Firmy používají umělou inteligenci k filtrování životopisů uchazečů. Santiago Ferreira se rozhodl hru obrátit a dal kandidátům AI, aby si filtrovali firmy. Výsledek? Open-source nástroj, který za něj vyhodnotil přes 740 pracovních nabídek, vygeneroval přes 100 personalizovaných životopisů a pomohl mu získat pozici Head of Applied AI. Projekt career-ops dnes na GitHubu sleduje přes 37 000 vývojářů a je jedním z nejrychleji rostoucích open-source projektů roku 2026.

Problém: Hledání práce jako manuální dřina

Kdo někdy aktivně hledal práci v technologickém sektoru, zná ten rituál. Desítky otevřených záložek s portály, tabulka v Excelu nebo Google Sheets s názvem pozice, odkazem, datem odeslání a poznámkou „čeká se“. Ke každé nabídce ručně přizpůsobený životopis, kde přehazujete odstavce a doplňujete klíčová slova z popisu pozice. Stovky minut strávených čtením popisů práce, z nichž většina evidentně nesedí, ale člověk to pozná až po třetím odstavci.

A na druhé straně stojí firmy s ATS (Applicant Tracking Systems) – softwarem, který automaticky třídí životopisy podle klíčových slov, formátu a strojového hodnocení. Hra je asymetrická: firma má AI, uchazeč má tabulkový procesor.

Career-Ops: AI velitelské centrum pro hledání práce

Career-ops tento nepoměr vyrovnává. Není to „sprejuj a modli se“ nástroj, který za vás rozešle stovky generických přihlášek. Je to pravý opak – filtr, který z moře nabídek vytáhne ty, které skutečně stojí za váš čas. Systém sám doporučuje neucházet se o pozice s hodnocením pod 4.0 z 5.

Technicky jde o sadu promptů, módů a skriptů postavených nad Claude Code (s plnou podporou Gemini CLI a OpenCode), která z AI kódovacího asistenta vytváří kompletní pipeline pro správu kariéry.

Co systém umí

Strukturované hodnocení nabídek (A-F skóre). Vložíte URL nebo text popisu pozice. Systém automaticky detekuje typ role (LLMOps, Agentic AI, Product Management, Solution Architecture…), přečte váš životopis a porovná ho s požadavky. Výstupem je detailní report s hodnocením v 10 vážených dimenzích – od technické shody přes kulturní fit až po kompenzaci.

Generování personalizovaných PDF životopisů. Pro každou nabídku, která projde filtrem, systém vygeneruje ATS-optimalizovaný životopis přizpůsobený konkrétnímu popisu práce. Ne generický dokument s přeházenými odstavci, ale cílená verze, která reflektuje jazyk a priority dané firmy. Výstup je čisté PDF přes Playwright.

Automatické skenování portálů. Systém je předkonfigurovaný pro skenování 45+ firem (Anthropic, OpenAI, Mistral, Cohere, ElevenLabs, Retool, Vercel a desítky dalších) napříč platformami Greenhouse, Ashby, Lever a firemními stránkami. Přidání nové firmy je otázka jednoho řádku v YAML souboru.

Dávkové zpracování. Potřebujete vyhodnotit 10 nabídek najednou? Systém spustí paralelní sub-agenty, kteří pracují současně. Výsledky se zapisují do centrálního trackeru.

Správa pipeline. Vestavěný terminálový dashboard (napsaný v Go s Bubble Tea frameworkem) zobrazuje kompletní přehled přihlášek s filtrováním, řazením a inline správou stavů.

Jak to funguje pod kapotou

Architektura career-ops je překvapivě jednoduchá – a právě v tom je její síla.

Jádrem systému jsou textové soubory v adresáři modes/. Každý soubor je podrobný prompt pro AI agenta, který definuje jednu konkrétní schopnost: vyhodnocení nabídky, generování PDF, skenování portálů, dávkové zpracování. Sdílený kontext (_shared.md) obsahuje vaše osobní nastavení – profil, preference, zkušenosti.

Když vložíte popis pozice, průběh vypadá takto:

1. Klasifikace archetypu – AI rozpozná typ role a vybere odpovídající hodnotící šablonu.
2. Hodnocení A-F – Agent čte váš životopis (cv.md), porovnává s požadavky, provádí research kompenzace a generuje STAR příběhy pro pohovor.
3. Výstupy – Report (Markdown), PDF životopis a záznam v trackeru (TSV).

Data jsou čistě lokální – Markdown tabulky, YAML konfigurace, TSV soubory pro dávky. Žádná databáze, žádný server, žádné API třetí strany mimo samotný AI model.

Proč to funguje: Princip „onboardování recruitera“

Nejzajímavější aspekt career-ops není technický, ale konceptuální. Autor v dokumentaci otevřeně říká: první hodnocení nebudou skvělá. Systém vás ještě nezná. Ale čím více kontextu mu dáte – životopis, kariérní příběh, důkazy o vašich schopnostech, preference, co chcete a čemu se chcete vyhnout – tím lepší se stává.

Je to přesně jako onboarding nového recruitera. První týden se učí, kdo jste. Po měsíci je neocenitelný, protože zná váš profil lépe než vy sami. Career-ops replikuje tento proces, ale s AI, který nezapomíná a pracuje 24/7.

Čísla, která mluví za sebe

Metrika	Hodnota
Hvězdičky na GitHubu	37 400+
Forky	7 600+
Vyhodnocených nabídek (autor)	740+
Vygenerovaných personalizovaných CV	100+
Předkonfigurovaných firem ke skenování	45+
Vyhledávacích dotazů na job boardech	19
Skill módů	14
Podporovaných AI CLI nástrojů	3 (Claude Code, Gemini CLI, OpenCode)

Praktické závěry a tipy

Pro aktivní uchazeče o práci

Nemusíte být vývojář, abyste to použili. Career-ops vyžaduje základní schopnost práce s terminálem a instalaci několika nástrojů (Node.js, Playwright, Claude Code nebo Gemini CLI). Samotná práce se systémem ale probíhá v přirozeném jazyce – ptáte se a zadáváte příkazy slovně.

Investujte čas do svého profilu, ne do úprav CV. Klíčem k dobrým výsledkům je kvalitní cv.md a profile.yml. Čím detailněji popíšete své zkušenosti, silné stránky a preference, tím přesnější budou hodnocení i generované životopisy. Považujte to za jednorázovou investici, která se vrátí stokrát.

Používejte to jako filtr, ne jako kanón. Systém je navržen tak, aby vám ušetřil čas tím, že odfiltruje nevhodné nabídky. Pokud ho použijete k hromadnému rozesílání přihlášek, škodíte sobě i zaměstnavatelům. Autor sám doporučuje neucházet se o nic pod hodnocením 4.0/5.

Začněte s Gemini CLI, pokud nechcete platit. Gemini CLI funguje zdarma přes Google OAuth a podporuje všech 15 příkazů career-ops. Pro experimenty a prvotní nastavení je to ideální volba.

Pro HR a recruitery

Takhle vypadá budoucnost uchazeče. Career-ops je signál, kam se trh posouvá. Kandidáti budou přicházet s přesně cílenými životopisy, kteří přesně vědí, proč daná pozice odpovídá jejich profilu. ATS systémy založené na prostém párování klíčových slov budou stále méně účinné, protože uchazeči budou mít nástroje na generování dokumentů optimalizovaných přesně pro tyto filtry.

Kvalitní uchazeči se nebudou hlásit na všechno. Nástroje jako career-ops paradoxně zvyšují kvalitu přihlášek, protože motivují uchazeče k selektivitě. Když vám AI řekne, že pozice má skóre 2.5/5, je větší šance, že se nepřihlásíte, než když to posuzujete sami (a svůj profil přeceňujete).

Pro vývojáře a technické lídry

Architektura „prompty jako kód“ je vzorový příklad. Career-ops je skvělá ukázka, jak strukturovat AI agenta čistě přes textové soubory. Žádný komplexní framework, jen adresář s Markdown prompty, které definují chování. Agent čte stejné soubory, které používá, takže se v nich sám orientuje a dokáže je upravovat. Tento vzor je přenositelný na desítky jiných use cases.

Fork a přizpůsobení je triviální. Díky prosté souborové struktuře a absenci proprietárních závislostí můžete celý systém forkovat a přizpůsobit za odpoledne. Chcete hodnotit pozice v jiném oboru? Změňte archetypy. Chcete jiný jazyk? Přeložte prompty. Chcete přidat firmy? Přidejte řádky do YAML.

Go dashboard jako bonus. Terminálový dashboard postavený na Bubble Tea je samostatně použitelná komponenta. Pokud potřebujete TUI pro vizualizaci pipeline dat z Markdown/TSV souborů, je to hotové řešení.

Co career-ops není

Je důležité říct, co tento nástroj nedělá. Neposílá přihlášky automaticky. Nekontaktuje recruitery. Nescrapuje LinkedIn na pozadí. Neukládá vaše data na žádný server. Vše běží lokálně na vašem stroji a jedinou externí komunikací je dotaz na AI model (Anthropic, Google nebo jiný poskytovatel, kterého si zvolíte).

Hodnocení jsou doporučení, ne pravda. AI modely mohou halucinovat dovednosti nebo zkušenosti. Autor v právním disclaimeru jasně uvádí, že nenese odpovědnost za výsledky hledání práce, odmítnuté přihlášky nebo restrikce účtů na kariérních portálech.

Omezení a rizika

• Náklady na API mohou překvapit. Každé hodnocení nabídky spotřebuje řádově 5 000-15 000 tokenů (vstup + výstup). Při vyhodnocení 100 nabídek přes Claude API to může stát 10-30 USD. Gemini CLI je zdarma přes Google OAuth, ale má rate limity. Pro intenzivní použití (stovky nabídek) je třeba rozpočet kalkulovat předem.
• Kvalita hodnocení závisí na kvalitě profilu. Systém je přesně tak dobrý, jak dobrý je váš cv.md. Pokud povrchně popíšete své zkušenosti, hodnocení budou nepřesná. Investice do profilu je předpoklad, ne volba.
• Regionální a jazyková specificita. Career-ops je optimalizován pro anglicky psané technologické pozice v USA a západní Evropě. Pro český trh práce, kde jsou popisy pozic často v češtině a na jiných portálech (Jobs.cz, Prace.cz), vyžaduje systém výrazné přizpůsobení – přidání scraperů pro české portály a úprava hodnotících kritérií.
• Etické hranice jsou nezřetelné. ATS-optimalizované životopisy generované AI balancují na hraně. Pokud AI „vylepší“ váš profil způsobem, který neodpovídá realitě (přeceněné dovednosti, zkušenosti formulované zavádějícně), přecházíte od optimalizace k zavádění zaměstnavatele. Systém tuto hranici nesankcionuje.
• Závislost na konkrétním AI modelu. I přes podporu tří CLI nástrojů je kvalita hodnocení výrazně závislá na zvoleném modelu. Méně schopné modely mohou produkovat povrchní hodnocení nebo halucinovat technické detaily.

Co udělat jako první krok

1. Nainstalovat Gemini CLI. Začněte se zdarma dostupným nástrojem – npm install -g @anthropic-ai/claude-code nebo Gemini CLI přes Google OAuth. Pro experimenty nepotřebujete platit.
2. Vytvořit kvalitní cv.md. Věnujte 2-3 hodiny detailnímu popisu svých zkušeností, projektů a technických dovedností. Tento soubor je srdce celého systému. Zahrňte konkrétní čísla (metriky, velikost týmu, dopady).
3. Otestovat na 5 známých nabídkách. Vyberte 5 pozic, které dobře znáte (ideálně mix dobrých a špatných shod s vaším profilem). Porovnejte hodnocení systému s vaším úsudkem. To vám ukáže, jak moc systému můžete důvěřovat.
4. Nastavit prahové skóre. Na základě testu si stanovte minimální skóre, pod kterým se nebudete hlásit. Autor doporučuje 4.0/5, ale vaše optimální hodnota závisí na aktuálním trhu a urgenci hledání.
5. Přizpůsobit archetypy. Pokud hledáte pozice mimo standardní technologické role, upravte archetypy v modes/ adresáři. Přidejte vlastní hodnotící dimenze relevantní pro váš obor.

Závěr

Career-ops je projekt, který resonuje, protože řeší reálnou frustraci reálných lidí. Hledání práce je stresující, repetitivní a často demoralizující proces, kde většinu času trávíte aktivitami s nízkou návratností. Automatizace hodnocení, filtrování a přípravy dokumentů uvolňuje kapacitu na to, co skutečně rozhoduje – přípravu na pohovory a budování vztahů.

S 37 000 hvězdičkami a 7 600 forky za několik měsíců od vydání je zřejmé, že Santiago Ferreira trefil nerv doby. Firmy mají AI na filtrování kandidátů. Teď mají AI i kandidáti na filtrování firem. A hra je zase o něco vyrovnanější.

Zdroje a reference

• career-ops na GitHubu – zdrojový kód a dokumentace
• Santiago Ferreira – autorův profil
• Claude Code – primární AI CLI nástroj
• Gemini CLI – bezplatná alternativa
• OpenCode – třetí podporovaný CLI nástroj
• Bubble Tea – Go framework pro terminálový dashboard

Shrnutí

Verdikt: Výborný nástroj pro tech profesionály hledající anglicky psané pozice. Pro český trh vyžaduje investici do přizpůsobení, ale architektura „prompty jako kód“ je přenositelná.