AI Job Search Explained: Framework Mã Nguồn Mở Biến Claude Code Thành Copilot Tìm Việc

TL;DR

ai-job-search là một workflow mã nguồn mở giúp bạn tìm việc bài bản hơn với AI.

• Nó đóng gói toàn bộ vòng lặp: setup hồ sơ, tìm việc, chấm điểm phù hợp, tạo CV/thư xin việc theo từng job, và chuẩn bị phỏng vấn.
• Mục tiêu là chạy trong fork của chính bạn để dữ liệu hồ sơ và tài liệu nằm trong quyền kiểm soát của bạn.
• Rất hợp khi bạn cần nộp nhiều vị trí và muốn tối ưu tốc độ lẫn tính nhất quán.

Repository: MadsLorentzen/ai-job-search

---

Bản Đồ Cho Người Mới

Nếu bạn là sinh viên hoặc mới học công nghệ, hãy đọc bài theo thứ tự này để dễ hiểu hơn:

1. Đọc phần Mental Model trước để nắm ý tưởng cốt lõi.
2. Sang phần Investigation để xem repo vận hành ra sao trong thực tế.
3. Kết thúc ở phần Resolution và làm thử một lệnh hoặc một workflow nhỏ.

Mục tiêu của bài là giúp bạn hiểu repo này giải quyết vấn đề gì, dùng khi nào, và bắt đầu từ đâu mà không bị ngợp.

Bài Tập Đầu Tiên Cho Sinh Viên

Hãy chọn một tác vụ rất nhỏ trong repo và hoàn thành trong dưới 45 phút. Ví dụ: chạy 1 lệnh, quan sát output, ghi lại 3 điều bạn học được và 1 điều bạn vẫn chưa rõ.

Cách học này giúp bạn chuyển từ đọc thụ động sang luyện kỹ năng kỹ thuật chủ động nhanh hơn.

Vì sao dự án này đáng chú ý

Nhiều công cụ “AI cho tìm việc” chỉ dừng ở mức viết một thư xin việc chung chung.

Dự án này đi theo hướng workflow trước, nội dung sau:

1. Dựng hồ sơ ứng viên một lần.
2. Tìm và lọc cơ hội.
3. Chấm điểm độ phù hợp theo tiêu chí rõ ràng.
4. Tạo tài liệu ứng tuyển theo từng vị trí.
5. Theo dõi kết quả và cải tiến vòng sau.

Chính vòng lặp đó mới tạo ra giá trị thực tế, không chỉ đẹp khi demo.

Workflow cốt lõi

Luồng chính ở mức cao:

1. /setup: Thu thập hồ sơ từ file hoặc theo interview có hướng dẫn.
2. /scrape: Tìm job từ nhiều nguồn và khử trùng lặp.
3. /rank: Chấm điểm để ưu tiên job nên apply trước.
4. /apply <url>: Đánh giá độ fit và tạo CV + thư xin việc theo vị trí.
5. /interview: Chuẩn bị cho các vòng phỏng vấn với đúng ngữ cảnh.
6. /outcome: Ghi kết quả và đưa bài học vào vòng lặp tiếp theo.

Ngoài ra còn có các lệnh phụ trợ cho báo cáo và đồng bộ.

Điểm nổi bật về kỹ thuật

• Thiết kế theo tác vụ agent: Repo được tổ chức quanh command và skill có thể tái sử dụng.
• Đầu ra theo template: CV/thư xin việc có thể ràng buộc theo template LaTeX.
• Tư duy vận hành: Xem tìm việc như một pipeline có thể lặp lại.
• Có ý thức bảo mật: Mô tả job posting là dữ liệu không đáng tin tuyệt đối.

Ưu điểm thực tế

• Hiệu quả khi bạn apply số lượng lớn.
• Giảm việc nhảy qua lại giữa tìm job, viết nội dung và theo dõi tiến độ.
• Quy trình có thể truy vết: đã apply đâu, dùng bộ tài liệu nào.
• Dễ fork và tùy biến theo thị trường, vai trò, phong cách viết của bạn.

Lưu ý thực tế

• Chất lượng phụ thuộc trực tiếp vào chất lượng hồ sơ đầu vào.
• Vẫn cần review thủ công trước khi gửi hồ sơ.
• Tích hợp portal theo từng thị trường, có thể cần chỉnh sửa thêm.
• Setup local cần nhiều phụ thuộc (agent CLI, Python/Bun, bộ TeX).

Ai nên dùng

Phù hợp với:

• Kỹ sư và nhóm nghề kỹ thuật apply nhiều vị trí.
• Người chuyển ngành cần khung đánh giá độ phù hợp có hệ thống.
• Người muốn quy trình apply có thể lặp lại, có version control.

Ít phù hợp nếu mỗi năm bạn chỉ gửi vài hồ sơ thủ công rất cá nhân hóa.

Gợi ý thử nhanh

Nếu muốn test nhanh trong fork của bạn, có thể chạy chuỗi:

/setup
/scrape
/rank
/apply <job-url>

Sau đó so sánh hai bộ hồ sơ: một bộ đi qua pipeline này, một bộ viết tay. Độ chênh về tính nhất quán và thời gian xử lý thường là tín hiệu rõ nhất.

Kết luận

ai-job-search không phải kiểu “bấm nút là có việc”.

Nó là framework giúp quy trình tìm việc kỷ luật hơn, nhanh hơn, và dễ cải tiến theo thời gian. Nếu xem nó như copilot cộng với process engine, giá trị mang lại là rất thực dụng.