Skip to content
Projekte

Fighter90/career-ops-ui has 101 GitHub stars and 26 forks. GitHot measured +1 stars in 24 hours and +3 in 7 days. Last checked 2026-11-19 07:52 UTC. Last push 2026-11-14.

So werden diese Zahlen gemessen

Gemessener Sternzuwachs

in 24h
+1
in 7 days
+3
in 15 days
Verlauf wird gesammelt
in 1 month
Verlauf wird gesammelt

Nettoänderungen in überlappenden Zeiträumen, keine Tagessummen. Fehlende Messwerte bleiben leer. Sterne zeigen Interesse, nicht Qualität.

Über uns

Clean, docs-style web UI for the career-ops AI job-search pipeline. Search ATS adapters (Greenhouse/Ashby/Lever) + regional portals (hh.ru/Habr Career), evaluate JDs, track applications — all from the browser.

Selbst gehostet

README.de.md

Original

career-ops-ui

Eine schlanke, dokumentationsartige Weboberfläche für die KI-Jobsuche-Pipeline career-ops. Durchsuchen, bewerten, tiefgehend recherchieren, bewerben und jedes Angebot verfolgen — alles aus einem einzigen Browser-Tab, statt zwischen Claude Code, Terminals und Markdown-Dateien hin- und herzuspringen.

🇬🇧 English | 🇪🇸 Español | 🇧🇷 Português (Brasil) | 🇰🇷 한국어 | 🇯🇵 日本語 | 🇷🇺 Русский | 🇨🇳 简体中文 | 🇹🇼 繁體中文 | 🇫🇷 Français | 🇵🇱 Polski | 🇺🇦 Українська | 🇩🇰 Dansk | 🇸🇦 العربية | 🇩🇪 Deutsch | 🇮🇹 Italiano | 🇹🇷 Türkçe | 🇮🇳 हिन्दी | 🇱🇰 தமிழ் | 🇻🇳 Tiếng Việt

Inoffizielle Oberfläche — nicht mit career-ops / santifer verbunden oder von diesen unterstützt.

tests e2e playwright node license release agentic patterns

career-ops-ui - The open-source job search command center | Product Hunt

🆕 Neueste Version — v1.271.2 — die Pipeline-Sektion von /api/map/jobs auf die neuesten 1000 Zeilen begrenzt: die wahre Zahl in pipelineTotal, ?pipeline=all stellt alles wieder her; der Tracker-Schlankmacher erschien in v1.271.1. Tests 7920 → 7922.

Vorherige Version — v1.271.1 — /api/map/jobs standardmäßig schlank (CAR-249): der schwerste Seitenaufruf auf Prod (4.6 MB) liefert jetzt nur die 11 Felder, die die Karte konsumiert; ?full=1 stellt alle Spalten wieder her; /api/pipeline bewusst unangetastet. Tests 7918 → 7920.

Works with 18 LLM providers — Anthropic, OpenAI, Gemini, Qwen, OpenRouter, GitHub, DeepSeek, Kimi, MiniMax, Mistral, Ollama and more

📜 Vollständige Versionshistorie: CHANGELOG.de.md.

career-ops-ui — Kommandozentrale

▶ Vorschau ansehen

🗺️ Neu: jede Stelle auf einer Karte

Scan-Ergebnisse, Pipeline und Tracker auf einer Weltkarte (#/map) — sieh, wo sich die Angebote häufen und welche Städte einen Umzug wert sind. Ein gefüllter Marker ist deine Bewertung, ein Ring der Titel-Fit vor der Bewertung; Stellen werden an der Firmenadresse verortet, sofern bekannt, sonst im Stadtzentrum (kostenloses OpenStreetMap-Geocoding, keine Schlüssel).

career-ops-ui — Stellenkarte

Über career-ops

career-ops ist ein quelloffenes Jobsuche-System, das als Slash-Befehle innerhalb jeder KI-Coding-CLI läuft (Claude Code, Cursor, Codex, OpenCode, Antigravity CLI, Grok Build CLI, Qwen Code, Kimi, GitHub Copilot CLI, Gemini CLI (legacy) — andere Claude-kompatible CLIs funktionieren über dieselbe Slash-Befehl-Oberfläche ebenfalls). Modellunabhängig. Es bewertet jede Ausschreibung anhand Ihres CV mit einem sechsdimensionalen Bewertungsraster von 0.0–5.0, generiert maßgeschneiderte PDF-Lebensläufe und verfolgt jede Bewerbung lokal — keine Cloud-Konten, keine Telemetrie, kein Auto-Absenden.

Dieses Repository (career-ops-ui) ist eine ausgefeilte Weboberfläche obendrauf. Die CLI behält das Ausfüllen von Formularen (über Playwright MCP) und die Slash-Befehl-Modi; die SPA gibt Ihnen eine CRM-artige Browser-Oberfläche über dieselben Dateien cv.md / data/applications.md / reports/. Beide teilen sich dieselben Daten.

Handlungsschwellen nach Punktzahl (aus career-ops.org/docs):

Score Nächster Schritt
≥ 4.5 /career-ops apply — hohe Passung, sofort loslegen
4.0 – 4.4 bewerben oder /career-ops contacto für eine warme Vorstellung
3.5 – 3.9 /career-ops deep — zuerst recherchieren
< 3.5 überspringen, sofern Sie keinen bestimmten Grund haben

Kanonische Anleitungen unter career-ops.org/docs:

Modus-Referenz (die Slash-Befehle des übergeordneten Projekts, die die web-ui als Seiten/Schaltflächen darstellt) — career-ops.org/docs/reference/modes:

Modus web-ui Modus web-ui
auto-pipeline #/auto pipeline #/pipeline
oferta #/evaluate ofertas #/evaluate
deep #/deep contacto #/contacto
interview-prep #/interview-prep pdf Generate PDF
training #/training project #/project
tracker #/tracker patterns #/patterns
followup #/followup apply #/apply
cover #/cover — —

Portal-Adapter — career-ops.org/docs/reference/portals: Greenhouse · Ashby · Lever (plus Workable / SmartRecruiters / Workday + RU-Quellen — siehe #/scan).

KI-Assistenten, in denen career-ops läuft (die web-ui ist die eigenständige Alternative): Claude Code, Cursor, Codex, OpenCode, Antigravity CLI, Grok Build CLI, Qwen Code, Kimi, GitHub Copilot CLI, Gemini CLI (legacy). Die ⚡ Live-Funktionen der web-ui ordnen diese in #/config API-Anbietern zu: Claude Code→Anthropic, Cursor→any/OpenRouter, Gemini CLI→Gemini, Codex→OpenAI, Qwen Code→Qwen, OpenCode→beliebig/OpenRouter, GitHub Copilot CLI→GitHub Models, Antigravity CLI→Gemini, Kimi CLI→any/OpenRouter, Grok Build CLI→any/OpenRouter.

Das CareerOps-Manifest

career-ops ist die erste Referenzimplementierung von dem CareerOps-Manifest — der Praxis, eine Jobsuche mit Evidenz, Disziplin und Werkzeugen auf der Seite des Kandidaten am Tisch zu betreiben. Lies es. Wenn es das sagt, woran du glaubst, unterzeichne es — deine Signatur wird zu einem Commit. Die App verlinkt darauf im Footer der Seitenleiste.

Die App selbst ist mit Coding-Agenten gebaut, nach Agentic Coding Design Patterns (ru) — ausführbare Guardrails, verpackte Workflows, ein Domain-Dictionary, ADRs und Workflow-Evals. Die Agentic Practices-Wiki-Seite prüft, welche Muster tatsächlich umgesetzt sind.

Einen KI-Coding-Assistenten installieren (für die übergeordnete career-ops-CLI)

career-ops läuft als Slash-Befehle innerhalb eines KI-Coding-Assistenten — installieren Sie einen und melden Sie sich an, bevor Sie fortfahren (der Quick Start des übergeordneten Projekts):

Assistent Installation web-ui-#/config-Anbieter
Claude Code code.claude.com → Claude Code Anthropic (ANTHROPIC_API_KEY)
Gemini CLI github.com/google-gemini/gemini-cli Gemini (GEMINI_API_KEY)
Codex github.com/openai/codex OpenAI (OPENAI_API_KEY)
Qwen Code github.com/QwenLM/qwen-code Qwen (QWEN_API_KEY)
OpenCode opencode.ai beliebig / OpenRouter (OPENROUTER_API_KEY)
GitHub Copilot CLI github.com/github/gh-copilot GitHub Models (GITHUB_MODELS_API_KEY)
Antigravity CLI antigravity.google Gemini (GEMINI_API_KEY)

Die web-ui ist die eigenständige Alternative — sie benötigt keine installierte CLI. Ihre ⚡ Run-live-Funktionen rufen die Anbieter-APIs direkt auf; setzen Sie irgendeinen Schlüssel in #/config (oder career-ops-ui init) und es funktioniert headless. Wenn Sie die CLI bevorzugen, führen Sie career-ops innerhalb des von Ihnen gewählten Assistenten aus und nutzen Sie die web-ui rein als Dashboard über dieselben Dateien.

In einem Befehl starten und initialisieren

Wichtig — career-ops-ui ist ein Dashboard auf Fighter90/career-ops. Es läuft innerhalb eines career-ops-Projekts als career-ops/web-ui/ und liest Ihre cv.md, config/, data/ aus dem übergeordneten Ordner über ../. Es funktioniert nicht eigenständig — Sie benötigen auch das übergeordnete career-ops-Repo. Klonen Sie es nicht allein und führen Sie init aus; nutzen Sie eine der beiden Optionen unten.

Option 1 — ein curl-Befehl (empfohlen: richtet alles ein)

curl -fsSL https://raw.githubusercontent.com/Fighter90/career-ops-ui/main/bin/setup.sh | bash

Klont beide Repos, richtet das Layout career-ops/web-ui/ ein, installiert Abhängigkeiten, führt den Doctor aus und startet den Server unter http://127.0.0.1:4317 — dann öffnet es das Dashboard.

Option 2 — die UI zu einem bestehenden career-ops-Projekt hinzufügen

Wenn Sie career-ops bereits konfiguriert haben und nur das Dashboard möchten, klonen Sie die UI darin als web-ui:

cd career-ops                                                   # ← your existing career-ops project
git clone https://github.com/Fighter90/career-ops-ui.git web-ui
cd web-ui
npm install
npx career-ops-ui init        # interactive: pick LLM provider + paste its key → parent career-ops/.env

Genau das verschachtelte web-ui/-Layout ermöglicht es der UI, Ihre ../cv.md, ../config/, ../data/ aufzulösen. Führen Sie npm link einmal aus, wenn Sie lieber das schlichte career-ops-ui <verb> statt npx career-ops-ui <verb> eingeben möchten.

Die CLI-Verben

career-ops-ui setup    # bootstrap: install deps → doctor → run (SKIP_START=1 to stop before run)
career-ops-ui init     # pick LLM provider + paste its key (interactive)
career-ops-ui doctor   # verify Node / project / keys / Playwright (exit 0 ⇔ all required green)
career-ops-ui run      # launch the server at http://127.0.0.1:4317
career-ops-ui open     # open + RAISE the dashboard tab in your browser
career-ops-ui help     # list every verb

Stellen Sie npx voran (z. B. npx career-ops-ui run), wenn Sie kein npm link ausgeführt haben. Nach setup/run öffnet sich der Tab und wird automatisch in den Vordergrund geholt; setzen Sie NO_OPEN=1, um das automatische Öffnen zu deaktivieren (headless / CI).

Wählen Sie Ihren LLM-Anbieter

init ist der Anbieter-Assistent — wählen Sie Claude / Claude Code (ANTHROPIC_API_KEY), Gemini / Gemini CLI (GEMINI_API_KEY), Codex / OpenCode CLI (OPENAI_API_KEY) oder Auto (Anthropic → Gemini als Fallback). Schlüssel werden mit unterdrückter Anzeige eingegeben und über denselben validierten Pfad wie die API-Schlüssel-Registerkarte in #/config in die übergeordnete career-ops/.env geschrieben. Nicht-interaktive Form für CI:

career-ops-ui init --provider claude --anthropic-key sk-ant-… --yes
career-ops-ui init --provider gemini --gemini-key …          --yes
career-ops-ui init --provider auto   --openai-key sk-…       --yes

Oder setzen Sie ihn von Hand: echo "ANTHROPIC_API_KEY=sk-ant-…" >> career-ops/.env. Der Anbieter setzt LLM_PROVIDER (auto | claude | gemini); ändern Sie ihn jederzeit unter #/config → API keys ohne Neustart.

Fehlerbehebung bei init

Wenn career-ops-ui init fehlschlägt oder der Befehl nicht gefunden wird (häufig direkt nach einem git pull):

cd career-ops/web-ui
npm install
npx career-ops-ui init        # npx runs the local bin even without `npm link`

Stellen Sie sicher:

  • Sie führen es innerhalb von career-ops/web-ui/ aus — nicht aus einem eigenständigen career-ops-ui/-Klon.
  • Der übergeordnete career-ops/-Ordner existiert und enthält cv.md und config/. Wenn Sie career-ops-ui allein geklont haben, verschieben Sie es (oder klonen Sie es neu), sodass es sich unter career-ops/web-ui/ befindet — oder führen Sie einfach den curl-Befehl aus Option 1 aus, der das Layout für Sie einrichtet.
  • career-ops-ui doctor (oder npx career-ops-ui doctor) gibt genau aus, was fehlt.

Warum?

career-ops ist ein leistungsstarkes, von Claude Code gesteuertes Jobsuche-System: JD einfügen → eine Passungsbewertung von 0-5, ein ATS-optimiertes PDF und einen Tracker-Eintrag erhalten. Es funktioniert großartig innerhalb von Claude Code, aber die Daten liegen verteilt über cv.md, data/applications.md, reports/*.md, data/pipeline.md, portals.yml, config/profile.yml — leicht zu verlieren, schwer zu überblicken.

career-ops-ui setzt eine ausgefeilte UI obendrauf:

  • Auto-pipeline — eine Job-URL auf #/auto einfügen, einmal klicken: validieren → abrufen → bewerten → Bericht speichern → zum Tracker hinzufügen, mit einem barrierefreien Live-Stepper und Deep-Links zu den Artefakten.
  • Durchsuchen Sie Tracker, Berichte und Pipeline wie ein CRM.
  • Auslösen von Scans (Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday und hh.ru / Habr Career / Trudvsem / GetMatch / GeekJob) und live SSE-Logs verfolgen.
  • Bewerten einer JD live über Anthropic (bevorzugt) oder Gemini, oder einen Copy-Paste-Prompt für Claude Code erhalten, wenn kein API-Schlüssel gesetzt ist.
  • Tiefenrecherche zu Unternehmen live über das Anthropic SDK, wobei CV-/Profil-/Modus-Dateien automatisch eingebettet werden.
  • Bearbeiten von cv.md mit Markdown-Vorschau nebeneinander und serverseitiger XSS-Bereinigung.
  • Warten des Systems: doctor, verify, normalize, dedup, merge — jeweils mit einem Klick.
  • Multi-CLI: wird identisch von Claude Code, Cursor, Codex, Cursor, Aider oder Gemini CLI gesteuert — CLAUDE.md / AGENTS.md / GEMINI.md-Shims verweisen auf eine einzige Quelle der Wahrheit.

Es sind reine Ergänzungen: Nichts innerhalb von career-ops/ ändert sich. Alle Ihre Anpassungen bleiben Ihre.


Schnellstart

1. Installieren Sie zuerst career-ops

git clone https://github.com/Fighter90/career-ops.git
cd career-ops

Folgen Sie dem career-ops onboarding, damit cv.md, config/profile.yml und portals.yml existieren.

2. Legen Sie career-ops-ui darin ab

git clone https://github.com/Fighter90/career-ops-ui.git web-ui

Ihr Baum sieht jetzt so aus:

career-ops/
├─ cv.md
├─ portals.yml
├─ config/
├─ data/
├─ modes/
├─ reports/
├─ scan.mjs … doctor.mjs … (etc)
└─ web-ui/                 ← this repo
   ├─ bin/start.sh
   ├─ package.json
   ├─ server/
   ├─ public/
   └─ tests/

3. Starten

bash web-ui/bin/start.sh

Das Skript:

  1. Prüft Node ≥ 18.
  2. npm install (nur beim ersten Start, drei Abhängigkeiten — Express + js-yaml + multer).
  3. Startet den Express-Server auf 127.0.0.1:4317.
  4. Öffnet http://127.0.0.1:4317/ in Ihrem Standardbrowser.

Benutzerdefinierter Port / Host:

PORT=8080 bash web-ui/bin/start.sh
HOST=0.0.0.0 PORT=4317 bash web-ui/bin/start.sh   # expose on LAN

Wenn Sie das Repo woanders geklont haben (nicht als career-ops/web-ui), verweisen Sie über eine Umgebungsvariable auf career-ops:

CAREER_OPS_ROOT=/path/to/career-ops bash bin/start.sh

Erster Start — sauberer Zustand

career-ops/data/pipeline.md wird mit zwei QA-Fixture-URLs ausgeliefert (example.com/qa-fixture-*), damit die Testsuite hermetisch laufen kann. Bei einem frischen Klon sehen Sie die Pipeline mit 2 pending — das sind keine echten Jobs. Entfernen Sie sie vor Ihrem ersten Scan:

make clean-test-fixtures        # removes pipeline.md fixture rows + qa-fixture-* applications.md rows
npm start

Öffnen Sie http://127.0.0.1:4317. Der Pipeline-Zähler sollte nun 0 pending anzeigen. Das Makefile ist idempotent — es erneut auf einem sauberen Baum auszuführen ist ein No-op.


Anforderungen

Node.js ≥ 18 (nutzt natives fetch, node:test)
career-ops Geklont und eingerichtet — siehe oben
Optional GEMINI_API_KEY in der .env des übergeordneten Projekts (kostenloses Modell gemini-2.0-flash) für die JD-Bewertung per Klick. Andernfalls gibt die UI einen Copy-Paste-Prompt für Claude zurück.
Optional Von einer russischen IP / einem VPN aus ausführen, wenn hh.ru 403 zurückgibt. Habr Career funktioniert unabhängig davon von jeder IP.
Optional Playwright (bereits eine transitive Abhängigkeit von career-ops) für die e2e-Testsuite.

Was Sie erhalten — nach Seite

Seite Was sie tut
Dashboard Aggregierte Zählungen (Bewerbungen / Pipeline / Berichte), Durchschnittsbewertung, Statusaufschlüsselung, letzte 5 Bewerbungen + letzter Bericht.
Scan 🌐 Einzelne Scan-Schaltfläche — führt jede aktivierte Quelle in einem Durchlauf aus (Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday für EN, hh.ru + Habr Career + Trudvsem + GetMatch + GeekJob für RU). Live SSE-Log-Streaming + anklickbare Ergebnistabelle mit Standort- / Remote-Hybrid-Badge / Umzugsflag / Gehalt / Quellenfiltern und dynamischen Stack- / Level- / Schlagwort-Chips. Die Active-Companies-Karte listet jedes verfolgte Board mit seinem API-Zustand auf.
Pipeline CRUD auf data/pipeline.md. Serverseitiger Vorschau-Proxy (SSRF-sicher, Weiterleitungsvalidierung pro Hop, 8-KB-Body-Limit). Springen Sie direkt von einer URL zur Bewertung.
Evaluate JD einfügen → Anthropic-first (bevorzugt, wenn beide Schlüssel vorhanden sind), dann Gemini, dann manueller Prompt-Fallback. Der Anthropic-Pfad bettet cv / profile / _shared.md / oferta.md automatisch ein (REVIEW-A1). JD-Speichern nach jds/ optional.
Deep research Dieselbe Fallback-Kette wie Evaluate. Live-Anthropic liefert ~10-30 KB fundiertes Markdown, gespeichert nach interview-prep/<company>-<role>.md.
Modes 7 generische Modus-Seiten (/#/project, /#/training, /#/followup, /#/batch, /#/contacto, /#/interview-prep, /#/patterns) mit demselben Anthropic / Gemini / manuellen Fallback.
Apply helper Generiert eine Einreichungs-Checkliste; das eigentliche Ausfüllen des Formulars per Playwright bleibt in /career-ops apply innerhalb von Claude Code.
Tracker Filterbare Tabelle über data/applications.md (Status, Score, Freitext). normalize-statuses.mjs / dedup-tracker.mjs / merge-tracker.mjs mit einem Klick. Pipe- + Zeilenumbruch-Escapes sind GFM-konform — Namen wie "Acme | Co" durchlaufen verlustfrei.
Reports Durchsuchen und Lesen jedes Berichts unter reports/ mit geparstem Header (Score / Legitimacy / URL).
CV Live-Markdown-Editor für cv.md mit Vorschau nebeneinander + cv-sync-check.mjs mit einem Klick + 📁 Upload CV. Serverseitige XSS-Bereinigung beim Speichern (<script>, javascript:, on*=-Handler).
Profile Schreibgeschützte Ansicht von config/profile.yml + Archetypen — UI-freundliche Zusammenfassung.
App settings UI-interner Editor für Schlüssel der übergeordneten .env: ANTHROPIC_API_KEY, GEMINI_API_KEY, Modell-Overrides, Port / Host. Geheimnisse beim Lesen maskiert.
Health Alle Setup-Prüfungen in OK / OPTIONAL / FAIL-Badges + Schaltflächen zum Ausführen von doctor.mjs und verify-pipeline.mjs.
Help In-App-Markdown-Benutzerhandbuch (/#/help), lokalisiert für alle 19 unterstützten Sprachen (en / es / fr / pt-BR / ko-KR / ja / ru / zh-CN / zh-TW / pl / uk / da / ar / de / it / tr / hi / ta / vi).
Activity log Prüfpfad jeder zustandsverändernden Anfrage (Schreibvorgänge, Ausführungen, Scans). Geheimnisse geschwärzt.
Notifications 🔔 (v1.58.34 / v1.58.35) Glocke in der oberen Leiste mit rotem Ungelesen-Badge. Klicken Sie, um eine einschiebbare Schublade mit den letzten 50 Toasts (pro Tab, pro Sitzung) einzublenden — Success / Error / Info-progress, jeweils mit einem lokalisierten Zeitstempel, der menschlichen Nachricht und jedem in ein <details> eingebetteten (METHOD /path · HTTP NNN)-Postfix. Help §18 dokumentiert jede Kategorie. Die Schublade öffnet sich nur beim Klick auf die Glocke (oder per Tastatur Enter / Space); schließt über ×, Esc oder erneutes Klicken auf die Glocke.
Karriereaufgaben #/tasks — ein persönliches Kanban-Board in der Gruppe Wachstum für Ihre eigene Karrierearbeit (Interview-Vorbereitung, Lernen, Networking), getrennt vom Bewerbungs-Tracker: die Spalten Backlog / In Progress / Done, in denen Ziehen die Statusänderung IST (ein einziger kanonischer API-Zug, optimistisch mit Rücksetzen), Tastatur ←/→ + Enter, ein Status-Dropdown pro Karte auf dem Handy, Schnellanlegen pro Spalte und ein Detaildialog (Notizen / Priorität / Tags). Lokal zuerst gespeichert in data/career-tasks.json.

Globale Tastenkürzel:

  • Ctrl+K / Cmd+K — die globale Suche fokussieren. Der Hinweis in der Fußzeile passt sich je Plattform an (⌘K auf macOS/iOS, Ctrl+K anderswo) mit dem lokalisierten Verb (v1.58.20).
  • Das Einfügen einer URL in die globale Suche fügt sie automatisch zur Pipeline hinzu.
  • Esc — schließt jedes geöffnete Modal oder die Benachrichtigungs-Schublade (v1.58.34).

Scan

Token-freies Portal-Scannen, das tatsächlich Stellen zurückliefert. Eine 🌐 Scan-Schaltfläche in der UI führt jede konfigurierte Quelle in einem einzigen Durchlauf aus:

  • Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday — öffentliche boards-api für jedes Unternehmen in portals.yml::tracked_companies mit einem erkennbaren ATS-Muster. Die mitgelieferte Liste umfasst Stripe, GitLab, Vercel, Cloudflare, Datadog, Discord, Elastic, Grafana Labs, CockroachDB, Fastly, Twilio, Coinbase, Reddit, Robinhood, Affirm, Lyft, Linear, Supabase, PostHog, Ramp, Modal Labs, Railway, Browserbase, JetBrains — beliebig erweitern oder kürzen.
  • RSS-Boards — jedes Job-Board, das einen RSS/Atom-Feed bereitstellt (LaraJobs, WeWorkRemotely, RemoteOK, golangprojects, …). Fügen Sie provider: rss + die Feed-URL zu portals.yml hinzu — keine Codeänderungen erforderlich.
  • Aggregator-Boards (v1.75.0) — sieben board-weite / konfigurationsgesteuerte Quellen jenseits der ATS-Systeme pro Unternehmen: RemoteOK / Remotive / Working Nomads (board-weite Remote-Feeds, mit provider: remoteok|remotive|workingnomads auswählen) und IBM / Arbeitsagentur / Glints / Jobstreet · SEEK (konfigurationsgesteuert, jeweils mit einem <provider>:-Block pro Eintrag). Siehe docs/portals-examples.md für Copy-Paste-tracked_companies-Einträge. Sie durchlaufen denselben title_filter / location_filter / content_filter + Dedup + Pipeline-Append-Fluss wie jede andere Quelle.
  • Telegram-Kanäle (v1.228.0) — jeder öffentliche Kanal, aufgelistet in einem telegram_channels:-Block und aus seiner t.me/s/<Kanal>-Vorschau gelesen: ohne Bot-Token, ohne API-Schlüssel. Telegram veröffentlicht kein RSS, und die Bot-API liest keinen Kanal, den Ihr Bot nicht administriert — die Vorschau ist der einzige Weg. Ein Beitrag ist Prosa, kein Stellendatensatz: Der Titel kommt aus der ersten inhaltlichen Zeile, Firma und Ort nur aus ausdrücklichen Labels, und echte Stellen von Werbung zu trennen ist Aufgabe Ihres title_filter.
  • hh.ru — HTML-Scrape von hh.ru/search/vacancy. Funktioniert von jeder IP, kein Schlüssel, kein Proxy. (Die JSON-API api.hh.ru wird nicht verwendet — sie gibt nun jedem programmatischen Client ungeachtet der IP/User-Agent ein 403 zurück; die Website liefert vollständige Ergebnisse an jeden browserähnlichen Client, also scrapen wir diese, genauso wie Habr Career gescrapt wird.)
  • Habr Career — HTML-Scrape von career.habr.com/vacancies. Funktioniert von jeder IP, keine Authentifizierung.

RSS-Adapter

Richten Sie den Scanner auf jedes RSS-basierte Job-Board aus, indem Sie einen Eintrag mit provider: rss und einem rss:- (oder feed_url:-)Schlüssel zu portals.yml hinzufügen:

tracked_companies:
  - name: LaraJobs
    provider: rss
    rss: https://larajobs.com/feed
    enabled: true
  - name: WeWorkRemotely
    provider: rss
    rss: https://weworkremotely.com/remote-jobs.rss
    enabled: true

Der Adapter parst <item>-Blöcke mit einem winzigen regex-basierten Parser (keine XML-Bibliothek erforderlich). Er extrahiert title, link (→ url), pubDate (→ date) und description (→ snippet, HTML entfernt). Der Remote-Status wird aus /remote|anywhere/i im Titel oder in der Beschreibung abgeleitet; der Firmenname wird aus dc:creator, einem Titelmuster „Company — Role“ oder dem Feed-Hostnamen als Fallback gezogen. Es gilt derselbe Normalize → Filter → Dedup → Pipeline-Append-Fluss wie bei ATS-Adaptern.

Alle Quellen durchlaufen dieselbe Pipeline: Normalize → Filter (title_filter.positive / title_filter.negative) → Dedup gegen data/scan-history.tsv + data/pipeline.md + data/applications.md → Anhängen an data/pipeline.md → vollständige Ergebnismenge nach data/last-scan.json für die filterbare Tabelle der UI speichern.

Konfigurieren über portals.yml:

title_filter:
  positive: [backend, engineer, senior, tech lead, golang, php]
  negative: [junior, intern, frontend, ios, android]
tracked_companies:
  - { name: Stripe, enabled: true, careers_url: https://job-boards.greenhouse.io/stripe }
  - { name: Linear, enabled: true, careers_url: https://jobs.ashbyhq.com/linear }
  # ...
russian_portals:
  sources: ["hh", "habr"]   # one or both
  area: 113                  # 1=Moscow, 2=SPb, 113=Russia, 1001=remote
  per_page: 50
  only_remote: false
  queries: ["Senior PHP", "Senior Go", "Tech Lead"]

Alle Quellen fließen durch einen einzigen SSE-Endpunkt: /api/stream/scan?source=ats|regional|both. Die 🌐 Scan-UI-Schaltfläche ruft source=both auf, sodass jeder Adapter (Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday + hh.ru + Habr Career + Trudvsem + GetMatch + GeekJob) in einer Verbindung läuft. Beachtet AbortSignal bei Client-Trennung — keine verwaisten Fetches.


Architektur

career-ops-ui/
├─ CLAUDE.md                 # project-level agent instructions (canonical)
├─ AGENTS.md                 # Codex / Aider / generic CLI shim → CLAUDE.md
├─ GEMINI.md                 # Gemini CLI shim → CLAUDE.md
├─ .aiignore                 # exclusion list for AI tools
├─ .claude/                  # Claude Code agent config
│  ├─ agents/                # 3 project-specific subagents (route, view, test isolation)
│  └─ commands/               # slash-command stubs
├─ bin/start.sh              # one-shot launcher (Node check → npm install → server → open browser)
├─ package.json              # 2 runtime deps: express, js-yaml
├─ server/
│  ├─ index.mjs              # ~130 LOC orchestrator: middleware + 37 register<Topic>Routes(app) calls + SPA catch-all
│  └─ lib/
│     ├─ paths.mjs           # absolute paths to career-ops files (CAREER_OPS_ROOT aware)
│     ├─ parsers.mjs         # markdown / pipeline / report parsers (GFM-compliant pipe escapes)
│     ├─ runner.mjs          # runNodeScript() + streamNodeScript() with SIGTERM→SIGKILL escalation + 30 min cap
│     ├─ security.mjs        # isValidJobUrl, stripDangerousMarkdown, sanitizeJobDescription, isPubliclyExposed
│     ├─ prompts.mjs         # bundleProjectContext, buildEvaluationPrompt, buildDeepPrompt, buildModePrompt
│     ├─ store.mjs           # safeReadApps/Pipeline/Reports, checkProfileCustomized, ensureRussianPortalsDefaults
│     ├─ anthropic.mjs       # minimal Anthropic SDK adapter (runAnthropic, hasAnthropicKey, hasGeminiKey)
│     ├─ env-config.mjs      # .env round-trip with secret masking + validation
│     ├─ activity-log.mjs    # JSONL audit trail middleware (secrets redacted)
│     ├─ dotenv.mjs          # tiny dotenv loader
│     ├─ en-scanner.mjs      # in-process Greenhouse/Ashby/Lever orchestrator (AbortSignal aware)
│     ├─ ru-scanner.mjs      # in-process hh.ru + Habr orchestrator (AbortSignal aware)
│     ├─ sources/
│     │  ├─ greenhouse.mjs   # boards-api.greenhouse.io client
│     │  ├─ ashby.mjs        # api.ashbyhq.com client
│     │  ├─ lever.mjs        # api.lever.co client
│     │  ├─ hh.mjs           # hh.ru/search/vacancy HTML scraper (paginated, UA-aware)
│     │  └─ habr.mjs         # career.habr.com HTML parser (no cheerio, regex only)
│     └─ routes/             # 39 route modules — one per topic (P-2)
│        ├─ activity.mjs     # /api/activity
│        ├─ config.mjs       # /api/config (parent .env round-trip)
│        ├─ content.mjs      # /api/cv, /api/profile, /api/portals, /api/modes
│        ├─ health.mjs       # /api/health, /api/dashboard
│        ├─ help.mjs         # /api/help/:lang
│        ├─ jds.mjs          # /api/jds CRUD
│        ├─ llm.mjs          # /api/evaluate, /api/deep, /api/mode/:slug, /api/apply-helper, /api/interview-prep*
│        ├─ pipeline.mjs     # /api/pipeline + SSRF-safe preview proxy
│        ├─ reports.mjs      # /api/reports
│        ├─ runners.mjs      # /api/run/* + /api/stream/{scan,liveness,pdf} + /api/output/pdfs
│        ├─ scan.mjs         # /api/stream/scan-{ru,en} + /api/scan-results
│        └─ tracker.mjs      # /api/tracker
├─ public/                   # static SPA — no build step
│  ├─ index.html
│  ├─ css/app.css            # design tokens (docs-style palette)
│  └─ js/
│     ├─ api.js              # fetch wrapper + connection-banner state + UI helpers + safe markdown renderer
│     ├─ router.js           # hash-based router with 404 fallback + alias support
│     ├─ app.js              # boot + global keyboard handlers + mobile sidebar drawer
│     ├─ lib/{i18n,skills}.js
│     └─ views/              # one file per page (dashboard, scan, pipeline, evaluate, deep, apply, tracker, reports, cv, settings, health, config, help, activity, mode-page)
├─ docs/                     # public reference: architecture, API, data-flows, SDD, conventions, reviews
│  ├─ PROJECT.md             # what / why / for-whom
│  ├─ ROADMAP.md             # current milestone + completed history
│  ├─ PRODUCTION-READINESS.md # honest deployment-gate assessment
│  ├─ sdd/{SDD-GUIDE,CONVENTIONS}.md
│  ├─ architecture/{OVERVIEW,SERVER,FRONTEND,API,DATA-FLOWS}.md
│  └─ reviews/REVIEW-*.md
└─ tests/                    # 7243 unit + 176 Playwright + 23/23 e2e:full + 21 e2e:smoke (baseline @ v1.267.2)
   ├─ parsers.test.mjs       # markdown / pipeline / report parsers (pure functions)
   ├─ api.test.mjs           # every endpoint, ephemeral server, no network
   ├─ {ru,en}-scanner.test.mjs   # mocked fetch
   ├─ pipeline-preview.test.mjs   # per-hop redirect validation (REVIEW-B1)
   ├─ anthropic.test.mjs     # SDK adapter + log-guard test (REVIEW-B4)
   ├─ url-validation.test.mjs    # SSRF reject sweep (FIX-M3 + M6 + M7)
   ├─ cv-xss.test.mjs        # stripDangerousMarkdown round-trip
   ├─ jd-sanitize.test.mjs   # sanitizeJobDescription
   ├─ help.test.mjs / help-ui.test.mjs    # i18n parity across all 19 locales
   ├─ playwright-smoke.mjs   # 22 browser flows (CV save, tracker, pipeline, evaluate, config, etc.)
   └─ e2e{,-comprehensive}.mjs   # full Playwright walkthrough

Warum kein Build-Schritt?

Reines HTML/CSS/JS hält die Angriffsfläche winzig: ein npm install von zwei Abhängigkeiten und schon läuft es. Kein Webpack, kein Vite, kein „node_modules of doom“. Die gesamte UI ist < 30 KB minifiziert. Wenn Sie während der Entwicklung Hot-Reload möchten, nutzt npm run dev das eingebaute --watch von Node.

Spec-Driven Development

Nicht-triviale Änderungen durchlaufen die GSD-Pipeline (gsd-*-Skills aus superpowers@claude-plugins-official):

discuss → spec → plan → execute → verify → review

Öffentliche Referenz: docs/sdd/SDD-GUIDE.md. Alle Planungsartefakte liegen unter .planning/ (gitignored). Der docs/-Baum ist der langlebige öffentliche Vertrag.


API-Referenz

Alle Endpunkte unter /api/*. JSON rein / JSON raus, sofern nicht anders angegeben.

Health & Dashboard

Methode Pfad Antwort
GET /api/health { ok, warnings, version, parentVersion, checks: [{name, ok, required, value?}] }
GET /api/dashboard { counts, avgScore, byStatus, recent, pipeline, lastReport }
GET /api/status/providers { activeProvider, activeModel, keysConfigured } — LLM-Bereitschaft für das Onboarding-Banner + ⚡ Kostenhinweis (v1.55.3); enthält openrouter (v1.57.0)
GET /api/openrouter/models { models:[{id,name,context_length}], fallback, cached } — OpenRouter-Katalog-Proxy für das Modell-Dropdown in #/config (v1.57.0)
GET /api/activity?limit&type Ende des Prüfpfads data/activity.jsonl
GET /api/help/:lang lokalisiertes In-App-Benutzerhandbuch (Fallback: en.md)

App settings (Round-Trip der übergeordneten .env)

Methode Pfad Zweck
GET /api/config bekannte Env-Schlüssel mit maskierten Geheimnissen
POST /api/config validieren + übergeordnete .env schreiben; wird direkt auf process.env angewendet

Datendateien

Methode Pfad Zweck
GET /api/tracker { rows: [parsed applications.md] }
POST /api/tracker Body { company, role, score?, status?, url?, notes?, date? } — dedup-fähig (Groß-/Kleinschreibung ignorierend bei Company + Role)
GET /api/pipeline { urls: [...] }
POST /api/pipeline Body { url } → fügt zu data/pipeline.md hinzu mit Dedup + isValidJobUrl
GET /api/pipeline/preview?url=… serverseitiger Fetch-Proxy (SSRF-Prüfung pro Hop, ≤3 Weiterleitungen, 8-KB-Limit)
DELETE /api/pipeline?url=… entfernt eine URL
GET /api/reports geparste Liste von reports/*.md
GET /api/reports/:slug vollständiges Markdown + geparster Header
GET /api/jds Liste der gespeicherten JD-Dateien
GET /api/jds/:name text/plain — rohe JD
POST /api/jds Body { text, slug? } → speichert nach jds/
DELETE /api/jds/:name unlink (.txt-Endung erforderlich)
GET /api/cv { markdown }
PUT /api/cv Body { markdown } → schreibt cv.md (XSS-bereinigt, ≤1 MB)
GET /api/profile { profile: yaml-parsed, raw: text }
GET /api/portals { portals: yaml-parsed, raw: text }
GET /api/modes Liste der Modus-Dateien
GET /api/modes/:name text/plain — roher Modus-Prompt
GET /api/output/pdfs Liste der generierten PDFs
GET /api/output/pdfs/:name Download (Content-Disposition: attachment)
GET /api/interview-prep Liste der gespeicherten Tiefenrecherche-Dateien
GET /api/interview-prep/:name { name, markdown }
DELETE /api/interview-prep/:name unlink (.md-Endung erforderlich)

Skript-Runner (gepuffert, einmalig)

Methode Pfad Kapselt
POST /api/run/doctor node doctor.mjs
POST /api/run/verify node verify-pipeline.mjs
POST /api/run/normalize node normalize-statuses.mjs
POST /api/run/dedup node dedup-tracker.mjs
POST /api/run/merge node merge-tracker.mjs
POST /api/run/sync-check node cv-sync-check.mjs

Alle gepufferten Läufe sind bei 60 s gedeckelt; SIGTERM → SIGKILL-Eskalation nach einer 5-s-Karenzzeit.

Streams (SSE)

Methode Pfad Streamt
GET /api/stream/scan Legacy node scan.mjs (Subprozess)
GET /api/stream/scan?source=ats|regional|both konsolidierter In-Process-Scanner-SSE — Query: dryRun=1, company=… (nur ATS).
GET /api/stream/liveness node check-liveness.mjs
GET /api/stream/pdf node generate-pdf.mjs

SSE-Ereignistypen:

event: start    data: { script, args?, writeFiles? }
event: log      data: { stream: "stdout"|"stderr", line: string }
event: done     data: { code, counts?, errors? }
event: error    data: { message }

LLM-Endpunkte (Anthropic-first → Gemini → manueller Fallback)

Methode Pfad Zweck
POST /api/evaluate Body { jd, save? } → JD-Bewertung (Abschnitte A–G gemäß oferta.md)
POST /api/evaluate/test-gemini Smoke-Test GEMINI_API_KEY
POST /api/evaluate/test-anthropic Smoke-Test ANTHROPIC_API_KEY
POST /api/deep Body { company, role?, run? } → Tiefenrecherche-Prompt oder fundiertes Live-Markdown
POST /api/mode/:slug generischer Modus-Runner; Allowlist: batch, contacto, followup, interview-prep, patterns, project, training
POST /api/apply-helper Body { url, jd? } → Bewerbungs-Checkliste
GET /api/scan-results { en: {when, fresh[], filtered[], errors[]}, ru: { ... } } — letzter Scan
GET /api/scan/regional/config effektive Konfiguration des Regional-Scanners (Queries, Negatives, Quellen).

Wenn run: true bei /api/deep oder /api/mode/:slug gesetzt ist, bevorzugt der Server Anthropic (wenn beide Schlüssel vorhanden sind), bettet cv.md + config/profile.yml + modes/_shared.md + die relevante Modus-Vorlage in einen <project_context>-Block ein und gibt das fundierte Markdown des Modells direkt zurück. Soft-Cap: 200 KB auf dem zusammengesetzten Prompt — Überlauf gibt 413 zurück.


Tests

npm test                       # 7243 unit/integration tests
npm run test:e2e               # 21 smoke e2e (boots own server)
npm run test:e2e:full          # 23 comprehensive e2e
npm run test:e2e:browser       # 176 Playwright browser (smoke + full-cycle + forms + locale-sweep ×19 + theme)
npm run test:coverage          # same as `npm test` plus V8 coverage
Suite Tests Was
node --test tests/*.test.mjs (unit + integration) 7243 Jeder Endpunkt, ephemerer Server, kein Netzwerk. 329 Dateien: Parser, Scanner (gemockt), Runner, anthropic/openai, Security-Header, XSS, JD-Sanitize, URL-Validierung, i18n-Parität, + die UX-Fix-Suites v1.55→v1.56.
tests/e2e.mjs (smoke) 21 Playwright headless: jede Route rendert, grundlegende Flows.
tests/e2e-comprehensive.mjs 23 Vollständiger Playwright-Durchlauf: 11 Routen + 12 funktionale Flows.
npm run test:e2e:browser (playwright-smoke + playwright-full-cycle + playwright-forms + playwright-locale-sweep) 176 Browsergesteuert: Dashboard-Rendering, Navigation, Sprachwechsel, 404, Health, Tracker-Round-Trip, Pipeline-Add + Invalid-URL-Sweep, Reports, Evaluate-Manual-Fallback, Config-Keys maskiert, CV-PUT-XSS-Strip, Pipeline-Preview 400, Auto-Pipeline-SSE.
Gesamt (alle vier Suites) 7316 0 Fehler, 0 Flakes

Abdeckung: ~93 % Zeilen / ~83 % Zweige über --experimental-test-coverage.

Parser sind reine Funktionen (kein I/O) — getestet gegen echte Datenfragmente aus applications.md, pipeline.md und reports/*.md. Die API-Tests booten die Express-App auf einem ephemeren Port und üben jeden Endpunkt end-to-end. Scanner-Tests mocken fetch, sodass sie auch dann bestehen, wenn hh.ru Ihre IP blockiert. Der Playwright-Browser-Smoke läuft gegen den In-Process-Server und löst Playwright über die node_modules des übergeordneten Projekts auf — keine neue Abhängigkeit in web-ui/.

CI führt die Unit- + e2e- + Playwright-Matrix bei jedem Push nach main gegen Node 18 / 20 / 22 aus.


Konfiguration

Umgebungsvariablen (beim Serverstart gelesen, alle optional außer wo angegeben):

Var Standard Zweck
PORT 4317 Express-Bind-Port
HOST 127.0.0.1 Express-Bind-Host. CSP wird angehängt, wenn nicht-loopback; Auth-Gate für v2.0.0 geplant.
CAREER_OPS_ROOT .. from script Wo cv.md, data/, portals.yml, modes/ usw. zu finden sind.
ANTHROPIC_API_KEY unset Aktiviert den Live-Modus von /api/evaluate, /api/deep, /api/mode/:slug (bevorzugt, wenn beide Schlüssel gesetzt sind).
ANTHROPIC_MODEL claude-sonnet-4-6 Anthropic-Modell überschreiben.
GEMINI_API_KEY unset An gemini-eval.mjs weitergereicht und als Fallback für /api/evaluate genutzt.
GEMINI_MODEL gemini-2.0-flash Gemini-Modell überschreiben.
OPENAI_API_KEY unset Headless-Live-Eval (3. in der auto-Reihenfolge) + übergeordneter Codex/OpenAI-CLI-Fluss.
OPENAI_MODEL gpt-5-codex OpenAI-Modell überschreiben.
QWEN_API_KEY unset Headless-Live-Eval über DashScope OpenAI-kompatibel (4. in der auto-Reihenfolge).
QWEN_MODEL qwen-max Qwen-Modell überschreiben.
OPENROUTER_API_KEY unset Headless-Live-Eval über OpenRouter — ein Schlüssel, 300+ Modelle (5./letzter in auto).
OPENROUTER_MODEL openrouter/auto vendor/model-ID. Katalog live geladen aus GET /api/openrouter/models.

portals.yml-Erweiterung, die von dieser UI erkannt wird (zu Ihrer bestehenden Datei im übergeordneten Projekt hinzufügen):

russian_portals:
  sources: ["hh", "habr"]
  area: 113          # hh.ru area id
  per_page: 50
  only_remote: false
  queries: ["Senior PHP", "Тимлид Go", ...]

Sie können auch jeden Unternehmenseintrag mit einer expliziten api:-URL erweitern. Siehe docs/portals-examples.md (in diesem Repo) für einsatzbereite Blöcke für 24 verifizierte Unternehmen.


Sicherheitshinweise

  • Der Server bindet standardmäßig an 127.0.0.1 — niemals ohne explizites HOST=0.0.0.0 ins Internet exponiert.
  • Pfad-Bereinigung (v1.21.0): Jeder Routen-Parameter :name / :slug durchläuft sanitizePathName() in server/lib/security.mjs — entfernt Nicht-[\w-.], verwirft führende Punkt-Folgen, kollabiert interne Punkt-Folgen, deckelt bei 200 Zeichen, leer → 400. Ersetzt 10 duplizierte Regex-Kopien, die zuvor ..pdf / ....md durchgelassen haben.
  • DNS-Rebind-Abwehr (v1.21.0): /api/pipeline/preview und /api/auto-pipeline leiten über server/lib/safe-fetch.mjs::safeGet — ein DNS-Lookup, gepinnte TCP-Verbindung, SNI/Host auf den ursprünglichen Hostnamen ausgerichtet. Kein zweiter Lookup, kein TOCTOU-Fenster.
  • Concurrent-Write-Mutex (v1.21.0): tracker.mjs, pipeline.mjs (POST + DELETE) und der Tracker-Schritt von auto-pipeline.mjs kapseln Read-Modify-Write in withFileLock(path, fn) aus server/lib/file-lock.mjs. Nebenläufige POSTs verlieren keine Zeilen mehr.
  • LLM-Rate-Limit (v1.21.0): /api/evaluate, /api/deep, /api/mode/:slug, /api/auto-pipeline tragen llmRateLimit aus server/lib/rate-limit.mjs. No-op auf Loopback; 10 Anfragen/Min/IP bei HOST=0.0.0.0. Konfigurierbar über LLM_RATE_LIMIT="N/Ws". 429 + Retry-After.
  • CV-XSS-Strip (Härtung v1.22.0): stripDangerousMarkdown ist nun entity-aware — dekodiert &lt;, &gt;, &#NN;, &#xHH; vor dem Regex-Strip, sodass &lt;script&gt;- und java&#115;cript:-Payloads nicht umgangen werden können.
  • Subprozess-Aufrufe nutzen spawn mit Arg-Arrays — niemals Shell-Interpolation. Der bash-Runner nutzt --noprofile --norc, um ~/.bashrc zu ignorieren.
  • Streaming-Endpunkte beenden den Kindprozess bei Client-Trennung (keine verwaisten Scanner).
  • Schreib-Endpunkte berühren nur bekannte career-ops-Pfade: data/, jds/, cv.md, config/, portals.yml, output/, reports/, interview-prep/, modes/_profile.md. Niemals irgendwo sonst.
  • Das Verbindungsbanner pingt /api/health mit exponentiellem Backoff (3 s → 6 s → 12 s → 24 s → 60 s), solange getrennt, und löscht sich bei Wiederherstellung automatisch (v1.22.0 M-6).

Einschränkungen

Die vollständig LLM-gesteuerten Modi (oferta, deep, contacto, apply, batch, patterns, followup) benötigen ein LLM, um tatsächlich zu laufen. Die Web-UI löst einen Anbieter aus der auto-Reihenfolge Anthropic → Gemini → OpenAI → Qwen → OpenRouter → GitHub Models → Hermes auf (oder was auch immer LLM_PROVIDER festlegt):

  1. Anthropic (bevorzugt) — setzen Sie ANTHROPIC_API_KEY in der .env des übergeordneten Projekts. Leitet über runAnthropic mit automatisch eingebettetem cv.md / config/profile.yml / modes/_shared.md / Modus-Vorlage (REVIEW-A1). Live verifiziert in v1.8.0+ mit claude-sonnet-4-6, das 26 KB fundiertes Markdown für einen Tiefenrecherche-Aufruf zurückgibt.
  2. gemini-eval.mjs als Fallback — funktioniert out of the box, wenn nur GEMINI_API_KEY gesetzt ist.
  3. OpenAI / Qwen / OpenRouter — abhängigkeitsfreie OpenAI-kompatible Clients (der _tailProvider()-Pfad). OpenRouter (v1.57.0) ist am flexibelsten: ein OPENROUTER_API_KEY steht vor 300+ Modellen jedes großen Labors, und das Modell-Dropdown in #/config wird live aus GET /api/openrouter/models befüllt (serverseitiger Proxy, CSP-sicher, kuratierter Offline-Fallback).
  4. Copy-Paste-Prompt — wenn kein Schlüssel gesetzt ist, generiert die UI einen fertigen Prompt, formatiert für Claude Code / ChatGPT / Gemini Web.

Der bestehende /career-ops apply-Playwright-Formular-Ausfüllfluss innerhalb von Claude Code bleibt die einzige Möglichkeit, Bewerbungsformulare wirklich automatisch auszufüllen — der Apply helper der UI generiert stattdessen eine Checkliste.

Für die Bewertung der Produktionsreife (Deployment-Gates, Risikoregister, aufgeschobene Arbeit) siehe docs/PRODUCTION-READINESS.md. Kurzfassung: bereit für Single-Tenant-Loopback; die LAN-Exposition wartet auf das v2.0-P-12-Auth-Gate.


Den ganzen Stack in der Cloud betreiben

career-ops ist am besten immer an — scannt, während du schläfst, aus jedem Browser erreichbar. Um den ganzen Stack auf einen kleinen Server zu legen — die übergeordnete career-ops-Pipeline, diesen career-ops-ui-Viewer und die Engine, die die KI ausführt (dein Claude-Abo über die Claude-Code-CLI, ein lokales Hermes-Gateway oder Provider-API-Schlüssel) — richte einen VPS ein (Node ≥ 18), installiere das Parent + dieses Repo, wähle deine Engine und stelle den Viewer hinter einen HTTPS-Reverse-Proxy mit Authentifizierung, während die Sicherheits-Invarianten (CSP, SSRF-Guard, XSS-Grenze, keine Secrets in Logs) intakt bleiben.

📖 Die integrierte Hilfe §31 („Den ganzen Stack in der Cloud betreiben“) führt Schritt für Schritt in allen 19 Sprachen; die Betreiber-Checkliste ist docs/integrations/HERMES.md, und die Cloud-Deployment-Wiki-Seite enthält die Referenztabellen.


Hermes-Agent + Telegram

Der Hermes-Agent von Nous Research ist ein offener, autonomer Agent (Tool-Calling, Skills, über 20 Messaging-Kanäle). Sie können career-ops-ui auf einem Cloud-Server betreiben und seine Ereignisse — ein abgeschlossener Scan, ein neuer Report, ein dringendes Follow-up — per Telegram über einen Hermes-Agenten weiterleiten, sodass die Pipeline Sie dort erreicht, wo Sie ohnehin schon sind.

Jetzt angebunden (v1.151.0). Hermes als LLM-Provider ist live: Betreiben Sie seinen OpenAI-kompatiblen API Server (hermes gateway) und setzen Sie HERMES_API_KEY in den App-Einstellungen — career-ops-ui führt seine Live-Auswertungen dann über Ihr lokales Hermes aus (zuletzt in der auto-Reihenfolge). Das Cloud-Server-Deployment und die Telegram-Brücke unten bleiben Betreiber-Anleitung; eine hermes-bridge-Skill führt hindurch (Secrets berühren nie Festplatte oder Logs; die SSRF-/CSP-/No-Secrets-Invarianten überstehen den Umzug von 127.0.0.1).

📖 Vollständige Anleitung: docs/integrations/HERMES.md — die beiden Integrationsformen, Cloud-Server-Deployment (Reverse Proxy + HTTPS + systemd), Telegram-via-Hermes und die Threat-Model-Liste „was NICHT offengelegt werden darf".


Lokalisierung

Die UI wird mit 19 Sprachen ausgeliefert — en, es, fr, pt-BR, ko, ja, ru, zh-CN, zh-TW, pl, uk, da, ar, de, it, tr, hi, ta, vi. Seit v1.60.0 (I18N-SPLIT) liegen die Übersetzungen eine Datei pro Sprache unter public/js/lib/locales/ — i18n-dict.<lang>.js, jede eine flache key → string-Tabelle — plus eine gemeinsame i18n-dict.aliases.js. i18n-dict.js fügt sie zu window.__I18N_DICT zusammen; i18n.js löst t('key', 'fallback') auf. Kein Build-Schritt, kein Laufzeit-Fetch — ein Übersetzer bearbeitet eine einzelne Sprachdatei isoliert.

Eine Zeichenkette hinzufügen oder ändern:

// public/js/lib/locales/i18n-dict.en.js   →   'scan.newButton': 'Run scan',
// public/js/lib/locales/i18n-dict.es.js   →   'scan.newButton': 'Ejecutar búsqueda',
// …add the same key to all 19 locale files (parity is gated)

Verwenden Sie sie dann über data-i18n="scan.newButton" im Markup oder t('scan.newButton') im JS und führen Sie npm test aus. Um eine brandneue Sprache hinzuzufügen, registrieren Sie sie in i18n.js (LANGS + detect()), im Assembler, in index.html und im Locale-aufzählenden Tooling.

📖 Vollständige Anleitung: docs/LOCALIZATION.md — das Layout pro Sprache, der @alias-Mechanismus, das schrittweise Hinzufügen einer neuen Sprache und jedes i18n-CI-Gate.


📘 Wie dieses Repo mit Agenten gebaut wird

Der Großteil dieses Projekts wird mit Coding-Agenten geschrieben. Das ist eine Praxis mit eigenen Fehlermodi, daher wird sie bewusst betrieben — nach den Agentic Coding Design Patterns von Kirill Mokevnin (russische Ausgabe). Die unten aufgeführten Dateien sind diese Praxis in konkreter Form. Keine von ihnen beeinflusst die laufende App — sie existieren, damit eine neue Sitzung dort weitermacht, wo die letzte aufgehört hat, statt dieselben Dinge erneut herzuleiten, erneut zu entscheiden und erneut kaputtzumachen.

Datei Was sie ist Wann man sie liest
CONTEXT.md Fachbegriffs-Wörterbuch: ein akzeptierter Name pro Konzept, mit den abgelehnten Varianten als nicht verwenden markiert. Zuerst. Sie klärt die Verwechslungen, die dieses Repo tatsächlich kosten — source vs. adapter (123 vs. 118, und warum beide richtig sind), mirror vs. relay, telegram vs. telegram-channel.
PROGRESS.md Arbeitsstand: was erledigt ist, der nächste Schritt, bekannte Probleme und verworfene Ansätze. Zu Beginn jeder Sitzung. Git zeigt, was sich geändert hat; hier steht, wo die Arbeit steht und was bereits versucht und verworfen wurde.
docs/adr/ Nummerierte Entscheidungsprotokolle — Kontext, Entscheidung, Konsequenzen und was uns dazu bringen würde, sie zu überdenken. Bevor etwas geändert wird, das ein Protokoll abdeckt. Das Protokoll entscheidet, nicht das aktuelle Release.
CLAUDE.md Ein Index auf einem Bildschirm, der auf die drei oben genannten verweist. Automatisch, durch den Agenten. Bewusst keine Wissensdatenbank — eine lange wird überflogen und dann ignoriert.
evals/workflow/ Ein fester Aufgabensatz mit Bewertern, die das Verhalten der Pipeline prüfen, nicht das des Produkts. Vor und nach dem Ändern eines Skills, eines Prompts oder eines Tools.
.claude/skills/ Verpackte Workflows. parent-sync führt ein komplettes Paritäts-Release in neun abgesicherten Phasen aus. Anstatt ein Release zu improvisieren.
.githooks/pre-commit Ausführbare Leitplanken — ein deterministischer Boden, der hart fehlschlägt, plus eine beratende KI-Schicht, die nie blockiert. Sie läuft von selbst.

Verwendung

Die Dokumente brauchen kein Setup — sie sind reines Markdown, gelesen von Ihnen und vom Agenten. Zwei Dinge sind verdrahtet und wissenswert:

# Leitplanken: Repo-eigene Hooks, sodass die Prüfungen für alle gelten, nicht nur für Ihre Maschine.
git config core.hooksPath .githooks

# Workflow-Evals: bewerten den Repo-Zustand gegen die Regeln in docs/adr/ und PROGRESS.md.
node evals/workflow/run.mjs              # alle Bewerter
node evals/workflow/run.mjs --task qa-prompt-mandatory

Jeder Bewerter in evals/workflow/tasks.yml entspricht einem Fehler, der einmal ausgeliefert wurde — eine zerstörte historische Zuschreibung, ein Site-Build, der mitten im Fan-out lief, ein verpasstes No-Port. Ergebnis und Verlauf werden getrennt bewertet, und ein Bewerter, der aus dem Repository heraus nicht entschieden werden kann, meldet SKIP, statt stillschweigend zu bestehen: eine Prüfung, die nicht laufen kann, darf niemals als grün gelten.

Sie aktuell halten

Ein veraltetes Wörterbuch ist schlimmer als gar keines, daher ist die Arbeit, diese zu schreiben, Teil des Release selbst — parent-sync Phase 0 lädt sie, und Phase 8 leitet das Gelernte zurück in sie. Fügen Sie CONTEXT.md einen Begriff im selben Commit hinzu, der das Konzept einführt; eröffnen Sie ein ADR, wenn eine Entscheidung in sechs Monaten willkürlich aussehen würde; dokumentieren Sie einen verworfenen Ansatz in PROGRESS.md in dem Moment, in dem er verworfen wird.

Welche Muster aus dem Buch hier tatsächlich umgesetzt sind — und welche nicht — wird auf der Wiki-Seite Agentic Practices geprüft.

Mitwirken

Issues und PRs willkommen. Hausregeln:

  • Führen Sie npm test vor dem Pushen aus — 7243 checks green ist die Messlatte (plus 176 Playwright, wenn Sie die UI berühren).
  • Nicht-triviale Änderungen durchlaufen die GSD-Pipeline. Siehe docs/sdd/SDD-GUIDE.md.
  • Ändern Sie nichts im übergeordneten career-ops/-Projekt von innerhalb dieses Repos. Der ganze Sinn ist, dass dies ein nicht-invasives Overlay ist. Harte Regeln in CLAUDE.md.
  • Conventional Commits: feat, fix, refactor, docs, test, chore, perf, ci. Optionaler Scope: feat(scan):. Breaking Change: feat!:.
  • Tests müssen CI-isoliert sein — Fixtures über mkdtempSync oder CAREER_OPS_ROOT=$(mktemp -d) bootstrappen.

Steuern Sie das Repo von einer Nicht-Claude-CLI (Codex, Aider, Cursor, Gemini)? Lesen Sie AGENTS.md oder GEMINI.md — beide leiten auf das kanonische CLAUDE.md weiter.



🌍 Erste Schritte — nach der Installation

Nach der Ein-Befehl-Installation haben Sie zwei leere git-Klone, mit Starter-Dateien cv.md, config/profile.yml, portals.yml, data/applications.md und data/pipeline.md gerüstet, die EDIT ME-Markierungen enthalten. Die Health-Seite sollte beim ersten Start bereits komplett grün sein. Ersetzen Sie die Platzhalter durch Ihre echten Daten:

1. Erstellen Sie Ihren CV (cv.md)

Sie haben drei Optionen:

  • Option A — einen bestehenden Lebenslauf einfügen: öffnen Sie career-ops/cv.md, ersetzen Sie die EDIT-ME-Platzhalter durch Ihren echten Lebenslauf in sauberem Markdown (Abschnitte: Summary, Experience, Projects, Education, Skills). Je einfacher, desto besser — career-ops liest ihn als reinen Text.
  • Option B — aus der UI hochladen: klicken Sie CV in der Seitenleiste → 📁 Upload CV → wählen Sie Ihre .md- / .txt-Datei → prüfen Sie die Vorschau → klicken Sie 💾 Save.
  • Option C — geben Sie Claude Code Ihre LinkedIn-URL: öffnen Sie Claude Code in career-ops/, führen Sie /career-ops aus, fügen Sie Ihre LinkedIn-URL ein und bitten Sie "extract my CV from this and write it to cv.md".

Machen Sie jede Kennzahl konkret (z. B. "reduced p99 latency by 38%" statt "improved performance"). Die Bewertungspipeline liest die Kennzahlen direkt aus dieser Datei.

2. Bearbeiten Sie Ihr Profil (config/profile.yml)

$EDITOR career-ops/config/profile.yml

Ersetzen Sie die Platzhalter für vollständigen Namen, E-Mail, Standort, LinkedIn, Zielrollen, Archetypen, Gehaltsziel. Die Archetypen sind das wichtigste Feld — sie bestimmen, wie jede JD gegen Sie abgeglichen wird.

3. Stimmen Sie den Scanner ab (portals.yml)

$EDITOR career-ops/portals.yml

Setzen Sie title_filter.positive (z. B. "PHP", "Go", "Backend", "Senior") und title_filter.negative (z. B. "Junior", "Java", "iOS") passend zu Ihrem Stack und Ihrer Seniorität. Die mitgelieferte tracked_companies-Liste enthält bereits 3 verifizierte Greenhouse / Ashby-Boards (GitLab, Vercel, Linear). Für 24+ weitere einsatzbereite Blöcke siehe docs/portals-examples.md.

Wenn Sie hh.ru / Habr Career scannen möchten, bearbeiten Sie den russian_portals:-Block, den das Setup-Skript erstellt hat — fügen Sie Ihre Suchanfragen hinzu (z. B. "Senior PHP", "Тимлид Go").

4. (Optional) LLM-API-Schlüssel

Die UI bevorzugt Anthropic vor Gemini, wenn beide vorhanden sind. Einer oder keiner funktioniert — ohne Schlüssel gibt Evaluate stattdessen einen Copy-Paste-Prompt für Claude Code zurück.

# Anthropic (preferred)
echo "ANTHROPIC_API_KEY=sk-ant-..." >> career-ops/.env
# Gemini (fallback)
echo "GEMINI_API_KEY=AIza..." >> career-ops/.env

Oder setzen Sie sie über die App settings-Seite in der UI (/#/config) — dieselbe Datei, maskiert beim Lesen, sofort auf process.env angewendet.

5. Prüfen und mit der Arbeit beginnen

Aktualisieren Sie die Health-Seite — jede erforderliche Prüfung sollte grün sein. Dann:

  1. Klicken Sie 🌐 Scan → warten Sie ~5 Sekunden → Greenhouse / Ashby / Lever / Workable / SmartRecruiters / Workday + hh.ru / Habr Career werden gescannt, Stellen erscheinen in der Tabelle darunter.
  2. Klicken Sie auf einen beliebigen Titel → die ursprüngliche Ausschreibung öffnet sich in einem neuen Tab.
  3. Filtern Sie nach Stack-Chips (PHP / Go / Backend / Senior), bis Sie etwas Vielversprechendes sehen.
  4. Kopieren Sie die URL → fügen Sie sie in die Pipeline ein → klicken Sie Evaluate, um sie live 0-5 zu bewerten (Anthropic / Gemini) oder einen manuellen Prompt zu erhalten.
  5. Berichte landen in reports/, der Tracker in data/applications.md, die Live-Tiefenrecherche in interview-prep/. Alles in der UI sichtbar.

Übersetzungen dieser Anleitung liegen in jeder sprachspezifischen README: 🇬🇧 English · 🇪🇸 Español · 🇧🇷 Português (Brasil) · 🇰🇷 한국어 · 🇯🇵 日本語 · 🇷🇺 Русский · 🇨🇳 简体中文 · 🇹🇼 繁體中文 · 🇫🇷 Français · 🇵🇱 Polski · 🇺🇦 Українська · 🇩🇰 Dansk · 🇸🇦 العربية · 🇮🇹 Italiano · 🇹🇷 Türkçe · 🇮🇳 हिन्दी · 🇱🇰 தமிழ் · 🇻🇳 Tiếng Việt


Lizenz

MIT. Siehe LICENSE.

Aufbauend auf career-ops von santifer. Danke für die brillante Pipeline.

Mitwirkende

Dank an alle, die beim Aufbau von career-ops-ui helfen. Das Projekt wird von Fighter90 betreut und durch Community-Beiträge verbessert — siehe die vollständige Liste im Contributors-Graph.

Fighter90 Alien10140 vignyl bracketouverte bullitt186 goldbillka

Alle Mitwirkenden →

career-ops-ui

career-ops-ui

The open-source job search command center

Check it out on Product Hunt →