他用Claude Code打造求职引擎：读10000份职位，拿下2个offer

在AI筛简历已成招聘标配的今天，一位开发者选择了反其道而行之——既然每份申请都会被AI筛查，那就为自己也造一个AI筛选器。这个名为Pinloop的开源项目，让Claude Code每晚自动阅读上万份职位描述，从中挑出真正值得投递的机会。

从手动刷招聘网站到自动化筛选

项目作者在Reddit上分享了完整经历。今年7月，他每天花数小时在LinkedIn、Indeed等平台上手动翻找实习岗位，效率低下且身心俱疲。一个关键洞察改变了他的思路：既然自己投出的每份申请都会被企业方的AI系统筛选，那么在申请方也搭建一个对称的筛选机制，逻辑上完全成立。

于是他把这个想法落地成了工具。两个月后的成果颇具说服力——Claude针对他的简历和偏好，一共读了约1万份职位描述，从中筛出190个建议投递的岗位。他照做投递，最终拿到了2个offer。

Pinloop的工作机制

从作者的描述来看，Pinloop本质上是一个开源的命令行工具（CLI），由Claude Code驱动运行。它的数据规模是这套系统的核心竞争力：背后数据库每月新增超过1000万条职位信息，数据来源覆盖50多个招聘系统（如Greenhouse、Workday等ATS平台）以及LinkedIn这类主流招聘平台。

运作流程可以拆解为几个环节：

• 每晚定时拉取：Claude Code每天夜里抓取当天新上线的职位；
• 逐条比对：把每一份职位描述与用户的简历及完整档案进行匹配；
• 给出裁决与理由：对每个岗位写出"是否值得投"的判断，并附上推理过程；
• 生成晨间清单：匹配度高的岗位进入一份列表，用户第二天早上直接查看。

用作者的话说，就是"Claude决定哪些岗位值得我花时间，我负责投递"。这种分工把最耗时的信息筛选环节交给了AI，人类只保留决策和执行的关键动作。

Greenhouse、Workday等被提及的ATS（Applicant Tracking System，申请者跟踪系统）是企业HR部门普遍使用的招聘管理软件。它们不仅负责收集和管理候选人简历，通常还内置关键词匹配、自动评分等AI筛选模块——这正是作者"对称筛选"逻辑的对立面。全球主流企业中，约75%以上的中大型雇主使用某种ATS，这意味着绝大多数简历在人眼看到之前就已经过一轮算法过滤。Pinloop接入这些平台的公开数据接口或聚合数据库，本质上是在ATS的"上游"做一层反向预筛——在求职者决定是否投递之前，先用同等量级的自动化逻辑排除不匹配的岗位，从而避免将简历白白送入对方的ATS漏斗。

极简的上手方式

项目的接入门槛设计得相当低。用户只需在任意编码代理（coding agent）中粘贴一段指令：

"Run npm install -g pinloop, then run pinloop welcome and follow the instructions"

CLI自带一份使用指南，让AI代理了解可用命令，并引导用户完成设置。工具本身免费使用，付费版每月20美元，差异仅在于能拉取更多的职位数据——这是一种典型的"免费用核心功能、付费买数据额度"的定价思路。

值得关注的几点

这个项目目前仍处于早期阶段，作者坦言下一步计划加入申请自动填写与提交功能，并公开征集测试者和反馈。从产品演进方向看，一旦打通"筛选—填表—投递"的全链路，它就从一个信息过滤器变成了完整的自动化求职助手。

不过也需要理性看待其中的样本局限。2个offer的成果来自单一用户的个人经历，190个投递岗位的转化率、简历本身的竞争力、目标行业的供需状况等变量都会影响最终结果，很难直接推广为普适结论。此外，将求职大量交由AI代理自动执行，也可能触及部分招聘平台的服务条款——尤其是未来的自动投递功能，需要谨慎处理平台合规问题。

AI代理落地的一个务实样本

抛开个案的成功率不谈，Pinloop真正有意思的地方在于它展示了Claude Code这类编码代理在垂直场景中的实用价值。它不是一个花哨的demo，而是把"大规模信息抓取 + LLM语义比对 + 定时任务"组合成了一条能解决真实痛点的工作流。

对于开发者而言，这也提供了一个可复用的思路模板：当某个信息过载的场景里，你需要反复用同一套标准去评判海量条目时，让AI代理承担"读取+判断+汇总"的重活，往往比自己硬刷更高效。求职只是其中一个切口，同样的模式也能迁移到招投标信息、学术论文、投资标的等诸多领域。

Claude Code是Anthropic推出的面向开发者的编码代理（coding agent），其核心能力在于能够在终端环境中自主执行多步骤任务：读取文件、调用工具、运行脚本并根据输出结果调整下一步行动，而不仅仅是被动回答问题。与普通聊天式LLM不同，编码代理具备"感知—规划—执行"的闭环能力，适合被嵌入到定时任务、数据流水线等自动化工作流中。Pinloop正是利用了这一特性：Claude Code不是一次性生成结果，而是每晚作为调度进程被触发，持续读入新数据、输出结构化判断。这种"LLM作为工作流节点"的架构模式，正在成为AI落地实际生产场景的重要范式之一。