Automação local com Claude Code transforma busca de emprego em fluxo estruturado

Dados rápidos

• Repositório: MadsLorentzen/ai-job-search
• Licença: MIT
• Linguagem: Python
• Estrelas e forks: 48.895 estrelas e 16.701 forks
• Posição no ranking: 3º lugar no ranking diário do Trendshift
• Data da consulta: 2026-10-17

O problema da personalização em processos seletivos

Candidatos que procuram recolocação profissional enfrentam um volume extenso de tarefas repetitivas. Avaliar se uma descrição de vaga corresponde ao histórico profissional consome horas de leitura, enquanto o envio de currículos padronizados costuma resultar em rejeições precoces nos filtros automáticos das empresas.

O trabalho de redação individual de cartas de apresentação e adequação de experiências para cada empresa reduz o número de candidaturas viáveis. Além disso, plataformas proprietárias baseadas na nuvem exigem o upload de dados pessoais, contratos prévios e pretensões salariais para servidores de terceiros.

A proposta do ai-job-search parte de uma experiência pessoal de transição de carreira após corte de equipe no final de 2025. O autor estruturou um fluxo operacional para testar e validar 69 candidaturas reais, convertidas em 20 entrevistas e uma contratação definitiva como engenheiro de inteligência artificial em junho de 2026.

Como o framework funciona na máquina local

A execução do sistema divide-se em três etapas acionadas por comandos de terminal: configuração, raspagem e aplicação. O fluxo de configuração inicial consolida os dados do perfil do usuário em arquivos locais, que servem de base para todas as etapas seguintes.

Na etapa de aplicação, o modelo avalia a aderência do candidato à vaga, atribui uma nota de compatibilidade e gera os rascunhos de currículo e carta de apresentação em LaTeX. Em seguida, um agente revisor critica o rascunho, sugere ajustes e compila o documento final.

Para iniciar a instalação básica recomendada pelo projeto, o usuário clona o código com o GitHub CLI:

gh repo fork MadsLorentzen/ai-job-search --clone
cd ai-job-search

Casos de uso práticos

• Triagem de oportunidades de emprego: o comando de raspagem varre portais de vagas e classifica as posições encontradas segundo critérios estruturados de compatibilidade profissional.
• Confecção de currículos sob medida: a ferramenta adapta seções do currículo para destacar projetos pertinentes aos requisitos técnicos de uma vaga específica em formato LuaLaTeX.
• Redação técnica de cartas de apresentação: o agente elabora textos com foco em realizações passadas e metas futuras, compilando os arquivos com o motor XeLaTeX.
• Verificação de compatibilidade com sistemas de triagem: o utilitário opcional pypdf analisa se o PDF gerado pode ser lido corretamente por softwares de recrutamento conhecidos como ATS.
• Simulação de entrevistas de emprego: a rotina dedicada gera perguntas técnicas prováveis com base na vaga escolhida para guiar a preparação do profissional.

Diferenciais operacionais

Diferente de portais web fechados, o projeto funciona inteiramente na infraestrutura do usuário e possui código aberto sob licença MIT. Isso permite modificar os scripts e integrar o fluxo com outros modelos ou ambientes de execução.

Outro ponto distintivo é o sistema de revisão em duas etapas. Em vez de apenas redigir um texto corrido com inteligência artificial, o framework emprega um agente revisor que aplica critérios formais de orientação de carreira antes de fechar o documento final. O núcleo da avaliação independe do idioma ou país de busca.

Limitações técnicas e cuidados necessários

O repositório apresenta dependências de ambiente complexas. O usuário precisa ter instalado Python 3.10 ou superior, o runtime Bun para scripts de busca e uma distribuição LaTeX completa, como TeX Live, MacTeX, TinyTeX ou MiKTeX, para compilar os documentos sem falhas de fontes.

Outro fator restritivo é o custo da infraestrutura de IA. O Claude Code exige assinatura nos planos Claude Pro, Max ou Team, ou o uso de créditos pré-pagos de API da Anthropic, sem plano gratuito disponível.

Existe também um risco crítico de privacidade no manuseio do GitHub: forks diretos de repositórios públicos são obrigatoriamente públicos. Como o comando de configuração grava dados pessoais de contato, histórico de trabalho e expectativa salarial em arquivos monitorados, o autor adverte que candidatos devem clonar o projeto para um repositório privado em vez de usar um fork público tradicional.

O projeto foi criado em 2026-03-18 e registra último commit em 2026-10-15. Não há site oficial além da página no GitHub. Os módulos nativos de raspagem de portais atendem prioritariamente a sites dinamarqueses como Jobindex e Jobnet, exigindo que candidatos em outros países configurem manualmente seus próprios módulos locais.

Resumo rápido

• Projeto: MadsLorentzen/ai-job-search
• Licença: MIT
• Linguagem: Python
• Estrelas: 48.895
• Ranking: 3º no Trendshift diário
• Risco principal: exposição de dados pessoais caso o repositório seja mantido como fork público no GitHub

Fontes

• Repositório no GitHub: https://github.com/MadsLorentzen/ai-job-search
• Última versão (v1.7.2): https://github.com/MadsLorentzen/ai-job-search/releases/tag/v1.7.2
• Trendshift: https://trendshift.io/repositories/43622