ai-job-search: Claude-Code-Jobsuche lokal als Agent
ai-job-search ist ein Open-Source-Framework für die Jobsuche auf Basis von Claude Code. Die Idee: Der ganze Prozess läuft auf Ihrem eigenen Rechner. Stellenbewertung, Lebenslauf-Anpassung, Anschreiben und Interviewvorbereitung sind als wiederverwendbare Befehle verknüpft. Mit /setup legen Sie Ihr Profil an, /scrape durchsucht Jobportale, und /apply bewertet die Passung und erzeugt Lebenslauf und Anschreiben in LaTeX. Ein unabhängiger Reviewer-Agent kritisiert jeden Entwurf vor der Überarbeitung. Der Kern ist sprach- und länderunabhängig; die Jobsuche zielt auf Dänemark und lässt sich durch lokale Börsen ersetzen. Der Autor fand damit eine Stelle. Passend für Entwickler, die automatisieren und ihre Daten behalten wollen.
Hintergrund
Jobsuche ist repetitiv und zehrt an den Nerven. Für jede Stelle muss man die Ausschreibung lesen, die eigene Passung einschätzen, den Lebenslauf anpassen, ein Anschreiben formulieren und sich auf das Gespräch vorbereiten. Viele erledigen das von Hand. Andere laden ihre Unterlagen bei einem Online-Dienst zur Lebenslauf-Optimierung hoch. Solche Dienste sind meist Blackboxen, und die persönlichen Daten liegen danach auf fremden Servern. ai-job-search geht einen anderen Weg: Das Open-Source-Framework baut auf Claude Code auf, und der gesamte Ablauf läuft auf dem eigenen Rechner.
Der Autor Mads Lorentzen ist Geophysiker. Nachdem seine Stelle Ende 2025 wegfiel, baute er sich das Werkzeug selbst. Laut README verschickte er mit demselben Ablauf aus /scrape, /apply und /interview neunundsechzig maßgeschneiderte Bewerbungen. Daraus entstanden zwanzig Erstgespräche und ein unterschriebener Vertrag. Im Juni 2026 begann er als AI Engineer. Das Repository hat auf GitHub mehr als fünfzigtausend Sterne gesammelt. Das zeigt, dass es Bedarf an einem Jobassistenten gibt, den Nutzer selbst kontrollieren.
Tiefenanalyse
Wie funktioniert ai-job-search? Das Framework nutzt Claude Code als Laufzeitumgebung für einen einzigen, klar umrissenen Ablauf. Slash-Befehle und Skill-Dateien tragen die Fachlogik. Es ist also kein allgemeines Agenten-Framework, sondern ein Beispiel dafür, wie sich ein spezialisierter Assistent auf einem vorhandenen Agentenwerkzeug aufbauen lässt. Die Fähigkeiten gliedern sich in drei Ebenen. Die erste ist das Selbstbild: /setup führt durch ein persönliches Profil und legt Erfahrung, Fähigkeiten und Wünsche in strukturierten Dateien ab. Alle späteren Schritte nehmen diese Dateien als Faktenbasis. Das verringert das Risiko, dass das Modell Stationen im Werdegang erfindet. Die zweite Ebene ist Suche und Bewertung: /scrape durchsucht Jobportale und liefert eine Liste mit Passungsbewertung. Aus ihr wählt man Stellen aus und übergibt sie an /apply. Dieser Befehl prüft zuerst die Passung, vergibt eine Note und sagt, ob sich die Bewerbung lohnt. Erst danach beginnt das Schreiben.
Die dritte Ebene ist die Pipeline aus Verfasser und Prüfer, und sie ist die markanteste Designentscheidung. Ein Agent entwirft Lebenslauf und Anschreiben in LaTeX. Ein getrennter Reviewer-Agent kritisiert den Entwurf, danach wird anhand der Kritik überarbeitet. Die Trennung von Schreiber und Kritiker erleichtert es, Floskeln und schwache Passungen zu entdecken. Das Framework bringt zudem Coaching-Praxis mit: strukturierte Bewertungskriterien, eine zukunftsgerichtete Erzählweise im Anschreiben und einen optionalen Gehaltsvergleich. Laut README ist der Kern unabhängig von Sprache und Land. Die Jobsuche-Skills sind jedoch für den dänischen Markt geschrieben und decken Portale wie Jobindex, Jobnet und Akademikernes Jobbank ab. Sie sind so angelegt, dass man sie durch eine lokale Jobbörse ersetzen kann. Voraussetzungen sind das Claude-Code-Kommandozeilenwerkzeug, das keinen kostenlosen Tarif hat und ein Abonnement (Pro, Max, Team) oder API-Guthaben verlangt, ferner Python ab Version 3.10 sowie Bun für das Suchwerkzeug.
Branchenwirkung
Für die Branche sind drei Punkte relevant. Erstens zeigt das Projekt, dass Claude Code nicht nur zum Programmieren taugt. Slash-Befehle und Skill-Dateien genügen, um einen vollständigen Fachassistenten zu bauen. Entwickler, die ähnliche vertikale Werkzeuge planen, erhalten ein konkretes Studienobjekt. Zweitens bleibt beim Ansatz lokal zuerst und Fork gleich Eigentum die Kontrolle über Daten und Prompts beim Nutzer. Bei einem so persönlichen Vorgang wie der Bewerbung, bei dem das Profil Werdegang und Gehaltsvorstellung enthält, ist das ein echtes Argument.
Drittens berichtet der Autor, er habe in Gesprächen offen gesagt, dass er das Werkzeug nutzt. Nach seiner Darstellung führte das oft zu ehrlichen fachlichen Gesprächen. Das ist ein brauchbares Beispiel für Transparenz bei KI-gestützten Bewerbungen.
Die Risiken sind ebenso klar. Erzeugte Unterlagen muss die Bewerberin oder der Bewerber Zeile für Zeile prüfen, denn jede Übertreibung fällt im Gespräch auf. Viele maßgeschneiderte Bewerbungen verursachen laufende Modellkosten. Der Jobsuche-Skill hängt von der Seitenstruktur einzelner Portale ab und kann bei einem Relaunch brechen. Und weil das Framework an Claude Code gebunden ist, erfordert ein Wechsel zusätzliche Anpassung.
Ausblick
Drei Dinge verdienen Beobachtung. Erstens, ob die Community den Jobsuche-Skill für weitere nationale Jobbörsen anpasst. Der auf Dänemark zugeschnittene Scraper ist für alle außerhalb dieses Marktes die größte Hürde. Zweitens, ob Portierungen auf andere Agentenwerkzeuge reifen. Die Datei AGENTS.md verweist bereits auf Codex, Antigravity und Gemini CLI, und Forks teilen in den Diskussionen Anpassungen des gesamten Ablaufs.
Drittens, ob Bewertung und Review stabilere Qualitätsmaßstäbe hervorbringen. Die Note aus /apply und die Kritik des Reviewer-Agenten entscheiden darüber, ob ein Entwurf versandfertig ist. Verfeinern Mitwirkende diese Kriterien und teilen, was funktioniert, könnte aus dem erfolgreichen Ablauf eines Einzelnen eine wiederverwendbare Referenz werden. Vorerst ist ai-job-search ein gut dokumentierter Fall: ein Ingenieur, ein Agentenwerkzeug und eine Pipeline, die von der ersten Suche bis zum Vertrag auf dem eigenen Rechner blieb.
Sources
FAQ
Was ist ai-job-search?
ai-job-search ist ein Open-Source-Framework für die Jobsuche auf Basis von Claude Code, das den gesamten Ablauf auf dem eigenen Rechner ausführt. /setup legt das Profil an, /scrape durchsucht Jobportale, und /apply bewertet die Passung und erzeugt Lebenslauf und Anschreiben in LaTeX.
Warum ist ai-job-search für Entwickler interessant?
ai-job-search hält Jobsuche-Daten und Prompts auf dem eigenen Rechner, ohne gehosteten Dienst. Ein unabhängiger Reviewer-Agent kritisiert jeden Entwurf und entdeckt leere Phrasen leichter als ein einzelnes Modell. Der Autor fand mit dem Werkzeug eine Stelle.
Was sollte man vor der Nutzung von ai-job-search prüfen?
Für ai-job-search brauchen Sie ein Claude-Code-Abo oder API-Guthaben, Python 3.10 oder neuer und Bun. Die Jobsuche zielt auf Dänemark, daher ersetzen Sie sie durch eine lokale Börse. Prüfen Sie jede erzeugte Zeile selbst, denn Layoutänderungen der Portale können das Scraping stören.