applyr：面向 AI 编程 Agent 的命令行求职管理工具

核心能力与快速开始

★ 4 · Python

能做什么

提供命令行求职申请跟踪：注册职位（add）、列表（list）、详情（show）、搜索（search）、更新状态（update）、删除（delete）。评分引擎按 6 个可配置主题（技术栈 35%、经验 35%、项目 15%、教育 5%、英语 5%、文化契合 5%）加权计算 0–100 兼容性分数，输出 APPLY/MAYBE/LOW MATCH 三态推荐、技能差距、评分明细和置信度。CV 流水线支持：生成带 YAML frontmatter 的 Markdown 简历（cv generate）、确定性的声明验证门（cv verify，无 LLM 调用）、ATS 兼容性检查（cv ats-check，0–100 分）、关键词提取匹配、要点优化、求职信生成、简历对比（cv compare）、Chrome 转 PDF。分析功能包括转化漏斗统计（stats）、技能差距（gaps）、趋势（trends）、薪资洞察（salary）、跟进提醒（followups）、申请回应率追踪、评分校准（stats 报告各分数段的真实回应率/面试率）。重复检测（同公司+职位）。支持 28 条命令和多个 Agent 角色指令文件（Matcher、Recruiter、CV Architect、CV Writer、Fact Checker）。

适用场景

AI 编程 Agent 用户（Claude Code、Cursor、OpenCode 等）在终端中管理求职申请流程。将职位描述粘贴给 Agent 后，自动获得兼容性评分和申请建议；生成针对特定职位的 ATS 安全简历，并验证简历中的每项声明都能在个人资料中找到依据；追踪申请状态、回应率和技能差距，指导学习优先级规划。

项目形态

可直接使用的工具

部署方式

通过 pip install applyr 安装，运行 applyr init 初始化，在 ~/.applyr/ 生成配置、数据库和 Agent 指令。本地优先，SQLite 存储在用户机器上，无需 API 密钥。需配合 AI 编程 Agent 使用。

主要依赖

Python 3.11+；需配合能读取指令文件的 AI 编程 Agent（如 Claude Code、Cursor、OpenCode 等）。PDF 生成需 Chrome。

使用限制

项目本身是存储层，评分和简历生成依赖外部 AI Agent 作为"大脑"。README 未说明具体的 API 成本、硬件要求或性能限制。更新检查默认关闭，可通过配置开启。

许可证

MIT

最近推送

2026-09-25 04:39

资料检查：2026-09-25 07:00 · 卡片整理：2026-09-25 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

程序员可参考或复用该项目的 Python 实现与 CLI 设计，例如加权评分引擎、SQLite 存储层、ATS 兼容性检查、Markdown 转 ATS-HTML 渲染以及确定性声明核验逻辑，用于构建面向 AI Agent 的本地优先工具。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

HR

HR 可将 applyr 作为招聘筛选辅助工具：粘贴职位描述后由 AI Agent 生成加权 0–100 兼容性评分、APPLY/MAYBE/LOW MATCH 推荐和技能差距分析，用于快速评估候选人与岗位的匹配度；还可使用内置的招聘官评审提示对简历进行 0–100 打分并给出改进建议。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证