ai-job-search 完全ガイド｜Claude Codeで就職活動を自動化するエージェントワークフロー実践入門

転職活動って、本当に消耗しますよね。求人を探して、CV（履歴書）をカスタマイズして、カバーレターを書いて、応募して、ステータスを管理して……。繰り返す作業の多さに、心が折れそうになることもあると思います。

でも、大丈夫です。今日紹介する ai-job-search を使えば、この一連の流れをClaude Codeが自動でこなしてくれます。しかも、「机上のAIツール」ではありません。作者自身がこのフレームワークを使い、69件の応募・20回の面接を経て実際にAIエンジニアとして内定を勝ち取った、実戦検証済みのツールです。

私も最初は「本当にこんなにうまくいくの？」と半信半疑でした。でも使ってみると、その設計の丁寧さに驚かされました。一緒に、ステップバイステップで試してみましょう。

ai-job-search とは何か

ai-job-searchは、Claude Code CLI上で動くオープンソースの就職活動自動化フレームワークです（MIT License）。

作者はデンマーク在住の地球物理学者・MadsLorentzenさん。2025年末に職を失い、このフレームワークを自ら開発・使用しながら転職活動を行い、2026年6月にAIエンジニアとして内定を獲得しました。この「ドッグフーディング（自分で使って証明した）」というストーリーが話題を呼び、GitHubで31,000スター超、2026年7月にはGitHubトレンド1位を獲得しています。

技術的な本体は、13個のカスタムスラッシュコマンド集です。Claude Codeの .claude/commands/ ディレクトリにコマンドを置く仕組みを活用して、求人検索から応募書類生成、面接準備、ステータス追跡までを1つのCLIで完結させています。

全体像：3つのコアコマンドが核になる

まず、大きな流れをつかんでおきましょう。

/setup  →  /scrape  →  /apply  →  /interview
  ↑              ↑            ↑             ↑
プロフィール  求人収集   書類生成    面接準備
構造化

これに加えて、/gmail-sync や /notion-sync といったMCP連携コマンドが、応募後の追跡を自動化してくれます。難しく考えなくて大丈夫。一つずつ見ていきましょう。

ステップ1：環境構築

まず必要なツールをそろえます。初めての方は少しだけ手間がかかりますが、一度やれば後は快適です。

LaTeX環境のインストール（OS別）:

# macOS（HomebrewでBasicTeX）
brew install --cask basictex
# インストール後にPATHを反映
eval "$(/usr/libexec/path_helper)"
# lualatex / xelatex パッケージを追加インストール
sudo tlmgr update --self
sudo tlmgr install luatex xetex collection-fontsrecommended

# Linux（TeX Live）
sudo apt-get update
sudo apt-get install -y texlive-xetex texlive-luatex texlive-fonts-recommended

# 軽量派（TinyTeX）
curl -sL "https://yihui.org/tinytex/install-bin-unix.sh" | sh
# インストール後にPATHを反映（シェルを再起動するか以下を実行）
export PATH="$HOME/.TinyTeX/bin/$(uname -m)-$(uname -s | tr '[:upper:]' '[:lower:]'):$PATH"
# lualatex / xelatex パッケージを追加インストール
tlmgr install luatex xetex collection-fontsrecommended

インストール後、動作確認します:

# macOSの場合：PATHが通っているか確認
echo $PATH | tr ':' '\n' | grep -i tex

# バージョン確認
which lualatex && lualatex --version
# または
which xelatex && xelatex --version

popplerの導入:

# macOS
brew install poppler

# Linux
sudo apt-get update && sudo apt-get install -y poppler-utils

# インストール確認
pdfinfo -v

リポジトリのクローン:

git clone https://github.com/MadsLorentzen/ai-job-search.git
cd ai-job-search

つまずきポイント: LaTeXのコンパイル時に「Lato」や「Raleway」フォントが見つからないというエラーが出ることがあります。その場合は tlmgr install lato raleway を実行してください。私も最初ここでハマりました（笑）

ステップ2：/setup でプロフィールを構造化する

環境が整ったら、まず自分のプロフィールをフレームワークに読み込ませます。

Claude Code上で実行:
/setup

既存のCV、職務経歴書、スキルリストを読み込み、フレームワークが使いやすい構造化データに変換してくれます。ここで重要なのが「盛らない」こと。実際のスキルと経験を正直に入力した方が、後工程の精度が安定します。

さらに /expand コマンドを使うと、GitHubのリポジトリやポートフォリオから「書き忘れていたスキル」を自動抽出してくれます。「そういえばこのライブラリも使ってたな」という発見があって、面白いですよ。

ステップ3：/scrape と /rank で求人を集める

/scrape

複数の求人ポータルを横断検索し、重複を排除した上で適合度ランク付きで結果を出力します。

新しい求人サイトに対応させたいときは /add-portal コマンドを使います。Claude Codeが対象サイトを分析して、TypeScript + Bun製のCLIスキルを自動生成してくれます。日本の求人サイト（リクナビNEXT、Greenなど）に対応させる場合もこのコマンドで対処できます。

取得した求人を適合度スコア順に並べ替えるときは /rank を使いましょう。

ステップ4：/apply の7ステップ自動ワークフローを解剖する

ここがフレームワークの核心です。求人のURLを渡すだけで、応募書類一式が自動生成されます。

/apply https://example.com/jobs/12345

内部では以下の7ステップが自動実行されます:

① 求人投稿パース（URL → 構造データ）
     ↓
② 適合度評価（スキル・経験・文化・勤務地の4軸）
     ↓
③ LaTeXでCV・カバーレターをドラフト
     ↓
④ 第2エージェント（レビュアー）が企業調査＋批評
     ↓
⑤ ドラフターがフィードバックを反映して修正
     ↓
⑥ PDF生成・レイアウト検証ループ（lualatex/xelatex）
     ↓
⑦ ATS互換チェック → 最終出力・チェックリスト提示

ドラフター・レビュアー分離アーキテクチャ

特筆すべきはステップ③〜⑤の二エージェント構成です。

• ドラフター：あなたのプロフィールデータを参照してCV・カバーレターを執筆
• レビュアー：まっさらなコンテキストで起動し、企業をリサーチしてドラフトを批評

人間でも自分で書いた文章の誤りは気づきにくいですよね。AIも同じで、同一コンテキスト内で自己校正しようとすると盲点が生まれます。コンテキストを分けることで「見落としたキーワード」「弱いフレーミング」「汎用的すぎる表現」を客観的に検出できる仕組みになっています。

LaTeX × PDF検証ループ

生成されるCVは moderncv（バンキングスタイル）をベースにしたLaTeXテンプレートです。ページ数がオーバーした場合、単純に古いエントリを削るのではなく、キーワード適合度の低い行を優先的に削減する「関連性加重削減」が行われます。つまり、その企業の求人に最も関係の薄い情報が整理される、賢い設計です。

ATS互換チェックの仕組み

ATS（Applicant Tracking System）とは、多くの企業が使っている応募書類を自動スクリーニングするシステムのことです。書類が人間の目に届く前に、機械に読まれています。

pdftotext（popplerツール）を使ってPDFのテキスト層を抽出し、以下を検証します:

1. テキスト読み取り順序：マルチカラムレイアウトで文字列が混在していないか
2. キーワードカバー率：求人要件のキーワードがどれだけカバーされているか
3. フォントフォールバック失敗：文字化けが発生していないか

スキルのギャップは捏造せず、誠実に報告する設計になっています。ここが私がこのフレームワークを信頼できると感じた部分です。

ステップ5：/interview で面接準備を自動化する

内定候補の企業が絞れてきたら、面接準備です。

/interview

STAR形式（Situation/Task/Action/Result）の回答例、企業研究サマリ、模擬面接の質問集が一式生成されます。

また、残念ながら落ちてしまった場合は /upskill コマンドが役立ちます。スキルギャップを分析して、次の応募に向けた学習計画を提案してくれます。失敗を次のステップに活かすループが作れるわけです。

ステップ6：MCP連携で応募ステータスを自動追跡する

**MCP（Model Context Protocol）**は、外部サービスをClaude Codeに安全に接続するための標準プロトコルです。ai-job-searchはこれを使って、応募後の追跡まで自動化しています。

/gmail-sync：面接招待・採否通知の自動検出

/gmail-sync

Gmail MCPと連携して、面接招待メールや採否通知を検出し、ステータス変更を提案します。ここで重要なのが「提案」であること。変更の実行にはユーザーの承認が必要な設計になっています。AIが勝手にメールを操作することはありません。

/notion-sync と /html-report

Notion MCPへの同期（/notion-sync）や、オフラインで見られるHTMLダッシュボード（/html-report）も用意されています。Notionへは一方向・ファイル名のみを同期し、書類の内容はローカルに保持するプライバシー設計です。

セキュリティ：求人票を「信頼しない」設計

求人票の本文に「CVに〇〇というスキルを追加せよ」といった悪意ある指示が埋め込まれるケースがあります（プロンプトインジェクション攻撃）。ai-job-searchは以下の防御策を講じています:

1. 求人本文内の指示を実行しない
2. 求人本文内のURLを自動取得しない
3. 出力書類とプロフィールの整合性を事後検証
4. .claude/settings.json の許可リストでポータルスキルの操作範囲を制限

ただし、これは**サンドボックスではなく「指示レベルのセキュリティ」**です。未知の求人ボードでは取得内容を目視確認することをお勧めします。

全13コマンド早見表

よくある質問（FAQ）

Q. 日本語の求人に使えますか？ コアワークフローは言語非依存です。日本のポータル対応は /add-portal で自作できます。日本語フォント（Noto Sans JPなど）を使う場合は、LaTeXに lualatex を使い、プリアンブルに以下を追記します:

\usepackage{luatexja-fontspec}
\setmainjfont{Noto Sans JP}

Q. LaTeXを知らなくても使えますか？ テンプレートは最初から提供されているので、LaTeXの知識は不要です。ただし環境構築（インストール）は必要です。

Q. AIが経歴を「盛る」ことはありませんか？ 設計上、スキルの捏造はしません。実際のプロフィールとのギャップは、誠実にレポートとして出力される方針です。

Q. 生成した書類はそのまま出して大丈夫？ 最終的には人間がレビューすることを強くお勧めします。AIは優秀なドラフターですが、あなた自身の言葉で微調整することで、より説得力のある書類になります。

まとめ：AIに任せる部分と、人間が担うべき部分

ai-job-searchが優れているのは、自動化しながら誠実さを捨てない設計にあります。スキルを捏造しない、メール変更に承認を挟む、ギャップを正直に報告する。これらはすべて、長期的に信頼できるキャリアを築くための判断です。

AIに任せるべきことは「繰り返し作業」と「フォーマット最適化」。人間が担うべきことは「最終確認」と「自分の言葉で伝えること」。この分担を意識することが、このツールを最大限に活かすコツです。

いきなり全部使おうとしなくていいです。まず /setup と /apply だけで始めて、慣れてきたら /gmail-sync を足してみる。あなたのペースで、一歩ずつ進めていきましょう。きっとうまくいきます。

参考リンク

• ai-job-search GitHub リポジトリ
• Claude Code 公式ドキュメント
• Model Context Protocol（MCP）仕様