Glossário

Todos os termos que o career-ops usa, definidos em um só lugar. Quando existe uma referência mais detalhada, o termo leva até ela.

ATS (Applicant Tracking System)

O software que as empresas usam para receber, armazenar e filtrar candidaturas, também chamado de sistema de triagem — Greenhouse, Ashby e Lever são exemplos comuns. O career-ops lê as APIs públicas de vagas desses sistemas para descobrir oportunidades e pode pré-preencher os formulários de candidatura, mas nunca envia nada sozinho.

Nota global (de 1 a 5)

A avaliação holística que o LLM faz de uma vaga em cinco dimensões (aderência ao perfil, alinhamento com o seu objetivo de carreira, remuneração, sinais culturais e sinais de alerta), resultando em uma nota de 1 a 5. A partir de 4,5, o agente recomenda se candidatar imediatamente; abaixo de 4,0, recomenda não se candidatar. Não existe uma fórmula fechada de pesos: a nota é o julgamento do LLM com base na rubrica, que é pública na página de metodologia.

Data Contract

A principal promessa de arquitetura do career-ops: a camada do sistema (scripts, modos, templates) pode ser atualizada a qualquer momento, enquanto a camada do usuário — cv.md, config/profile.yml, data/, reports/, output/ — nunca é tocada por uma atualização. Seus dados sobrevivem a todas as versões.

Spray-and-pray

A estratégia de candidatura em massa: enviar o mesmo currículo para centenas de vagas, sem nenhum critério. O career-ops rejeita essa prática explicitamente: o pipeline primeiro avalia e classifica as vagas, para que o esforço se concentre no pequeno grupo de posições que realmente valem a pena.

Verificação de vaga ativa (liveness check)

Uma heurística que o career-ops executa para detectar se uma vaga ainda está aberta antes de você gastar tempo ou tokens com ela. É um sinal aproximado — vagas encerradas às vezes continuam publicadas nos sites de emprego — e você pode marcar as vagas manualmente quando a heurística errar.

Adaptação do currículo (tailoring)

Reescrever o seu currículo para uma vaga específica — reordenando as ênfases, destacando as competências e métricas que combinam com ela, alinhando o vocabulário com a descrição da vaga — sem deixar de ser fiel à sua experiência real em cada afirmação. O career-ops gera um currículo adaptado por candidatura, em Markdown, que você pode editar.

Modo

Um fluxo de trabalho focado, definido por prompt, que o career-ops distribui como um arquivo Markdown simples, executado pela sua CLI de IA — scan, apply, tracker, interview/practice e mais uma dúzia. Os modos são texto que você pode inspecionar, não código de caixa-preta.

Pipeline

O fluxo de trabalho do career-ops de ponta a ponta: varrer portais → avaliar vagas (de 1 a 5) → adaptar o currículo → candidatar-se → acompanhar → preparar entrevistas. Cada etapa é um modo que você pode executar de forma independente ou em lote.

Varredura sem tokens (zero-token scan)

Uma execução de descoberta que não consome nenhum token de LLM: o scan.mjs lê APIs de ATS, feeds de sites de emprego e páginas de carreiras diretamente por HTTP, então encontrar vagas novas é gratuito, seja qual for o motor de IA que você usa.

Motor de IA

A CLI de programação com IA que executa os prompts do career-ops — Claude Code, OpenCode, Codex, GitHub Copilot CLI e outras CLIs compatíveis — ou qualquer endpoint compatível com a OpenAI. O career-ops não depende de um motor específico e também funciona com motores gratuitos.

Banco de perguntas

Um arquivo Markdown local (interview-prep/question-bank.md) em que o career-ops acumula perguntas reais de entrevista e o seu desempenho em cada uma (✅/🟡/🔴). O modo interview/debrief atualiza esse arquivo depois de cada entrevista real, de modo que a preparação se acumula a cada rodada.

História STAR+R

Uma história de entrevista estruturada em Situação, Tarefa, Ação e Resultado, mais Reflexão — o método STAR com uma etapa a mais. É o formato que o career-ops usa no banco de histórias para que as respostas de entrevista comportamental sejam concretas, quantificadas e reutilizáveis em várias entrevistas.

Banco de histórias

Um arquivo Markdown local (interview-prep/story-bank.md) com as suas histórias STAR+R preparadas. As sessões de prática conferem as respostas com esse arquivo, e os debriefs extraem novas histórias do que você realmente disse em entrevistas reais.

Portal

O site de carreiras de uma empresa, sustentado por um ATS, que o career-ops consegue varrer. Os portais que você acompanha ficam em portals.yml; o scanner lê as APIs públicas deles a cada execução.

Avaliação em lote

Dar nota a muitas vagas salvas em uma única execução, em vez de uma por vez, com flags para manter o controle: --limit define o tamanho máximo do lote, --dry-run mostra o que seria processado e --resume-paused retoma uma execução interrompida sem gastar tokens de novo. Um job needs_confirmation é uma retenção sem artefatos que apenas a sessão interativa principal retoma, depois de uma resposta explícita; as flags de nova tentativa e de retomada de execuções pausadas o mantêm retido.

Local-first

O princípio de arquitetura do career-ops: tudo — seus dados, os prompts, os scripts, a CLI de IA — roda na sua máquina. Não há backend hospedado, não há conta e não há nada em que se cadastrar.

CareerOps

CareerOps é a prática de conduzir a busca por emprego do jeito que engenheiros conduzem a produção: com evidências, com disciplina e com ferramentas do lado do candidato na mesa. O termo dá nome à prática, não a um produto; o career-ops é a sua primeira implementação de referência. Cunhado por Santiago Fernández de Valderrama Aparicio em The CareerOps Manifesto (14 de julho de 2026).