Glosario

Todos los términos que usa career-ops, definidos en un solo lugar. Cada término enlaza a su referencia más detallada cuando existe.

ATS (Applicant Tracking System)

El software que usan las empresas para recibir, almacenar y filtrar candidaturas — Greenhouse, Ashby y Lever son ejemplos habituales. career-ops lee sus APIs públicas de empleo para descubrir vacantes y puede prerrellenar sus formularios de solicitud, pero nunca envía nada automáticamente.

Puntuación A–F

La nota que career-ops asigna a una oferta tras evaluarla frente a tu CV y tu perfil en múltiples dimensiones. Una A significa «presenta tu candidatura ya, con plena convicción»; una F significa que la oferta no supera tus propios criterios. La rúbrica de puntuación es pública en la página de metodología.

Data Contract

La promesa arquitectónica central de career-ops: la capa de sistema (scripts, modos, plantillas) puede actualizarse en cualquier momento, mientras que la capa de usuario — cv.md, config/profile.yml, data/, reports/, output/ — no se toca jamás durante una actualización. Tus datos sobreviven a todas las versiones.

Spray-and-pray

La estrategia de solicitud masiva: enviar el mismo CV a cientos de ofertas sin ningún criterio. career-ops la rechaza explícitamente: el pipeline evalúa y clasifica las ofertas primero, de modo que el esfuerzo se concentra en el pequeño conjunto de puestos que de verdad merecen la pena.

Liveness check

Una heurística que career-ops ejecuta para detectar si una oferta sigue abierta antes de que gastes tiempo o tokens en ella. Es una señal orientativa — las ofertas caducadas a veces siguen publicadas en los portales de empleo — y puedes marcar una oferta manualmente cuando la heurística se equivoca.

Tailoring

Reescribir tu CV para una oferta concreta — reordenando el énfasis, destacando las habilidades y métricas que encajan, alineando el vocabulario con la descripción del puesto — manteniendo cada afirmación fiel a tu experiencia real. career-ops genera un CV adaptado por candidatura, en Markdown que puedes editar.

Modo

Un flujo de trabajo enfocado, definido como prompt, que career-ops distribuye como un fichero Markdown plano que tu CLI de IA ejecuta — scan, apply, tracker, interview/practice y una docena más. Los modos son texto inspeccionable, no código de caja negra.

Pipeline

El flujo de trabajo de career-ops de principio a fin: escanear portales → evaluar ofertas A–F → adaptar el CV → solicitar → hacer seguimiento → preparar entrevistas. Cada etapa es un modo que puedes ejecutar por separado o en batch.

Zero-token scan

Una pasada de descubrimiento que no consume tokens de LLM: scan.mjs llama directamente por HTTP a las APIs de los ATS (Greenhouse, Ashby, Lever), así que encontrar ofertas nuevas es gratis con independencia del motor de IA que uses.

Motor de IA

La CLI de programación con IA que ejecuta los prompts de career-ops — Claude Code, OpenCode, Codex, GitHub Copilot CLI y otras CLIs compatibles — o cualquier endpoint compatible con OpenAI. career-ops es agnóstico respecto al motor y funciona también con motores gratuitos.

Banco de preguntas

Un fichero Markdown local (interview-prep/question-bank.md) donde career-ops acumula preguntas reales de entrevista y tu desempeño en cada una (✅/🟡/🔴). El modo interview/debrief lo actualiza después de cada entrevista real, de modo que la preparación se acumula ronda tras ronda.

Historia STAR+R

Una historia de entrevista estructurada como Situación, Tarea, Acción, Resultado, más Reflexión — el formato que career-ops usa en su banco de historias para que las respuestas conductuales sean concretas, cuantificadas y reutilizables de una entrevista a otra.

Banco de historias

Un fichero Markdown local (interview-prep/story-bank.md) con tus historias STAR+R preparadas. Las sesiones de práctica verifican tus respuestas contra él, y los debriefs extraen historias nuevas de lo que realmente dijiste en las entrevistas reales.

Portal

La página de empleo de una empresa, respaldada por un ATS, que career-ops puede escanear. Tus portales en seguimiento viven en portals.yml; el escáner lee sus APIs públicas en cada ejecución.

Evaluación en batch

Puntuar muchas ofertas guardadas en una sola ejecución en vez de una a una, con flags para mantener el control: --limit acota el tamaño del batch, --dry-run muestra una vista previa de lo que se procesaría y --resume-paused continúa una ejecución interrumpida sin volver a gastar tokens.

Local-first

El principio arquitectónico de career-ops: todo — tus datos, los prompts, los scripts, la CLI de IA — se ejecuta en tu máquina. No hay backend alojado, no hay cuenta y no hay que registrarse en nada.

CareerOps

CareerOps es la práctica de llevar la búsqueda de empleo como los ingenieros llevan producción: con evidencia, con disciplina y con herramientas en el lado de la mesa donde se sienta el candidato. El término nombra la práctica, no un producto; career-ops es su primera implementación de referencia. Acuñado por Santiago Fernández de Valderrama Aparicio en The CareerOps Manifesto (14 de julio de 2026).