Jobsmith
針對台灣求職市場的開源多代理（multi-agent）AI 求職 co-pilot。
找職缺、履歷健檢、按需產生客製投遞文件（履歷・求職信・面試準備・公司情報）、模擬面試。產出是背景工作（離開頁面或重新整理都不中斷，還能多個職缺平行跑）；看完本次實際執行的步驟，再到「我的投遞包」逐一核可。
預設用你本機的 Claude Code / Codex CLI 訂閱當 AI 引擎（免自行申請 API key），也能改用 Ollama / llama.cpp 本機模型，或自備金鑰接任何 OpenAI 相容模型。
如果這個工具對你找工作或研究 AI Agent 有幫助，歡迎按 Star 支持開源。
English · 手機 Web（免 AI、免安裝） · 下載桌面版（Windows / macOS unsigned） · 快速開始 · 系統架構 · 隱私
應用程式介面為繁體中文，貼合台灣求職生態（104 / Cake / Yourator / LinkedIn）。預設的「免 AI 找職缺」不需要 AI 帳號或 API key；資料以本機保存為主。只有明確選用 AI 功能時，履歷與 prompt 才會交給你選擇的 CLI、本機模型或 BYOK 後端處理。詳見 隱私與資料處理。
另提供手機可用的公開 Web 測試模式：免帳號、強制 0 AI、不保存伺服器端履歷／搜尋紀錄，只開放上傳履歷找職缺與瀏覽器端篩選。立即開啟 Jobsmith Web，部署與限制請見 公開 Web 測試版部署。
Web（免 AI、免安裝）
不用安裝 App、不用 AI 帳號，也不需要 API key。公開 Web 測試版支援：
- 手機上傳 PDF、DOCX 或 TXT 履歷，先確認並自由修改目標職稱。
- 以 0 AI 本機規則搜尋 104、Cake、Yourator、LinkedIn 等來源，顯示可解釋配對與市場技能雷達。
- 在目前結果中依關鍵字、地點、來源、遠端型態、適配度、年資與薪資即時篩選，不必重新搜尋。
- 多人同時使用時自動排隊；相同搜尋範圍會短期共用公開職缺來源快取，減少等待與第三方網站負載。
公開站不建立帳號，也不把履歷、Profile、個人配對結果或搜尋紀錄寫入伺服器資料庫；短期共用快取只包含搜尋關鍵字／範圍與公開職缺資料。完整履歷會送到 Jobsmith Web 伺服器做該次解析，因此仍建議先移除電話、Email 與地址等不必要欄位。站方可選擇啟用不含履歷／搜尋內容的伺服器端匿名流量與轉換事件；桌面版不啟用。詳細資料流向請見隱私說明，站方設定方式見匿名使用分析。
目前使用免費測試主機，閒置後第一次開啟可能需要約一分鐘喚醒，尖峰時會顯示排隊順位。需要 AI 投遞包、履歷健檢、面試模擬或長期本機紀錄時，請使用下方桌面版。
功能概覽
- 免 AI 找職缺：上傳履歷後在本機辨識職稱、技能與年資；搜尋前可確認或改寫最多三個目標職稱，即使不在內建詞庫也會照原文搜尋。免 AI 帳號、免 API key、0 token。
- 手機 Web 入口：公開模式只提供履歷辨識、找職缺、即時結果篩選與前往原職缺；桌面私有資料與 AI API 全部封鎖。
- 可解釋職缺配對：以職稱、技能、年資規則排序，分開標示適配度與職缺資料完整度，並列出符合點、待確認缺口及市場技能雷達。
- 跨職類但不假裝全知：內建常見科技、商務、行政、零售、餐旅、物流、製造、營建、醫護、教育、法律與服務業職稱；辨識不準時由使用者直接修正，不把未知職業硬套成工程師。
- 投遞工作包：產出客製履歷、求職信、面試準備與公司研究。
- 履歷健檢：檢查 ATS 與內容完整度，標示深度健檢或備援健檢，並保留本機歷史紀錄。
下載
Windows
⬇ 下載 Jobsmith for Windows（64 位元） — 單一 .exe，免裝 Python / Node.js。
- 從 最新 release 下載
Jobsmith.exe。 - 雙擊開啟，會跳出原生視窗（第一次啟動會解壓約 10–30 秒）。
- 在右上角控制台選你的 AI 引擎：
- 本機 CLI——PATH 上已登入的 Claude Code（
claude）或 Codex CLI（codex），或 - 本機模型——已啟動的 Ollama（預設
http://127.0.0.1:11434/v1）或 llama.cpp server（預設http://127.0.0.1:8080/v1），或 - BYOK——填
base_url+api_key+model接任何 OpenAI 相容端點（OpenAI、DeepSeek、Gemini、Groq、OpenRouter、Ollama、LM Studio、vLLM…）。
- 本機 CLI——PATH 上已登入的 Claude Code（
需求： Windows 10/11（64 位元；WebView2 為 Windows 11 內建）。桌面版歷史、設定、
.env都存在 exe 旁邊；AI 請求只會送到你選擇的後端。功能受限的公開 Web 測試版另見隱私說明。
macOS
- ⬇ 下載 Jobsmith for macOS Apple Silicon — M1 / M2 / M3 / M4
- ⬇ 下載 Jobsmith for macOS Intel — Intel Mac
macOS 目前是 unsigned .dmg，尚未做 Apple Developer ID 簽章與 notarization。第一次開啟可能被 Gatekeeper 擋下，請打開 DMG 後將 Jobsmith.app 拖到 Applications，再右鍵 Jobsmith.app →「打開」，或到系統設定允許。
macOS 版資料與 .env 會存在 ~/Library/Application Support/Jobsmith。
開發者可到 GitHub Actions → Build unsigned macOS DMG 手動重打 macOS 發佈檔；workflow 提供 publish_release=true 選項，可把 DMG 覆蓋到指定 release tag。
快速開始（從原始碼）
環境需求： Python 3.11+、Node.js 20.19+ / 22.13+ / 24+，以及 PATH 上已登入的 Claude Code（
claude）或 Codex CLI（codex）、本機 Ollama/llama.cpp server，或一組 BYOK 金鑰。
git clone https://github.com/kevin333353/jobsmith.git
cd jobsmith
setup.bat # Windows — 一鍵安裝（venv + 相依 + 前端建置）
# ./setup.sh # macOS / Linux / Git Bash
desktop.bat # 以原生桌面視窗啟動（推薦）
# run.bat # 或網頁版 → http://localhost:8000
| 模式 | 指令 | 說明 |
|---|---|---|
| 桌面 App | desktop.bat（或 python desktop.py） |
原生視窗；第一次會有後端選擇。 |
| 網頁版 | run.bat（或 python -m uvicorn app.server:app --port 8000） |
開 http://localhost:8000。 |
| CLI（單一 JD） | python -m app.cli data/demo_jobs/ai_engineer.txt |
無介面、單一 JD 跑一次。 |
自己打包 Windows .exe：pip install pyinstaller && pyinstaller jobsmith.spec --noconfirm → dist/Jobsmith.exe。
macOS unsigned .app 請在 macOS 上先建置前端，再執行：python -m PyInstaller jobsmith-macos.spec --noconfirm --clean → dist/Jobsmith.app。
目錄
功能
- 自動找職缺：預設選用「免 AI」——貼上或上傳履歷 → 在真正搜尋前確認／修改目標職稱 → 本機規則辨識技能與年資 → 產生中英文職稱搜尋詞 → 並行搜尋 104 / Yourator / LinkedIn / Cake → 分批串流可解釋的適配排序。其他搜尋條件預設收合且全部可略過；需要時再展開縣市、完全遠端／部分遠端，或第二層的年資、薪資、指定公司與搜尋深度。遠端條件預設只接受網站明確標示，也可自行開啟 JD 文字推測。結果出現後，可直接在目前資料池依關鍵字、地點、來源、工作型態、適配度、年資與薪資即時縮小結果，不必重新搜尋或呼叫 AI。
- 市場技能雷達：從目前高度適配的職缺彙整常見技能，分開顯示履歷已具備與待補強項目；這是確定性統計，不呼叫 LLM，也不會把來源未標示的技能當成缺口。
- 搜尋紀錄：每次搜尋自動存整包，可回看、套用與目前結果相同的本地篩選、重新產生投遞包或刪除——不怕好職缺重找就不見。
- 履歷健檢：依台灣 ATS 慣例評分，給具體修改建議與改寫前後範例。
- 投遞包工作台：預設「快速投遞」只做客製履歷，也可選「完整申請」「面試準備」或自行勾選文件；公司情報與 AI 品管皆為選配。搜尋結果會沿用已完成的職缺分析，AI 品管只提供一次修改建議、不自動重寫。整個流程在背景執行——離開或重新整理都不中斷，多個職缺還能平行跑；左側只顯示本次會執行的步驟，右側分頁瀏覽成品。
- 我的投遞包：每份產生的投遞包都會進這裡，並標示狀態（進行中 → 待審 → 已核可）。可核可、刪除、重新開到工作台、用它開模擬面試，並匯出 Word（.docx）（PDF 透過瀏覽器列印）。
- 模擬面試：依 JD 與你的履歷出題，逐題即時回饋與評分。可從任一份投遞包或貼 JD 開始；每個職缺各自一個對話分頁，可同時跑多場、互不覆蓋。
- 個人化：跨 session 記住最近履歷（免重傳）與偏好（目標職稱／語氣／想強調技能），並套用到產出。
LLM 後端
「免 AI 找職缺」不需要設定本節任何後端。要使用 AI 精準搜尋、履歷健檢、投遞文件或模擬面試時，再從右上角控制台選 AI 引擎——本機 CLI 訂閱（免 API key）、本機模型（Ollama / llama.cpp）或 BYOK（任何 OpenAI 相容端點）。選了即生效；「測試」只是選用的連線檢查、非門檻。本機 CLI 可重新掃描、並可自選模型：
| 後端 | 認證方式 | 說明 |
|---|---|---|
claude_cli |
Claude Code 訂閱 | 預設。 免 API key；會移除 ANTHROPIC_* 環境變數。模型可自選（預設自動分層）。 |
codex_cli |
Codex 訂閱 | 免 API key。模型可自選；預設沿用你的 Codex 設定。 |
ollama |
本機模型 | 預設支援 Ollama；也可切到 llama.cpp server 或自訂本機 OpenAI-compatible endpoint。可重新偵測本機模型並以下拉選擇；品質與速度取決於本機硬體與模型。 |
openai |
BYOK——任何 OpenAI 相容端點 | base_url + api_key + model。可接 OpenAI、DeepSeek、Gemini、Groq、OpenRouter、Ollama、LM Studio、vLLM… |
CLI 後端會透過你機器上已登入的 CLI 呼叫對應 provider；本機模型與 BYOK 都走 OpenAI-compatible endpoint。完整 AI 功能只存在 local-first 桌面／自架模式，BYOK 與本機模型設定只寫進你本機的 .env；公開 Web 測試版不接受 AI key。另有 API key 後端（anthropic）供自架或 CI 使用。
隱私與資料
桌面版會在本機保存履歷記憶、偏好、搜尋紀錄、投遞包、.env 與錯誤紀錄。公開 Web 測試版不建立帳號或伺服器端履歷資料，但上傳內容會在該次請求中由伺服器解析，結果則留在該裝置瀏覽器。你可以在桌面版 設定 → 清除個人資料 清除本機資料；Web 版則清除該網站的瀏覽器資料。
執行 AI 功能時，履歷、職缺描述與 prompt 會送到你選擇的 AI 後端。請先閱讀 隱私與資料處理。
系統架構
React SPA (Vite) ──HTTP · SSE · 輪詢──► FastAPI
│
┌───────────────────────┼───────────────────────┐
▼ ▼ ▼
LangGraph StateGraph 職缺來源 App SQLite
(每個背景產生一個、各自 104 / Yourator / (投遞包＋狀態
記憶體 checkpointer、可平行) LinkedIn / Cake 進行中→待審→已核可、
│ 記憶、搜尋)
▼
可切換的 LLM 後端
claude_cli · codex_cli · ollama (local) · openai (BYOK)
- 背景產生：每次「產生投遞包」都開一個獨立的 LangGraph
StateGraph＋私有記憶體 checkpointer，丟到小型執行緒池跑——所以可平行、且不受瀏覽器斷線（重新整理／切頁）影響；前端輪詢/api/run/events看即時進度，跑完寫進應用層資料庫。關掉分頁也不會中斷。 - 漸進式產出：Web 預設只執行解析、匹配與客製履歷；使用者勾選後才加入求職信、面試準備、公司情報或一次性 AI 品管。適配路由是本機門檻判斷，不另花一次 LLM 呼叫；正常 Profile 也不會在每個 agent 重複傳完整履歷原文。
- 自動找職缺以 Server-Sent Events 邊搜、邊比對、邊串流回瀏覽器；免 AI 模式不初始化 LLM 後端，指定公司搜尋也只查求職網站、不執行 AI WebSearch。
- 應用層 SQLite 存放投遞包（含生命週期狀態：進行中 → 待審 → 已核可）、使用者記憶與搜尋紀錄；在「我的投遞包」核可。（獨立的 CLI 仍保留可續跑、檔案型的人工核可關卡：
interrupt()/Command(resume=…)。） - CLI 後端下模型自動分層：解析用 haiku、匹配／生成用 sonnet、選配 AI 品管用 opus（可於各後端覆寫）。
品質評測
專案保留 5 組職缺／履歷 golden set，可對完整文件跑一次性 AI 品管，量測通過率與平均分。免 AI 探索另有 40 組不含真實個資的合成職類履歷，涵蓋行政、零售、餐旅、物流、製造、營建、醫護、教育、法律、媒體與服務業，驗證「辨識職稱 → 搜尋詞 → 排序」不會只對工程師履歷成立。產品流程不會因評分未達標而自動重寫；使用者可先看具體建議，再決定是否修改，避免不可預期的等待時間與 token 消耗。
python -m app.evals.harness # 對每個 golden 案例產出一次並品管，寫入 app/evals/results.json
歷史 A/B 結果的彙整函式仍有獨立單元測試；新的 harness 則直接輸出本次通過率與平均分。
技術棧
| 層級 | 技術 |
|---|---|
| 後端 | Python、FastAPI、LangGraph、LangChain、Pydantic v2、SQLite、BeautifulSoup |