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、產生客製投遞包（履歷・求職信・面試準備・公司情報）、模擬面試。產生投遞包是背景工作（離開頁面或重新整理都不中斷，還能多個職缺平行跑）；看完多 agent 即時編排，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 · 下載（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）。資料以本機保存為主；執行 AI 功能時，履歷與 prompt 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。

功能概覽

• 自動找職缺：上傳履歷後由 AI 推導關鍵字，搜尋 104 / Yourator / LinkedIn / Cake。
• 職缺評分排序：分批串流職缺、評估適配度，並可直接進入投遞包流程。
• 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。

1. 從 最新 release 下載 Jobsmith.exe。
2. 雙擊開啟，會跳出原生視窗（第一次啟動會解壓約 10–30 秒）。
3. 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…）。

需求： Windows 10/11（64 位元；WebView2 為 Windows 11 內建）。歷史、設定、.env 都存在 exe 旁邊；Jobsmith 不營運 hosted backend，AI 請求只會送到你選擇的後端。

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

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

• 功能概覽
• 下載
• 快速開始
• 功能
• LLM 後端
• 隱私與資料
• 系統架構
• 成效評測
• 技術棧
• 專案結構
• 測試
• Roadmap
• 貢獻
• 免責聲明
• 授權

功能

• 自動找職缺：貼上或上傳履歷 → AI 推導關鍵字 → 並行搜尋 104 / Yourator / LinkedIn / Cake → 分批串流依適配度排序（邊評邊顯示）。可在搜尋前先選縣市（104 於來源端篩、其餘來源於結果端篩）、依適配色帶（高／中以上／全部）篩選、調整每來源頁數，並把指定公司的開缺列在獨立區塊。
• 搜尋紀錄：每次搜尋自動存整包，可回看、重新產生投遞包、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：對任一職缺按「產生投遞包」，多代理流程（解析 JD → 匹配評分 → 公司情報 → 客製履歷 → 求職信 → 面試準備 → 品管反思）在背景執行——離開頁面或重新整理都不中斷，多個職缺還能平行跑。畫面乾淨一頁式：左側即時多代理編排、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

從右上角控制台選你的 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：

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。Jobsmith 不提供 hosted backend，也不把資料送到專案作者的伺服器。BYOK 與本機模型設定只寫進你本機的 .env。另有 API key 後端（anthropic）供自架或 CI 使用。

隱私與資料

Jobsmith 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。你可以在 設定 → 清除個人資料 清掉履歷記憶、搜尋紀錄與投遞包；AI 後端設定會保留，避免重填 API key。

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。
• 自動找職缺以 Server-Sent Events 邊搜、邊評、邊串流回瀏覽器。
• 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、深思（Critic/Supervisor）用 opus（可於各後端覆寫）。

成效評測

Supervisor 反思迴圈（Critic → 重寫未過文件 → 再評）到底有沒有提升品質？用 5 組職缺／履歷的 golden set，分別在反思關（不重寫）與開兩種設定下跑，比較 Critic 分數：

反思讓 Critic 通過率提升 +40 個百分點（60% → 100%）、平均品質 +1.9（85.6 → 87.5）。關閉反思時的兩個失敗案例，都是求職信出現未經查證的公司事實或履歷未支持的經歷宣稱——正是 Critic → 重寫迴圈會抓出來的問題。（單次 harness 執行；LLM 呼叫非確定性，實際數字每次略有不同。）

python -m app.evals.harness     # 對每個 golden 案例跑整張 graph，寫入 app/evals/results.json

彙整用的 summarize() 是純函式、有獨立單元測試，因此聚合邏輯不受（非確定性的）LLM 呼叫影響、可單獨驗證。

技術棧

專案結構

app/
  agents/     # 履歷健檢、職缺搜尋、公司情報、文件對話、面試模擬…
  sources/    # 104 / Yourator / LinkedIn / Cake 搜尋 + registry + 縣市對應
  store/      # 應用層 SQLite：歷史、記憶、搜尋紀錄
  intake/     # 履歷／JD 解析與抓取
  export/     # Word（.docx）匯出
  graph.py    # LangGraph StateGraph（代理 + 人工核可）
  server.py   # FastAPI + SSE 端點
  llm.py      # 可切換 LLM 後端
frontend/     # Vite + React + TS + Tailwind 前端
tests/        # pytest 測試
desktop.py    # 原生視窗啟動器      jobsmith.spec / jobsmith-macos.spec  # PyInstaller 打包

測試

pytest                         # 單元/整合測試（預設略過 live API 測試）
pytest -m live                 # 含真打 API 的測試
cd frontend && npm run lint    # 前端 lint
cd frontend && npm run build   # 型別檢查 + 正式建置

Roadmap

• 單檔 Windows 桌面 App（PyInstaller）
• unsigned macOS .dmg GitHub Actions build
• BYOK——任何 OpenAI 相容後端
• Ollama / llama.cpp 本機模型後端
• 背景、可平行、重新整理不中斷的投遞包產生
• macOS 簽章與 notarization
• Linux 版本
• 更多職缺來源

貢獻

歡迎 issue 與 pull request。較大的變更請先開 issue 討論方向。提交前請跑 pytest、npm run lint 與 npm run build。發佈 Windows .exe 前請照 Release Checklist 做一次乾淨環境 smoke test。

免責聲明

本