire des statuts
├── data/                        # Données de candidatures (gitignored)
│   ├── applications.md          # Table de suivi principale
│   ├── pipeline.md              # Boîte de réception d’URL à traiter
│   ├── scan-history.tsv         # Scan anti-doublons
│   └── follow-ups.md            # Historique des relances
├── reports/                     # Rapports d’évaluation (gitignored)
├── output/                      # PDF générés (gitignored)
├── jds/                         # Stockage du texte JD (optionnel)
├── interview-prep/              # Préparation aux entretiens
│   ├── story-bank.md            # Banque d’histoires STAR+R accumulées
│   └── {company}-{role}.md      # Renseignements propres à l’entreprise
├── batch/
│   ├── batch-prompt.md          # Invite worker
│   ├── batch-runner.sh          # Script d’orchestration
│   └── tracker-additions/       # À fusionner dans le tableau de suivi principal
├── dashboard/                   # Go TUI (Bubble Tea)
│   ├── main.go
│   └── internal/
├── fonts/                       # Space Grotesk + DM Sans
├── providers/                   # Configuration du fournisseur LLM
├── docs/                        # Documentation multi-langues + couverture média
├── examples/                    # CV / rapports / exemples de points forts
└── *.mjs                        # Scripts pour scan / validation / fusion / health check

En tant qu’utilisateur, vous n’avez qu’à toucher 4 fichiers : cv.md / config/profile.yml / modes/_profile.md / portals.yml — c’est User Layer : les mises à jour du système ne changeront pas ça. Le reste est géré par l’agent.

Étapes pas à pas

Étape 1 : Cloner + installer

git clone https://github.com/santifer/career-ops.git
cd career-ops
npm install
npx playwright install chromium   # Nécessaire pour générer les PDF

Étape 2 : Vérification santé

npm run doctor

Cela vérifie la version de Node.js, Playwright, les fichiers/permissions clés. En cas d’échec, le « médecin » vous indiquera ce qui manque ; corrigez, puis relancez.

Étape 3 : Créer votre cv.md

C’est la source du pipeline complet — sans lui, l’agent ne peut pas évaluer les offres.

Créez cv.md à la racine du projet :

# 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...
(Objectif : 2-3 paragraphes, écrivez « ce que vous faites + votre(s) point(s) fort(s) principale(s) »)

## Experience

### Staff Engineer — Company A (2023 - Present)
- Led migration of X to Y, reducing Z by 40%
- (idéalement avec des chiffres : cette partie sera utilisée par l’agent pour matcher le JD)

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

## Education
...

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

Étape 4 : Configurer config/profile.yml

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

Ouvrez config/profile.yml et renseignez :

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"

# Pour utiliser des modes en chinois / allemand / français / japonais / turc, ajoutez cette ligne
# language:
#   modes_dir: modes/de

Étape 5 : Configurer portals.yml

cp templates/portals.example.yml portals.yml

Par défaut, inclus 45+ entreprises + 19 requêtes de recherche couvrant :

# AI Labs
- anthropic
- openai
- mistral
- cohere

# Voice AI
- elevenlabs
- vapi
- deepgram

# AI Platforms
- retool
- airtable
- vercel
- temporal

Pour ajouter des entreprises que vous ciblez, ajoutez-les dans portals.yml. La couverture des job boards inclut Ashby / Greenhouse / Lever / Wellfound / Workable / RemoteFront.

Étape 6 : Laisser l’agent vous faire un « Onboard »

# Choisissez une CLI IA que vous avez installée
claude       # Claude Code
# ou
gemini       # Gemini CLI
# ou
opencode     # OpenCode
# ou
codex        # Codex

Dans la CLI, dites :

Aide-moi à configurer career-ops. Je viens juste de cloner le projet, cv.md et config/profile.yml sont déjà remplis.
Peux-tu vérifier si mon onboarding est complet, et me dire ce que je dois encore ajouter ?

L’agent lance une série de vérifications au démarrage :

1. cv.md est-il présent ? ✅
2. config/profile.yml est-il bien le vrai (pas « .example ») ? ✅
3. modes/_profile.md est-il bien une copie de _profile.template.md ? ⚠️
4. portals.yml est-il bien le vrai (pas « .example ») ? ✅

N’importe quel ❌ fait entrer dans un mode d’assistance, avec un échange 1:1 pour compléter.

Étape 7 : Première évaluation

Collez une URL de JD à l’agent :

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

L’agent lance un pipeline entièrement automatique :

1. Détection d’archetype — catégorisation en LLMOps / Agentic / PM / SA / FDE / Transformation
2. Évaluation A-F — 6 dimensions (Role summary / CV match / Level strategy / Comp research / Personalization / Interview prep)
3. Génération du rapport — écrire dans reports/001-anthropic-2026-06-09.md
4. Génération du PDF — exécuter le rendu Playwright du CV ATS, sortie vers output/001-anthropic-cv.pdf
5. Écriture dans le tracker — ajouter une ligne dans data/applications.md
6. Mise à jour de l’intégrité du pipeline — exécuter node verify-pipeline.mjs pour vérifier

Vous devriez voir, après 30–60 secondes, un rapport d’évaluation complet + un PDF de CV ATS.

Étape 8 : Première phase de scan

/career-ops scan

Ou équivalent :

node scan.mjs                  # zéro token, récupération via API
node scan.mjs --verify         # API + validation Playwright secondaire, filtre les postes expirés

En une passe, avec 45+ entreprises préconfigurées + 19 requêtes, on obtient généralement 200 à 500 nouveaux postes, directement dans la boîte de réception data/pipeline.md. Ensuite, lancez les workers claude -p pour exécuter les évaluations en parallèle : traiter 100+ offres en une nuit, ce n’est pas un rêve.

Étape 9 : Lancer le TUI Dashboard (optionnel)

Si vous voulez visualiser l’avancement dans le terminal :

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

6 onglets de filtres, 4 modes de tri, vue groupée/plate, aperçu chargé à la demande (lazy-loaded), et un changement de statut quand vous sélectionnez. Thème Catppuccin Mocha : ça claque.

Étape 10 : Mettre à jour le système (important !)

Career-Ops évolue vite : de nouveaux modes / nouvelles configurations arrivent toutes les quelques semaines.

# à la racine du projet, demandez à l’agent de vérifier
claude  # dites-lui « check career-ops for new version »

L’agent lancera automatiquement node update-system.mjs check ; la sortie JSON ressemble à ceci :

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

Il vous dira : « v1.3.0 → v1.4.0 est disponible, vos données (CV / profile / tracker / reports) ne seront pas touchées ; souhaitez-vous mettre à jour ? ». Pour mettre à jour :

node update-system.mjs apply       # mise à jour
node update-system.mjs rollback    # si vous n’êtes pas satisfait, retour arrière

Dépannage des problèmes fréquents

Q1 : cv.md introuvable / l’agent bloque en onboarding

La cause la plus fréquente : cv.md n’est pas dans le répertoire racine du projet.

# vérifier que c’est bien à la racine
ls -la cv.md
# vous devriez voir -rw-r--r-- cv.md

# sinon, créez-le (dans la racine)
cd career-ops
touch cv.md
# puis remplissez

Q2 : échec de génération du PDF, « browser not found »

Playwright n’est pas installé ou Chromium ne l’est pas :

npx playwright install chromium
# si votre réseau est lent (en Chine), ajoutez un mirror
PLAYWRIGHT_DOWNLOAD_HOST=https://npmmirror.com/mirrors/playwright npx playwright install chromium

Q3 : scores d’évaluation trop élevés / trop faibles

C’est normal la première semaine. Pour corriger :

1. Lancez 3 à 5 évaluations supplémentaires, et à chaque fois donnez à l’agent un retour du type « je ne suis pas d’accord : parce que XX »
2. L’agent écrira ce qu’il apprend dans modes/_profile.md
3. Concentrez-vous sur ce qui est renseigné dans modes/_profile.md : votre plancher salarial, vos préférences de remote, votre positionnement de rôle, et les cas « opposés » (reverse case)

Important : les contenus personnalisés doivent aller dans modes/_profile.md ou config/profile.yml ; ne modifiez pas modes/_shared.md, car il sera écrasé par les mises à jour système.

Q4 : Validation via WebSearch / WebFetch pour savoir si l’offre est exacte

Ce n’est pas fiable. La règle interne de Career-Ops est d’utiliser Playwright pour vérifier que l’offre est encore active :

# en utilisant le slash command, Playwright sera exécuté en interne
/career-ops verify --url <JD_URL>

En mode batch (claude -p), Playwright n’est pas disponible : il indiquera **Verification:** unconfirmed (batch mode), et vous devrez vérifier manuellement.

Q5 : Explosion de consommation de tokens en évaluation batch

En lançant 100+ offres à évaluer, la facture de tokens pour une nuit peut facilement dépasser 20 $. Les corrections sont en trois niveaux :

1. Réduire le nombre de batch — lancez 10 à 20 à la fois, ne scannez pas 100+ d’un coup
2. Solution par modèle local en secours — des tâches structurées comme ofertas (comparaison) / tracker / pdf peuvent être remplacées par un petit modèle local
3. Brancher l’API Defapi à moitié prix — protocole compatible à 100 %, modèle identique à l’officiel ; la facture mensuelle baisse directement (configuration exacte : voir la TIP après « Profil du public visé »)

Q6 : Changer vers les modes en allemand / français / japonais / turc

# 1. Modifier config/profile.yml
language:
  modes_dir: modes/de   # ou fr / ja / tr

Sinon, dites simplement à l’agent : « exécute en mode allemand ». Il passera sur la logique d’évaluation de modes/de/ (avec des termes localisés du marché DACH : 13. Monatsgehalt / Probezeit / AGG / Tarifvertrag, etc.).

Q7 : Des données sales avec mise en forme (comme **Applied**) apparaissent dans les champs

Le statut du tracker a été mis en gras manuellement. Pour corriger :

node normalize-statuses.mjs     # normalisation des statuts
node dedup-tracker.mjs          # suppression des doublons
node verify-pipeline.mjs        # health check

Ensuite, modifiez templates/states.yml pour ajouter le statut canonical.

Lecture complémentaire / pistes avancées

• User Layer vs System Layer : c’est la partie d’ingénierie la plus intéressante de Career-Ops — modes/_profile.md (côté utilisateur) n’est jamais écrasé par modes/_shared.md (côté système). Tout ce qui personnalise votre onboarding ne disparaît pas même après 100 mises à jour. Recommandé : lire DATA_CONTRACT.md pour avoir la vue d’ensemble
• Changer l’archetype : dites à l’agent « change the archetypes to data engineering roles » ; il mettra à jour modes/_profile.md et non modes/_shared.md
• Changement de langue : pour candidater en allemand / français / japonais / turc, basculez sur modes/{de,fr,ja,tr}/ ; la logique d’évaluation se localise automatiquement (termes locaux comme CDI / 賞与 / allocations de transport, etc.)
• TUI Dashboard (niveau avancé) : dashboard écrit en Go + Bubble Tea + Lipgloss, avec le thème Catppuccin Mocha. Le code source est dans dashboard/internal/ ; pour ajouter des filtres/tri personnalisés, modifiez directement
• Banque d’histoires STAR+R : interview-prep/story-bank.md accumule vos histoires « Situation + Task + Action + Result + Reflection » au fil des évaluations. Après 3 à 5 évaluations, vous aurez 5 à 10 histoires capables de répondre à quasiment n’importe quel questionnement comportemental en entretien
• Portfolio en complément (fork) : le portfolio de l’auteur est aussi open source — santifer/cv-santiago — avec un chatbot IA + un board LLMOps + des études de cas. Forkez-le et transformez-le en votre propre version

Dépôt GitHub : santifer/career-ops, documentation multi-langues dans README.{cn,es,ja,ko-KR,pt-BR,ru,ua,zh-TW}.md, philosophie de design dans DATA_CONTRACT.md, presse dans docs/press/, roadmap dans ROADMAP.md (si vous ne le trouvez pas dans le projet, demandez à l’agent « show me your roadmap »).