一款基於 Claude Code 的開源 AI 求職獵人，剛剛就自動申請了數百個職缺，且真的拿到了工作，揭露真正的瓶頸在於鏈上運算能力，而不是履歷。
摘要
- 根據 X 帳號 0xMarioNawfal 的說法，一個由 Claude Code 驅動的開源 AI 代理，投出了超過 700 份針對性求職申請，且「他真的被錄用了」。
- 該工具 Career-Ops 會掃描 45+ 家公司的職涯頁面、對職缺進行評分、以 14 種「技能模式」重寫履歷，並在使用者睡覺時批次發送針對 ATS 優化的 PDF。
- 隨著 AI 代理湧入招聘管線，像 Bittensor、Render 與 FET 這類網路上的代幣化運算效能，可能會成為自動化求職的結算層。
0xMarioNawfal 分享的一段病毒式短片宣稱：「有人用 Claude Code 建立了一套 AI 求職系統，寄出了 700+ 份申請，且真的讓他被錄用」，並且「求職剛剛就被自動化了。」
> 有人用 Claude Code 建立了一套 AI 求職系統，寄出了 700+ 份申請，且真的讓他被錄用。
>
>
> 現在它是開源的。
>
>
> 求職剛剛就被自動化了。pic.twitter.com/L6L8RePgaX
>
>
>
>
>
> --- 0xMarioNawfal (@RoundtableSpace) April 6, 2026
這個系統名為 Career-Ops，是一個名為 Career-Ops 的開源專案。它在 GitHub 上被定位為「建立在 Claude Code 之上的、由 AI 驅動的求職系統」，包含 14 種技能模式、Go 儀表板、PDF 生成與批次處理，實際上把整個求職變成自動化管線。彙整該工具的 LinkedIn 貼文表示，它「掃描多家公司的職涯頁面，依每份工作重寫你的履歷，甚至填寫申請表」，目標公司包括 Anthropic、OpenAI 和 Stripe 等，跨越 45+ 家預先設定的雇主。
在 X 上的反應強調 AI 代理正在多快的速度「殖民」招聘流程。有位使用者 Ofek Shaked 稱其為「求職的未來」，並補充說更簡單的版本「讓我在一個月內拿到 3 次面試」。另一位 Eugene Smarts 指出「這也太瘋了，想想省下多少時間，求職是最糟的」，而 EchoWireDai 則警告：「如果每個人都自動化申請……招聘人員就會只是把拒絕也自動化。」其他人則強調品質限制：投資人 Balvinder Kalon 寫道「真正的關鍵是：每家公司都把情境對準」，並主張能夠「把每一次申請量身定制到職缺描述，而不是撒網亂投」的代理才是會有用的。像 Plushly 這類工具，也在同一串貼文中被提到，作為「你睡覺時也能自動申請實習 & 工作」的方法，顯示類似服務正在以多快的速度湧現。
為什麼代幣化運算會變得不可避免 {#why-tokenized-compute-becomes-unavoidable}
隨著像 Career-Ops 這樣的系統規模擴大，其瓶頸並非履歷；而是運算。GitHub 專案描述了一種架構：持續掃描職缺入口網站、執行多步的 Claude Code 提示、透過 Playwright 生成符合 ATS 的 PDF，並從終端機儀表板監控一切——把每一次求職都變成成千上萬次模型呼叫與瀏覽器自動化。根據 Bloomberg，AI 已經成為「雙方在招聘上的不可避免因素」，多數履歷從未接觸到真人，而面試也越來越由機器人主導。工作力專家表示，這種轉變會迫使應徵者去「學會如何在被它重塑的職場市場中導航」。在另一篇解釋〈2026 年找工作的新規則〉的報導中，Bloomberg 警告，用通用型 AI 大量投遞會傷害候選人，但如果善用 AI，則能幫助他們策略性鎖定職缺並精修材料，正是 Career-Ops 試圖切入的利基。
這種運算需求在加密市場中已經很明顯。MEXC 的一份 AI 代幣研究報告指出，Bittensor (TAO)、Render (RENDER) 以及 Artificial Superintelligence Alliance 的 FET 代幣近期的反彈領跑：其中 TAO 在一週內上漲近 35%，Render 與 FET 則大約上漲 25--32%。投資人押注「能動式 AI 系統（agentic AI systems）」——一種能在沒有人工輸入的情況下執行任務的自主軟體。這些網路明確販售代幣化的 GPU 與機器學習資源：Render 會在去中心化供應商網路中路由 GPU 繪圖作業；而 CCN 解釋，Bittensor 的設計旨在獎勵那些提供並路由高品質機器學習模型的參與者。價格預測顯示在長期情境下 TAO 可能落在 $748 到 $2,750 之間。隨著求職代理從爬取與填表，演進為完整堆疊的職涯「副駕」（copilots），將其不斷擴張的運算負載透過代幣化運算層路由，成為一種合理方式：用來計量、定價與交易這些效能，而不是把它們埋在封閉平台內。
從「AI 會奪走你的工作」到「AI 會幫你找到一份」 {#from-ai-will-take-your-job-to-ai-will-get-you-one}
使用者對這種文化翻轉也沒有視而不見。留言者 Gagan Arora 表示：「在大約 6 個月內，我們從『AI 會奪走你的工作』走到了『AI 會幫你找到下一份工作』」，他稱這是「諷刺」：當初工具商被求職者擔心的點，如今竟然變成「最好的受雇工具」。Bloomberg 關於 AI 主導面試的報導也朝著同一方向指出：該媒體的一項研究（在其彙整的內容中）發現，隨機分配給 67,000 名求職者的 AI 面試官，能在辨識強勢候選人方面超越人類招聘人員，並引發關於在漏斗中人類還能在哪裡增值的疑問。就目前而言，華爾街預期 AI 的採用會增加招聘而不是粉碎它。Bloomberg News 援引了 Bloomberg Intelligence 的一份調查，顯示在推進 AI 時，約三分之二的金融公司預見員工人數初期會上升。
對加密來說，訊號很簡單：如果代理要在勞動市場的兩端湧現，那麼底層運算就會成為一種自身的資產。在先前一篇 crypto.news 關於 AI 代幣的報導中，分析師指出像 Bittensor 和 Render 這樣的專案位於「AI 基礎設施敘事的核心」，因為對模型推論與 GPU cycles 的需求成長時，價值也會被捕獲。另一篇 crypto.news 關於 DeFi 中能動式 AI 的報導則預測，自主代理最終會需要鏈上的聲譽、預算與運算額度，並以能反映底層 GPU 或模型效能的流動代幣來支付，而不是抽象的治理權利。剛剛讓其創作者成功獲得新職位的 Claude 驅動求職獵人，正是那個未來的縮影：一個早期、混亂、而且非常人性的例子，說明下一階段的求職或許不只會跑在提示詞與 PDF 上，而是會跑在代幣化的運算效能之上：把原始的 AI 動力轉化成可交易、可程式化的資源。
