취업 준비, 이제 AI가 '시스템'으로 도와준다
혹시 이력서 쓰고, 회사마다 자기소개서 고치고, 어디 지원했는지 스프레드시트에 적고… 이런 반복 작업에 지쳐본 적 있나요? 개발자 취업이든 다른 직군이든, 구직 활동은 사실 엄청나게 노동집약적인 일이거든요. 좋은 자리 하나 찾으려고 수십 군데에 지원하다 보면, 정작 중요한 '나를 잘 어필하는 일'보다 '관리하는 일'에 시간을 다 쓰게 되죠.
오늘 소개할 santifer/career-ops라는 프로젝트는 바로 그 지점을 파고든 오픈소스예요. 한 줄로 요약하면 "Claude Code 위에 올라간, 취업 활동 전체를 자동화하는 시스템" 인데요. 만든 사람이 README에 "몇 달 동안 힘들게 취업 지원을 해봤다(I spent months applying to jobs the hard way)"라고 적어둔 걸 보면, 본인의 진짜 고통에서 출발한 도구라는 게 느껴집니다.
이게 단순한 '이력서 자동 생성기'가 아니라는 게 핵심이에요. 14개의 스킬 모드, Go 언어로 만든 대시보드, PDF 자동 생성, 배치 처리(batch processing)까지 갖춘 하나의 '운영 시스템(ops)'이거든요. 이름이 career-ops인 이유가 있는 거죠. 그래서 오늘은 이 프로젝트를 뜯어보면서, 요즘 뜨는 'AI 에이전트로 실생활 워크플로우를 자동화한다'는 게 실제로 어떤 모습인지 같이 살펴보려고 해요.
그래서 이게 정확히 뭐냐면
먼저 기반이 되는 Claude Code부터 짚고 갈게요. Claude Code는 쉽게 말하면 '터미널에서 동작하는 AI 코딩 비서'예요. 그냥 채팅창에서 질문하고 답을 받는 게 아니라, 실제로 내 컴퓨터의 파일을 읽고, 코드를 고치고, 명령어를 실행할 수 있는 도구거든요. 그런데 이 career-ops는 Claude Code의 그 능력을 '코딩'이 아니라 '취업 활동'에 쓴 거예요.
저장소 구조를 보면 이 프로젝트가 얼마나 진지한지 한눈에 보여요. 폴더 이름만 봐도 감이 오죠.
modes/— 14개의 스킬 모드(각각 다른 작업을 담당)dashboard/— Go로 만든 현황판jds/— Job Description(채용 공고)을 저장하는 곳interview-prep/— 면접 준비 자료templates/— 이력서/커버레터 템플릿output/,reports/— 결과물과 분석 리포트batch/— 여러 작업을 한꺼번에 처리하는 로직- 공고 분석 모드: 채용 공고를 읽고 핵심 요구사항을 뽑아냄
- 이력서 맞춤 모드: 그 공고에 맞춰 내 이력서를 다듬음
- 커버레터 작성 모드: 회사별 자기소개서를 생성
- 면접 준비 모드: 예상 질문과 답변을 정리
- 추적/관리 모드: 어디에 지원했고 진행 상황이 어떤지 관리
CODE_OF_CONDUCT.md(행동 강령),CONTRIBUTING.md(기여 가이드),GOVERNANCE.md(운영 방침)SECURITY.md(보안 정책),LEGAL_DISCLAIMER.md(법적 고지)CITATION.cff(이 프로젝트를 논문에 인용하는 방법)- 무려 10개 언어로 된 README (영어, 스페인어, 한국어, 일본어, 중국어 간체/번체, 우크라이나어, 러시아어 등)
- 매주 기술 뉴스를 모아 요약 리포트 만들기
- 고객 문의를 분류하고 답변 초안 생성하기
- 코드 리뷰 코멘트를 정리해 학습 노트로 만들기
그리고 루트 폴더에는 generate-pdf.mjs, generate-latex.mjs, check-liveness.mjs, dedup-tracker.mjs, followup-cadence.mjs 같은 스크립트가 잔뜩 들어있어요. 이름만 풀어봐도 "PDF 생성", "LaTeX(논문 조판에 쓰는 고급 문서 포맷) 생성", "채용 공고가 아직 살아있는지 확인", "중복 지원 제거", "후속 연락 타이밍 관리"… 취업할 때 사람이 일일이 신경 쓰던 걸 전부 코드로 만들어 놓은 거죠.
'14개 스킬 모드'가 핵심이에요
여기서 스킬(Skill)이라는 개념이 등장하는데, 이게 뭐냐면 Claude Code가 최근에 밀고 있는 기능이에요. 쉽게 비유하자면, AI에게 "이런 상황에서는 이렇게 일해"라고 적어둔 업무 매뉴얼이라고 보면 돼요. 신입 직원에게 '환불 처리 매뉴얼', '고객 응대 매뉴얼'을 각각 만들어주는 것처럼, AI에게도 작업별로 매뉴얼을 만들어주는 거죠.
career-ops는 이 매뉴얼을 14개나 만들어놨어요. 예를 들면 이런 식이에요.
흥미로운 건, 같은 스킬 폴더가 .claude/skills/, .agents/skills/, .qwen/skills/ 이렇게 여러 군데에 들어있다는 거예요. 이게 무슨 뜻이냐면, Claude뿐 아니라 다른 AI 모델(Qwen 같은)에서도 돌아가게 만들어놨다는 거죠. 특정 AI 회사에 종속되지 않으려는 설계예요. 요즘 이런 '멀티 에이전트 호환' 구조가 점점 표준이 되어가고 있어요.
Go 대시보드와 배치 처리, 왜 이렇게까지 만들었을까
여기서 한 가지 짚고 넘어갈 게 있어요. "이력서 만드는 데 Go로 대시보드까지 필요해?"라는 의문이 들 수 있거든요. 근데 이게 이 프로젝트의 철학을 보여주는 부분이에요.
Go라는 언어는 구글이 만든 건데, 빠르고 가볍고 안정적이라 서버나 도구를 만들 때 많이 써요. career-ops가 대시보드를 Go로 만든 건, 취업 현황을 '한 번 보고 끝'이 아니라 계속 돌아가는 시스템으로 본다는 뜻이에요. 지원한 회사가 50곳이 넘어가면 머릿속으로 관리가 안 되거든요. 어디는 면접 봤고, 어디는 답이 없고, 어디는 후속 메일을 보내야 하는지… 이걸 한눈에 보여주는 현황판이 있으면 훨씬 수월하죠.
배치 처리라는 것도 설명할게요. 이게 뭐냐면, 쉽게 말해서 '여러 작업을 한꺼번에 묶어서 자동으로 돌리는 것'이에요. 예를 들어 새로운 채용 공고 20개를 폴더에 넣어두면, 시스템이 자동으로 하나씩 분석하고, 각각에 맞는 이력서를 만들고, PDF로 뽑아내는 거예요. 사람이 "이거 해, 저거 해" 하나씩 시키는 게 아니라, 한 번 명령하면 줄줄이 처리되는 거죠. 공장의 컨베이어 벨트를 떠올리면 돼요.
그리고 dedup-tracker.mjs(중복 제거)나 check-liveness.mjs(공고 생존 확인) 같은 디테일이 진짜 실무적이에요. 같은 회사에 두 번 지원하는 실수를 막아주고, 이미 마감된 공고에 시간 낭비하는 걸 방지해주거든요. 이런 건 직접 취업 활동을 해보지 않으면 생각하기 어려운 기능이에요.
오픈소스 프로젝트로서의 완성도
저장소를 보면 이게 단순한 개인 토이 프로젝트 수준을 한참 넘어섰다는 걸 알 수 있어요. 보통 진지한 오픈소스에만 있는 파일들이 다 갖춰져 있거든요.
특히 LEGAL_DISCLAIMER.md가 있다는 게 의미심장해요. AI로 자기소개서를 자동 생성하는 건 자칫 '거짓 정보'나 '윤리 문제'로 번질 수 있거든요. 그런 부분을 미리 명시해둔 거죠. DATA_CONTRACT.md도 있는데, 이건 데이터가 어떤 형식으로 오가는지 약속을 정해둔 문서예요. 시스템 여러 부분이 서로 데이터를 주고받을 때 '우리는 이런 모양으로 주고받자'고 규칙을 정하는 거죠.
또 하나, flake.nix와 flake.lock이 보이는데 이건 Nix라는 도구예요. 쉽게 말하면 "내 컴퓨터에서 되는데 네 컴퓨터에서 안 돼" 같은 문제를 원천 봉쇄하는 환경 관리 도구거든요. 누가 받아가도 똑같이 동작하도록 환경을 통째로 고정해주는 거예요. 그리고 .coderabbit.yaml, renovate.json 같은 자동화 도구 설정까지 있어서, 코드 리뷰와 의존성 업데이트도 자동으로 돌아가게 해놨어요. 한 사람이 이걸 다 관리한다고 생각하면, AI 도구의 힘을 빌렸다는 게 확실하게 느껴지죠.
비슷한 도구들과 뭐가 다를까
사실 'AI로 이력서 쓰기'는 새로운 게 아니에요. ChatGPT에 "이 공고에 맞춰 이력서 고쳐줘"라고 하면 다들 하잖아요. 그런데 career-ops가 다른 점은, 그걸 일회성 대화가 아니라 '반복 가능한 시스템'으로 만들었다는 거예요.
비유하자면 이래요. 일반적인 AI 챗봇 사용은 '요리사에게 매번 요리를 부탁하는 것'이에요. 그때그때 맛있는 음식이 나오지만, 어제 뭘 먹었는지, 재료가 뭐가 남았는지는 관리가 안 되죠. 반면 career-ops는 '주방 전체를 시스템으로 만든 것'이에요. 재료 관리(공고 추적), 레시피(스킬 모드), 조리 자동화(배치 처리), 그리고 손님 응대 현황판(대시보드)까지 갖춘 거죠.
LinkedIn의 자동 지원 기능이나 시중의 AI 이력서 서비스들과 비교하면, career-ops는 로컬(내 컴퓨터)에서 돌아가고, 코드가 전부 공개되어 있다는 게 큰 차이예요. 내 민감한 경력 정보가 남의 서버로 안 넘어가고, 내가 원하는 대로 뜯어고칠 수 있죠. 대신 그만큼 직접 세팅하고 다룰 줄 알아야 한다는 진입 장벽은 있어요. 이건 장단점이 뚜렷한 트레이드오프예요.
또 주목할 점은 이 프로젝트가 'Claude Code 기반 실전 애플리케이션'의 좋은 사례라는 거예요. 그동안 Claude Code는 주로 '코딩 도와주는 도구'로 인식됐는데, career-ops는 그걸 완전히 다른 도메인(취업)에 적용했어요. 즉, AI 코딩 에이전트가 꼭 코딩에만 쓰이는 게 아니라, 글쓰기·문서 생성·일정 관리 같은 지식 노동 전반으로 확장될 수 있다는 걸 보여주는 거죠.
한국 개발자에게 주는 시사점
그럼 우리는 여기서 뭘 배울 수 있을까요? 두 가지 관점으로 나눠볼게요.
첫째, 취업 도구로서의 활용이에요. 솔직히 한국 채용 시장은 공고 형식이나 자기소개서 문화가 좀 달라서, career-ops를 그대로 쓰긴 어려울 수 있어요. 하지만 modes/ 폴더의 스킬 정의나 templates/를 한국 상황에 맞게 고쳐 쓰면 충분히 응용할 수 있어요. 특히 이직을 자주 고려하는 개발자라면, 지원 현황을 추적하는 부분만 따로 떼어 써도 유용할 거예요.
둘째, 그리고 이게 더 중요한데, '나만의 ops 시스템'을 만드는 설계 패턴을 배우는 거예요. career-ops의 진짜 가치는 취업 자동화 그 자체보다, "반복적인 지식 노동을 어떻게 AI 에이전트 시스템으로 구조화하는가"를 보여준다는 데 있거든요. 이 패턴은 어디든 적용할 수 있어요. 예를 들면:
.claude/skills/에 정의하는 것부터 시작하면 돼요. 그다음 career-ops의 modes/ 폴더를 열어서 "아, 작업을 이렇게 잘게 쪼개는구나"를 관찰하세요. 마지막으로 .mjs 스크립트들이 어떻게 AI의 출력을 받아서 PDF나 리포트로 바꾸는지 보면, 'AI 출력 → 실제 결과물'로 이어지는 파이프라인 감각을 익힐 수 있어요. 이게 요즘 가장 수요가 많은 역량이거든요.마무리: '에이전트로 시스템 만들기'가 일상이 되는 시대
career-ops가 던지는 메시지는 분명해요. 이제 AI는 '질문하면 답해주는 비서'를 넘어, '내 워크플로우 전체를 돌리는 운영 시스템의 엔진'이 되어가고 있다는 거예요. 한 개인이 14개의 스킬 모드와 대시보드, 배치 처리까지 갖춘 시스템을 만들 수 있다는 건, 불과 몇 년 전만 해도 팀 단위로 해야 했던 일이거든요.
앞으로는 '코드를 잘 짜는 능력'만큼이나 'AI 에이전트에게 일을 잘 설계해서 맡기는 능력'이 중요해질 거예요. 어떤 작업을 어떻게 쪼개고, 각 단계에 어떤 매뉴얼을 줄지 설계하는 것 말이죠. career-ops는 그 미래의 작은 미리보기인 셈이에요.
여러분은 어떤 반복 작업을 AI 시스템으로 자동화하고 싶으세요? 혹시 이미 Claude Code나 비슷한 도구로 나만의 '~ops'를 만들어본 경험이 있다면, 어떤 부분이 가장 어려웠는지 댓글로 나눠주세요. 그리고 만약 취업/이직을 준비 중이라면, 이 프로젝트를 한국 상황에 맞게 포크해서 고쳐보는 것도 좋은 사이드 프로젝트가 될 것 같아요. 😊
🔗 출처: GitHub
"비전공 직장인인데 반년 만에 수익 파이프라인을 여러 개 만들었습니다"
실제 수강생 후기- 비전공자도 6개월이면 첫 수익
- 20년 경력 개발자 직강
- 자동화 프로그램 + 소스코드 제공