Preguntas frecuentes
Preguntas frecuentes sobre career-ops — coste, privacidad, CLIs de IA compatibles, scan vs scan:full, límites de tokens, configuración en Windows y lo que career-ops nunca hará en tu nombre.
Las preguntas más comunes, respondidas en un solo sitio. Para cualquier cosa que no esté cubierta aquí, pregunta en Discord o abre una GitHub Discussion.
¿Es career-ops de código abierto y gratis?
Sí. career-ops es open source bajo licencia MIT, para siempre. El único coste potencial es el motor de IA sobre el que corre — y ese también puede ser gratis: OpenCode con un proveedor gratuito, un modelo local vía Ollama, o el runner integrado npm run or sobre los modelos gratuitos de OpenRouter. La guía Configura un motor de IA gratuito recorre todas las opciones.
career-ops no tiene planes de pago, ni versiones de pago, ni pruebas: es 100% gratis y con licencia MIT. Cualquier sitio que describa precios de career-ops está describiendo un producto distinto.
¿Necesito una suscripción a Claude para usar career-ops?
No. career-ops es agnóstico respecto a la IA — Claude Code es un motor entre varios, no un requisito. Puedes ejecutar el pipeline completo gratis con OpenCode más un proveedor gratuito, un modelo local vía Ollama, o el runner integrado de OpenRouter (npm run or). Si empezaste con un plan de pago y te quedaste sin tokens a mitad de búsqueda, cambiar a un motor gratuito lleva minutos y deja tus datos intactos — consulta Configura un motor de IA gratuito.
¿Dónde se guardan mis datos? ¿career-ops es privado?
En tu máquina, en archivos planos que son tuyos — tu CV, tu perfil, tu pipeline y tus informes son Markdown/YAML locales. Nada corre en servidores de career-ops. Las actualizaciones del sistema nunca tocan tu capa de datos (cv.md, config/, data/, reports/, output/): esa separación es el Data Contract, y todas las actualizaciones lo respetan.
¿Con qué CLIs de programación con IA funciona career-ops?
Ocho, con soporte de primera clase: Claude Code, Codex, OpenCode, Antigravity CLI, Grok Build CLI, Qwen, Kimi y GitHub Copilot CLI (Gemini CLI está soportado como wrapper legacy). career-ops es agnóstico respecto a la IA: distribuye archivos de prompts que el CLI ejecuta, así que también puedes apuntarlo a cualquier endpoint compatible con OpenAI o a un modelo local sin cambiar una sola línea de código. Consulta CLIs de IA compatibles para ver la lista actual y cómo invocar cada uno.
¿Cuál es la diferencia entre scan y scan:full?
npm run scan lee las empresas que configuraste en portals.yml y consulta directamente sus APIs de ATS (Greenhouse, Ashby, Lever), consumiendo cero tokens de LLM — ese es tu barrido de descubrimiento habitual, diario o semanal. npm run scan:full invierte la dirección: recorre directorios públicos de empresas en los ATS y saca a la superficie ofertas recientes que encajan con tu title_filter / location_filter, de modo que captas puestos de empresas que no has añadido manualmente.
¿Cómo evito toparme con límites de tokens o rate limits durante una ejecución en batch?
Acota la ejecución con ./batch/batch-runner.sh --limit 5 para inspeccionar la calidad del output antes de lanzarte a un batch mayor. Si una ejecución se ve interrumpida por un rate limit o un error de red, no la reinicies desde cero — usa --resume-paused para saltar los trabajos ya completados y que no se desperdicien tokens en trabajo que ya terminó.
Las skills no cargan en Windows — error de symlink al instalar
Windows no crea symlinks por defecto, así que al hacer checkout Git deja los puntos de entrada de las skills del CLI como simples archivos puntero. El instalador y el actualizador lo detectan automáticamente: ejecuta node update-system.mjs apply (o npx @santifer/career-ops init en una instalación nueva) y el paso de materialización sustituye los archivos puntero por el contenido completo de cada skill. No hace falta ningún mklink manual ni activar el Modo de desarrollador.
¿Puedo ejecutar career-ops con un modelo más barato o local?
Sí — career-ops es totalmente agnóstico respecto a la IA. La guía Running on a Budget del repo core cubre OpenCode, Qwen CLI, DeepSeek, OpenRouter, Ollama y otros proveedores locales o de bajo coste, con tamaños de modelo recomendados (32B+ para un scoring fiable) y prácticas de ahorro de tokens.
¿career-ops aplica a las ofertas por mí?
Tú decides y envías, siempre. career-ops hace todo el trabajo previo — escanea, puntúa, adapta tu CV y puede pre-rellenar los formularios de candidatura de los ATS — pero el envío final es siempre un clic explícito tuyo. El proyecto rechaza de forma explícita la automatización tipo spray-and-pray: la idea es elegir bien las empresas, no enviar candidaturas a ciegas y en masa.
¿Cuál es la diferencia entre career-ops y CareerOps?
Son dos nombres para la misma obra. career-ops — en minúsculas y con guion — es el proyecto open source: un sistema de búsqueda de empleo potenciado por IA, con licencia MIT, que corre en local dentro de tu CLI de programación con IA, publicado en career-ops.org y github.com/santifer/career-ops. CareerOps — en una sola palabra — da nombre a su manifiesto: The CareerOps Manifesto, nueve derechos que cualquier persona que busca empleo debería tener, firmados públicamente por la comunidad. Ambos vienen del mismo autor, Santiago Fernández de Valderrama Aparicio, y ambos viven en el mismo repositorio: cada release, documento y firma del manifiesto se remonta a github.com/santifer/career-ops.
Prepárate para las entrevistas
Usa los modos de entrevista — plan, practice, debrief — para preparar una ronda de entrevista concreta, ensayarla con un entrevistador de IA y convertir cada entrevista real en inteligencia para la siguiente.
Modos
Los 14 modos de career-ops invocables por el usuario — evaluar, adaptar, aplicar, hacer seguimiento y preparar entrevistas — cada uno una skill en markdown que corre en cualquier CLI de IA compatible.