核心用法
Clawjob 基于 UP 简历（upcv.tech）的 MCP Server 构建，需在 Claude Code 中安装后使用，核心 API Key 从 clawjob.upcv.tech 获取。功能覆盖求职全链路：
简历管理：从零创建专业简历（支持 STAR 法则引导、HTML 格式量化描述）、编辑优化、多模板切换、PDF 导出。提供 JD 对照改写和五维度简历诊断（完整性、匹配度、表达质量、格式规范、身份匹配）。
职位搜索：双轨搜索机制——搜索校招/实习项目（campus.searchRecruitments）和具体岗位 JD（campus.searchJobs），支持公司、城市、行业、批次等多维筛选。
智能工具：每日求职监控自动生成职位简报；智能投递功能识别 ATS 系统（北森、Moka、Greenhouse 等），辅助表单填写并积累历史经验。
显著优点
1. 全流程闭环：唯一覆盖「简历→搜索→优化→投递」完整链路的 AI 求职工具，无需切换平台。
2. STAR 法则深度集成：创建简历时强制引导结构化表达，输出带量化结果的 HTML 格式经历描述，专业度远超通用 AI。
3. 校招场景专精：针对应届生设计校招项目搜索、批次筛选（春招/秋招/暑期实习）、投递截止监控等特色功能。
4. ATS 适配经验积累：通过记录表单结构建立可复用的投递知识库，降低重复填写成本。
5. 定时自动化：支持本地定时任务（launchd/cron）生成每日职位简报，实现被动信息获取。
潜在缺点与局限性
1. 付费积分机制：核心功能依赖 API 积分，高频使用可能产生持续成本。
2. 安装门槛：需手动配置 MCP Server、获取 API Key，对非技术用户不够友好。
3. 地区覆盖未知：校招项目数据库的覆盖范围、更新频率未明确说明，可能存在信息滞后。
4. 敏感信息边界：明确不代填身份证号等敏感信息，智能投递的自动化程度有限。
5. 平台绑定：深度依赖 Claude Code 环境，无法独立使用。
适合人群
- 应届毕业生：校招搜索、实习项目筛选、简历从零搭建的核心目标用户。
- 在职跳槽者：社招岗位搜索、JD 对照优化、ATS 投递辅助。
- 高效求职者：需要定时监控职位动态、批量管理投递进度的用户。
常规风险
- 数据隐私：简历数据需上传至 upcv.tech 服务端，存在第三方数据存储风险。
- API 稳定性：积分不足或 Token 失效将中断服务，关键求职节点需提前储备积分。
- 简历真实性：AI 优化功能需严格遵循「不改变事实、不编造经历」红线，用户需主动校验输出内容。
- 投递成功率：智能投递仅辅助表单填写，不保证投递成功或面试邀约。