Slushpile：七智能体对抗式求职审查

是什么 Slushpile 是一个用 Python 编写的开源求职 Agent 项目，定位不是单纯优化简历，而是把求职过程改造成“先找拒绝理由，再决定是否投入”的对抗式工作流。它可接入 Claude Code、Codex、Cursor 和 Gemini CLI。

核心设计 首次 onboarding 会把候选人的事实、偏好和可讲述经历沉淀为 profile.md、preferences.yaml、stories.md，后续岗位评估与材料生成持续复用这些记忆。搜索阶段基于估计候选人池评分，并分别计算冷投、内推、外联等渠道的概率与预期价值。材料生成后交给七种角色审查：前五个角色彼此隔离，随后由招聘经理综合，反方 Agent 再尝试推翻结论；Codex 环境下则顺序执行。审核最多迭代三轮，并把新发现写回画像与申请记录。

关键洞察 它把优化目标从“文档匹配度”转成“这次申请是否值得投入时间”，同时将材料质量、渠道质量和岗位匹配度拆开，避免一个漂亮的百分比分数掩盖低成功率。

亮点与边界 值得借鉴的是角色分工、盲评、持久化记忆和结果反馈闭环。局限在于候选人池与概率仍是模型估计，只有持续记录结果才可能校准；仓库目前仅 14 Stars 且近期创建，成熟度仍需验证。README 还明确说明，示例 voice 属于作者本人，外联只起草而不会代发。