ai-job-search：ローカルで動くClaude Code求職エージェント

背景と概要

求職は、繰り返しが多く、細かく、気力も削られる作業です。応募のたびに求人票を読み、自分との適合を判断し、履歴書を直し、カバーレターを書き、面接前には準備も必要になります。多くの人は手作業で耐えるか、オンラインの履歴書最適化サービスに書類を預けています。ただし後者は中身が見えにくいブラックボックスになりがちで、個人情報を他社のサーバーにアップロードしなければなりません。ai-job-search はこれとは別の道を選びました。Claude Code 上に作られたオープンソースの求職フレームワークで、全工程を自分のマシン上で動かします。リポジトリを fork してプロフィールを入力すれば、自由に改造できる求職の作業台が手に入ります。

作者の Mads Lorentzen 氏は地球物理学の出身です。2025年末にポジションを失った後、自分用にこのツールを作りました。README によると、同じ /scrape、/apply、/interview の流れで69通のカスタマイズ済み応募を送り、20件の一次面接を獲得し、1件の契約に署名して、2026年6月に AI エンジニアとして入社したとのことです。GitHub のスターは5万を超えており、利用者自身が管理できる求職アシスタントへの需要があることがうかがえます。

ai-job-search は汎用のエージェントフレームワークと何が違うのでしょうか。答えは、汎用ではないという点です。コマンドライン型の AI アシスタントである Claude Code を、求職という一つの縦割りワークフローの実行基盤として使っています。スラッシュコマンドとスキルファイルがドメインの知識を担うため、オーケストレーション層をゼロから書くのではなく、既存のエージェントツールの上に専用アシスタントを組み立てた好例といえます。

深掘り分析

機能は三つの層に分かれます。第一の層は自己プロフィールです。/setup コマンドが対話形式で個人プロフィールの入力を案内し、経験、スキル、希望条件を構造化ファイルにまとめます。以降の工程はすべてこのファイルを事実の根拠として扱うので、モデルが経歴を勝手に作り上げるリスクを抑えられます。 第二の層は発見と評価です。/scrape が求人ポータルを検索し、マッチ度の評価付きで求人の一覧を返します。ユーザーは応募したい求人を選び、/apply に渡します。/apply はまず適合度を評価して採点し、応募する価値があるかどうかを示したうえで、書類の作成に進みます。 第三の層が drafter-reviewer 方式の応募パイプラインで、設計上もっとも特徴的な部分です。一つのエージェントが LaTeX 形式のカスタム履歴書とカバーレターを下書きし、別の reviewer agent がそれを批評します。下書きは批評に基づいて修正され、最終版が出力されます。書き手と査読者を分けることで、一つのモデルに一度で書かせるよりも、中身の薄い表現や不適合な点を見つけやすくなります。フレームワークにはキャリアコーチングの実践も組み込まれており、構造化された評価基準、将来を見据えたカバーレターの語り方、任意の給与ベンチマークが含まれます。

README は、中核の流れが言語や国に依存しないと明記しています。一方、求人検索スキルはデンマーク市場向けに書かれており、Jobindex、Jobnet、Akademikernes Jobbank などのポータルを対象にしています。設計上は、自分の地域の求人サイトに差し替えられます。 導入のハードルは高くありませんが、前提条件は押さえておく必要があります。Claude Code のコマンドラインツールには無料枠がなく、Claude Pro、Max、Team のサブスクリプションか Anthropic API のクレジットが必要です。たまに使う程度なら、トークン従量課金のほうが安く済むことが多いとされています。さらに Python 3.10 以上と、求人検索のコマンドラインツールを動かす Bun が要ります。典型的な使い方は次のとおりです。fork したリポジトリのディレクトリで Claude Code を起動し、/setup を実行します。その後は毎週 /scrape で新着求人を眺め、気に入った求人に /apply をかけて履歴書とカバーレターを得て、面接の前に /interview で準備をします。 ドキュメントの面では、README が三つの主要コマンドの関係を示すフロー図を載せています。リポジトリには AGENTS.md もあり、Codex、Antigravity、Gemini CLI など他のエージェントツールを使う人の参考になります。求人検索スキルはそのまま使え、コミュニティの fork がディスカッションで全体フローへの適応を共有しています。CI バッジがあることから、作者が品質を維持していることもわかります。プロジェクトは Ko-fi での寄付と GitHub でのコントリビュートを受け付けており、関連する暗号資産、トークン、有料スポンサー制度は一切ないと明言して、なりすまし詐欺への注意を促しています。

業界への影響

業界の視点では、いくつかの点が目を引きます。第一に、Claude Code がソフトウェア開発だけでなく、個人のワークフローの土台にもなりうることを示した点です。スラッシュコマンドとスキルファイルだけで、完結したドメイン別アシスタントを組み上げられます。似た縦割りツールを作りたい開発者にとって、具体的に参照できるサンプルになります。

第二に、ローカルファースト、fork して自分のものにするという考え方です。ユーザーはデータとプロンプトの管理権を手元に残せるので、ホスト型プラットフォームの価格や方針に左右されません。職歴や希望年収がプロフィールに入る求職という個人的な活動では、この管理権は大きな売りになります。 第三に、作者が面接でこのツールを使ったことを正直に伝えていた点です。本人によれば、それが疑念ではなく、率直な技術の対話につながることが多かったといいます。AI を使った応募の透明性について、参考になる実践例です。 リスクも同じくらいはっきりしています。生成された書類は、応募者本人が一文ずつ確認する必要があります。誇張は面接で必ず露見するからです。カスタマイズした応募を大量に送れば、モデル利用料も継続的に発生します。求人検索スキルは個々のポータルのページ構造に依存するため、サイトが改修されると動かなくなる可能性があります。また、フレームワーク自体が Claude Code に結びついているため、他のツールへ移すには追加の適応作業が要ります。

今後の展望

注目したい点は三つあります。一つ目は、コミュニティが求人検索スキルをより多くの国の求人サイトに対応させるかどうかです。デンマーク向けのスクレイパーは、その市場の外にいる人にとって最大の障壁だからです。二つ目は、他のエージェントツールへの移植が成熟するかどうかです。AGENTS.md がすでにその方向を示しており、fork が全体フローの適応を共有し始めています。

三つ目は、評価と査読の段階が、時間をかけてより安定した品質基準を生み出せるかどうかです。/apply の採点と reviewer agent の批評は、下書きが本当に送る価値のあるものかを決める部分です。貢献者がこの基準を磨き、うまくいった方法を共有すれば、このプロジェクトは一人の成功したワークフローから、AI を使った応募の再利用可能な参照実装へ進めるかもしれません。現時点の ai-job-search は、よく整理された一つの事例として読むのが適切です。一人のエンジニアと一つのエージェントツールがあり、最初の検索から内定まで、すべてが自分のコンピューター上にとどまるパイプラインでした。