Career-Opsで求人評価と職務経歴書作成を自動化するOSS

転職活動でいちばん消耗するのは、面接そのものよりも「求人を探し、一件ずつ精査し、求人ごとに職務経歴書を書き直す」前段の作業ではないでしょうか。スプレッドシートで応募状況を管理し、似たような職務経歴書を何度も微調整する。エンジニアであれば「この一連の流れは自動化できそうだ」と感じたことがあるはずです。

一方で、転職サイトや AI 系の転職支援 SaaS に職務経歴書や連絡先といった個人データを預けることには、抵抗を感じる人も少なくありません。どこにデータが保存され、どう使われるのかが見えにくいからです。

その中間にある選択肢が、今回取り上げるオープンソースの転職支援システム Career-Ops です。Career-Ops は Claude Code をはじめとする AI コーディング CLI の上で動き、求人評価から ATS 対応の職務経歴書（CV）生成、応募状況の追跡までを手元のマシン上で完結させます。

ただし「話題になっているから」という理由だけで自分の転職活動に組み込むのは早計です。本当に知りたいのは「自分の環境で使えるのか」「類似 OSS と何が違うのか」「メンテナンスは健全か」「個人データは安全か」といった採用判断の材料のはずです。

本記事では、Career-Ops の公式 README・公式サイトといった一次情報をもとに、機能・仕組み・導入の前提条件・類似 OSS との違い・データの扱いを整理します。実際にインストールや動作検証は行わず、公開ドキュメントの記述に基づいて中立的に解説します。読み終えたときに「自分が採用すべきか」を判断できる状態を目指します。

Career-Opsとは｜AIコーディングCLIで動く求人評価OSS

Career-Ops は、Claude Code・Gemini CLI・OpenAI Codex・OpenCode・Qwen・GitHub Copilot といった AI コーディング CLI を「転職活動の指令室」に変えるローカル実行型のオープンソースシステムです。求人をスプレッドシートで手動管理する代わりに、AI 駆動のパイプラインが求人の評価・応募書類の生成・応募状況の追跡を肩代わりします（Career-Ops GitHub リポジトリ）。

設計思想として README が明確に釘を刺しているのは、これが「手当たり次第に大量応募するためのツールではない」という点です。むしろ目的は逆で、数百件の求人の中から「自分の時間を割く価値のある少数」を見つけ出すフィルタとして機能します。作者は「企業は AI で候補者をふるいにかける。だから候補者の側にも、企業を選ぶための AI を渡したかった」という趣旨を述べています。

採用を検討するうえでまず気になるのが、プロジェクトの健全性でしょう。Career-Ops のリポジトリは現在も活発にメンテナンスされており、アーカイブ（開発終了）状態ではなく、他リポジトリのフォーク（派生）でもない、独立した本体リポジトリです。

リポジトリの基本情報

採用判断の土台として、リポジトリの基本情報を整理します。数値は GitHub API の取得値に基づきます。

スター数が 5 万を超え、最終更新も直近であることから、利用者が多く継続的に開発が続いている健全なプロジェクトと判断できます。ライセンスは MIT で、コードの利用・改変・再配布の自由度が高い点も、自分の転職活動に組み込むうえでのハードルを下げます。ただし「career-ops」という名称・ブランド自体は別途トレードマーク規定があり、商用製品名としての利用には制約がある点は後述します。

作者は自身の転職活動のために Career-Ops を構築し、これを用いて多数の求人を評価・応募して希望ポジションを獲得したと README に記しています。ツールが「作者自身の実用に耐えた」ことを示すエピソードであり、設計の実用性をうかがわせます（出典: Career-Ops README、2026年）。

Career-Opsの主要機能｜求人評価から職務経歴書生成まで

Career-Ops の機能は数が多いため、ここでは「転職活動のどのフェーズを助けるか」という観点で束ねて整理します。公式サイトでも機能群が公開されています（Career-Ops 公式サイト）。

求人評価（A-F スコアリングと多次元評価）

中核となるのが求人評価です。求人 URL や求人票（JD）を渡すと、Career-Ops はあなたの職務経歴書（CV）と求人票を突き合わせ、構造化されたスコアを返します。公式サイトの説明では、マッチ度・志向の一致・報酬・カルチャー・レッドフラグ・グローバル適性といった複数次元にわたって 1.0〜5.0 のルーブリックで採点します。

評価はキーワードの単純一致ではなく、CV と求人票の具体的な記述を引用しながら推論ベースで行われる点が特徴です。README では 6 ブロック構成の評価（役割サマリ・CV マッチ・レベル戦略・報酬リサーチ・パーソナライズ・面接準備）に加え、求人そのものの正当性をチェックするブロックが用意され、詐欺求人やゴースト求人（実体のない募集）の検出にも触れています。

README は「スコアが 4.0/5 に満たない求人への応募は強く非推奨」という運用方針を示しています。つまり Career-Ops は応募数を増やす道具ではなく、応募先を絞り込む道具として設計されています。

書類生成（ATS 対応 CV とカバーレター）

評価で有望と判断した求人に対しては、その求人に最適化された ATS（応募者追跡システム）対応の職務経歴書を PDF で生成できます。求人票のキーワードを反映させたうえで、レイアウトの整った PDF を出力する仕組みです。

カバーレターの生成にも対応しており、企業リサーチに基づいて文面を作成し、ドラフトの承認を挟んでから PDF 化するフローになっています。CV・カバーレターはいずれも HTML テンプレートと Playwright を組み合わせて PDF を生成する構成です。求人ごとに書類を手作業で書き直す負担を、大きく軽減できる部分といえます。

求人の発見と一元管理

求人の発見を担うのがポータルスキャナです。Greenhouse・Ashby・Lever といった採用プラットフォームや企業の採用ページを巡回し、新着求人を取得します。公式サイトの記述では 150 以上の採用ページに対応し、README では Anthropic・OpenAI などを含む 45 社以上がプリセットとして登録されているとされています。

複数の求人をまとめて評価したい場合は、ヘッドレスで動く CLI ワーカーによるバッチ処理で並列評価が可能です。評価結果や応募状況は単一の情報源として一元管理され、自動マージ・重複排除・ステータス正規化などの整合性チェック（パイプラインの健全性管理）が組み込まれています。さらに、Go 製のターミナル UI（ダッシュボード）からパイプラインの閲覧・フィルタ・ソート・ステータス変更を行えます。

面接・交渉支援

Career-Ops の支援範囲は応募で終わりません。評価のたびに STAR 形式（状況・課題・行動・結果）に振り返りを加えたエピソードを蓄積していく「ストーリーバンク」を備え、行動面接の質問に答えるための素材を貯められます。加えて、給与交渉のフレームワークや、地域による報酬ディスカウントへの反論、競合オファーを活用した交渉といった交渉支援の機能も用意されています。

このように、求人の発見から評価・書類作成・応募・追跡・面接準備・交渉までを 1 つの CLI ワークフローでつなぐのが Career-Ops の特徴です。どこか一部分だけでなく、転職活動のオペレーション全体をカバーしようとしている点が、後述する類似 OSS との大きな違いになります。

Career-Opsの仕組み｜アーキテクチャとデータの流れ

自分の環境で扱えるか、カスタマイズできるかを判断するために、内部の仕組みも押さえておきましょう。

処理パイプラインの流れ

README によれば、基本的な処理の流れは次のようになります。求人 URL または求人票を投入すると、まず職種のタイプ判定（アーキタイプ検出）が行われ、続いて A-F の評価が実行されます。評価では自分の CV（cv.md）を読み込み、マッチとギャップ、報酬リサーチ、面接用のストーリーなどを生成します。最後に、Markdown 形式のレポート、PDF、応募状況を記録する TSV ファイルといった成果物が出力されます。

評価の精度については、README が正直な注意書きを添えています。最初の数回の評価は精度が低く、CV・キャリアストーリー・実績・志向といったコンテキストを与えるほど精度が上がる、という前提です。新しく入社したリクルーターをオンボーディングしていくような感覚で、使いながら育てていくツールだと理解しておくとよいでしょう。

技術スタックとプロジェクト構成

技術スタックは README に整理されています。エージェント部分は Claude Code のカスタムスキルおよびモードとして実装され、PDF 生成は Playwright/Puppeteer と HTML テンプレート、ポータルスキャナは Playwright と Greenhouse API・Web 検索、ダッシュボードは Go（Bubble Tea・Lipgloss）で構成されます。データは Markdown テーブル・YAML 設定・TSV バッチファイルといったプレーンテキストで保持されます。

プロジェクト構成の要点として、全 CLI 共通の正規エージェント指示をまとめた AGENTS.md があり、CLAUDE.md / OPENCODE.md / GEMINI.md といった各 CLI 用のラッパーがそれを参照する構造になっています。スキルモードは modes/ ディレクトリに配置されています（README の構成図には複数のモードファイルが列挙されています）。

注目すべきは、自分の CV を記述する cv.md や設定ファイルがプレーンテキストである点と、評価結果・レポート・出力を格納するディレクトリが .gitignore 対象になっている点です。つまり個人データはローカルに留まり、リポジトリにコミットされない設計になっています。マルチ CLI 対応のラッパー構造とテキストベースの設定により、自分の使う CLI に合わせて挙動を調整しやすいことがうかがえます。

Career-Opsの使い方｜導入コマンドとモード体系

ここでは、採用ハードルを正しく見積もるために導入の前提条件とコマンド体系を整理します。動作検証は行っていないため、以下はすべて公式ドキュメントの記述に基づきます。

導入と初期設定

README の Quick Start によると、最速の導入方法は次のコマンドです。

npx @santifer/career-ops init

（出典: Career-Ops README "Quick Start"）

このコマンドは最新リリースを ./career-ops にクローンし、依存をインストールします。その後 career-ops ディレクトリに移動し、claude（あるいは gemini / codex / qwen / opencode）を開いて起動します。初回起動時には、自分の CV・プロフィール・希望職種をチャット形式で対話設定します。

ここから読み取れる前提条件は明確です。Career-Ops を使うには、Node.js（npx）が動く環境と、対応する AI コーディング CLI のいずれかを自分で用意しておく必要があります。GUI のアプリケーションではなく、ターミナル上で動く CLI ベースのツールである点は、採用前に押さえておきたいポイントです。詳細なセットアップ手順は公式のセットアップガイド（docs/SETUP.md）にまとめられています。

コマンド（モード）一覧

操作は /career-ops という単一のスラッシュコマンドに、複数のモードを組み合わせる形で行います。README の Usage に記載された主なモードは次のとおりです。

/career-ops                → 全コマンド一覧
/career-ops {JDを貼る}      → フル自動パイプライン（評価 + PDF + トラッカー）
/career-ops scan           → ポータルを巡回し新着求人を取得
/career-ops pdf            → ATS 最適化 CV を生成
/career-ops cover          → カバーレター生成
/career-ops batch          → 複数求人をバッチ評価
/career-ops tracker        → 応募ステータスを閲覧
/career-ops apply          → AI で応募フォームを記入
/career-ops pipeline       → 保留中の URL を処理

（出典: Career-Ops README "Usage"）

ダッシュボード（ターミナル UI）は Go で書かれており、README には次のビルド・起動手順が記載されています。

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

（出典: Career-Ops README "Dashboard TUI"）

ダッシュボードを使う場合は Go のビルド環境も必要になります。求人を URL ごと貼るだけで評価から PDF 生成・追跡登録までを一気に走らせるフルパイプラインから、スキャン・PDF・カバーレターといった個別機能まで、必要に応じて段階的に使い分けられる設計です。

類似OSSとの違い｜Career-Opsを選ぶ判断軸

採用判断でもっとも重要なのが「類似 OSS とどう違うか」です。転職支援系の OSS はいくつか存在しますが、カバーする範囲と実行形態に明確な差があります。

類似 OSS 比較表

代表的な 2 つの OSS と Career-Ops を比較します。

job-search-automation は、複数の採用プラットフォームをスクレイプして Gemini でスコアリングする自己ホスト型のツールで、Docker でローカルに動かせます。ただし職務経歴書の生成や応募・追跡まではカバーしておらず、スコアリングとスクレイピングが中心です。また LLM は Gemini に固定されています。

resume-lm は Next.js 製の履歴書ビルダーで、求人ごとの CV 最適化と ATS スコアリングに特化しています。完成度の高い CV 作成には向きますが、ポータルスキャン・パイプライン管理・面接準備（ストーリーバンク）といった転職活動全体の機能は持ちません。Web アプリのホスト版も提供されています。

これらと比べると、Career-Ops は「転職活動のオペレーション全体を 1 つの CLI ワークフローで束ねる」点と、複数の AI CLI に対応するマルチ CLI 設計、そして個人データを外部に保存しないローカル実行という設計思想が際立ちます。

Career-Ops が向くケース・向かないケース

以上を踏まえると、採用の向き不向きは次のように整理できます。

Career-Ops が向くケース

• すでに Claude Code などの AI コーディング CLI を日常的に使っている
• 求人評価から書類作成・追跡・面接準備までを 1 つのワークフローでまとめたい
• 個人データを SaaS に預けず、手元のマシンで完結させたい
• 設定をテキストで管理し、自分の使い方に合わせて調整したい

Career-Ops が向かないケース

• CLI ではなくブラウザ上の GUI で完結させたい（その場合は resume-lm のような Web アプリ型が候補）
• 履歴書の最適化だけが目的で、転職活動全体の自動化までは求めていない
• AI CLI の利用環境やサブスクリプションを用意するつもりがない

「履歴書だけ整えたい」なら局所特化の OSS のほうが手軽です。逆に「転職活動の運用全体を手元で自動化したい」なら、Career-Ops の一気通貫の設計が強みになります。

導入前に押さえたい注意点｜データの扱いとライセンス

最後に、採用後に直面しやすい前提と制約を先回りで整理します。期待値のミスマッチを避けるための材料です。

データとプライバシー

Career-Ops の大きな魅力は、ローカル完結型である点です。README の説明では、これはホスティング型サービスではなく、CV・連絡先・個人データは自分のマシンに留まります。データは自分が選んだ AI プロバイダ（Anthropic・OpenAI 等）に直接送られ、作者側がデータを収集・保存・アクセスすることはないとされています。公式サイトも「すべてが自分のマシン上で動く。クラウドなし、テレメトリなし、アカウント不要」という方針を掲げています（Career-Ops 公式サイト）。

ただし「ローカル完結」は「どこにもデータが出ない」という意味ではない点に注意が必要です。求人評価や書類生成のために、CV や求人情報は選択した AI プロバイダの API へ送信されます。送信先が自分の選んだ LLM プロバイダに限定される、という理解が正確です。

また、Greenhouse・Lever・Workday・LinkedIn といった第三者サービスの利用規約（ToS）を守る責任はユーザー側にあると README は明記しています。スクレイピングやアウトリーチを行う以上、各プラットフォームの規約に反しない使い方をする責任は利用者が負います。

ライセンスと利用上の制約

ライセンスは MIT で、コードの利用・改変・再配布は自由度が高いです。一方で「career-ops」という名称・ブランドについては TRADEMARK.md で別途規定があり、コミュニティでの利用には寛容な一方、商用製品名や推薦への利用は予約されています。フォークして自分用に改造する分には問題になりにくいものの、名称を冠した製品を出す場合は規定の確認が必要です。

運用面では、Human-in-the-Loop（人間が最終判断する）の設計である点も重要です。Career-Ops はあくまで評価と推薦を行うツールであり、応募の最終決定と提出は人間が行います。システムが勝手に応募を送信することはありません。さらに、AI による評価は推薦であって真実ではなく、スキルや経験を誤って生成（hallucinate）するリスクがあるため、提出前に必ず人間がレビューすべきだと README は注意を促しています。

これらは「自動で全部やってくれる魔法のツール」ではないことの裏返しでもあります。評価の精度はコンテキストを与えるほど上がり、最終的な判断と書類のチェックは自分で行う前提のツールだと理解しておくと、導入後のギャップを避けられます。

まとめ｜Career-Opsはどんなエンジニアに向くか

Career-Ops は、Claude Code などの AI コーディング CLI 上で、求人評価から職務経歴書（CV）生成・応募状況の追跡・面接準備・交渉までを一気通貫でカバーするオープンソースの転職支援システムです。スター数 54,423・MIT ライセンス・直近の更新（2026-06-17）という状況から、活発にメンテナンスされた健全なプロジェクトといえます。アーカイブ状態でもフォークでもなく、独立した本体リポジトリである点も確認できました。

採用すべきかの判断軸を整理すると、次のように言えます。すでに AI コーディング CLI を使っており、個人データを SaaS に預けず手元で転職活動を完結させたいエンジニアにとって、Career-Ops は有力な選択肢です。一方、ブラウザ上の GUI で完結させたい人や、履歴書の最適化だけが目的の人には、より局所特化の OSS のほうが合うでしょう。

導入には Node.js と対応 AI CLI の準備が必要で、評価精度はコンテキストを与えながら育てる前提です。最終的な応募判断と書類チェックは人間が行う Human-in-the-Loop の設計である点も含め、過度な期待を避けて使えば、転職活動の前段の消耗を大きく減らせるツールだと位置づけられます。

詳細や最新の仕様は、一次情報であるCareer-Ops の GitHub リポジトリおよび公式サイトで確認できます。