취업을하자 (chwieop-haja)

취업을하자 — Korean Internship Tool

한국어 | English

채용공고를 프로젝트로, 프로젝트를 이력서로, 이력서를 면접으로.

어떤 도구인가

채용공고 하나를 던지면, 지원서에 쓸 수 있고 면접에서 설명할 수 있는 프로젝트까지 데려다주는 AI 어시스턴트용 스킬입니다.

프로젝트를 처음부터 만들지는 않습니다. 공고에 맞는 GitHub 오픈소스를 골라주고, 그 코드를 파악하는 법을 알려주고, 면접에서 이야기할 만한 부분을 직접 손보게 안내합니다. 마지막엔 이력서 문장과 예상 질문까지 정리해 줍니다.

백엔드, 프론트엔드, 풀스택, 모바일, 테스트, 데이터, 클라우드, 보안, AI 등 개발 직군 전반에 쓸 수 있습니다. 특히 "공고는 봤는데 뭘 만들어야 할지 모르겠는" 상황을 위해 만들었습니다.

혼자 쓰기보다 스터디나 오픈카톡에서 같이 돌려보면 더 좋습니다.

한국 취업시장에 맞췄습니다

• 공고 붙여넣기 — 사람인, 잡코리아, 원티드, 프로그래머스 등 어디서 복사해 와도 그대로 넣으면 됩니다.
• 우리 채용 문화 — 대기업 공채와 스타트업 수시채용, 코딩테스트, 자기소개서, 포트폴리오, 기술·인성 면접을 염두에 두고 결과물을 만듭니다.
• 용어는 그대로 — API, Docker, Kubernetes 같은 기술 용어와 명령어는 억지로 번역하지 않습니다.

무엇을 해주나

1. 학습 로드맵을 먼저 보여줍니다
공고를 역량별로 쪼개서, 무엇을 어떤 순서로 배우고 각 단계에서 뭐가 남는지 알려줍니다. 프로젝트 추천은 그다음입니다. 순서를 모르는 채로 저장소 목록만 받으면 아무 의미가 없으니까요.

2. 공고에 맞는 오픈소스를 찾아 순위를 매깁니다
후보 2~3개를 고른 뒤 공고 적합도, 시작하기 쉬운 정도, 면접에서 이야기할 거리, 돌리는 데 드는 비용, 손볼 여지를 따져 점수를 냅니다.

3. 코드를 빠르게 파악하게 돕습니다
저장소를 훑어서 구조, 진입점, 의존성, 데이터 흐름을 정리한 리포트(audit.json, overview.md, overview.html)를 만듭니다.

4. 실행 계획을 세웁니다
일단 내 노트북에서 최소한으로 돌려보는 걸 먼저 노립니다. 그걸로 부족할 때만 클라우드나 GPU를 씁니다.

5. 직접 손볼 지점을 제안합니다
API 하나 추가, 캐시 붙이기, 테스트 작성, 배포 설정 같은 것들. 크게 벌이는 대신 면접에서 설명할 수 있는 크기로 고릅니다.

6. 면접 자료를 만들어 줍니다
STAR 형식 이력서 문장, 핵심 코드 설명 대본, 면접관이 파고들 질문과 답변, 발표 자료 프롬프트, 지원 전 체크리스트.

전체 흐름

flowchart TD
    JD(["채용공고 입력"]) --> Intake["1. 상황 파악"]
    Intake --> Gate{"원하는 프로젝트<br/>스타일이 있나요?"}
    Gate -- "없음" --> Roadmap["2. 학습 로드맵"]
    Gate -- "있음" --> Pref["선호 태그 선택"]
    Pref --> Roadmap
    Roadmap --> Discovery["3. 오픈소스 후보 찾기"]
    Discovery --> Rank["4. 순위 매기기<br/>chwieop-rank"]
    Rank --> Recon["5. 코드 파악<br/>chwieop-scan"]
    Recon --> Baseline["6. 직접 돌려보기"]
    Baseline --> Build["7. 내 손으로 고치기"]
    Build --> Pack["8. 면접 자료 만들기<br/>chwieop-prep"]
    Pack --> Ready{"9. 설명할 수 있나?"}
    Ready -- "아직" --> Build
    Ready -- "됐다" --> Done(["지원 준비 완료"])
    Pref -. "순위에 살짝 반영" .-> Rank

4·5·8단계는 스크립트가 대신 해줍니다. 9단계에서 막히면 7단계로 돌아가 보강합니다.

실제로 돌려본 결과

금융·보험 AI 아키텍트 공고로 처음부터 끝까지 돌려본 기록입니다. GitHub에서 실제 데이터를 받아 계산했습니다. 자세한 내용은 examples/example-run.md에 있습니다.

별 개수가 많다고 1등이 되지 않습니다. 내 시간과 장비, 공고와의 거리, 위험 요소로 순위가 갈립니다. 이후 1위 저장소를 훑어(1,454개 파일) 공고와 직결되는 코드를 찾아내고, 면접 자료까지 만들어 냅니다.

원하는 스타일이 있다면

"나는 백엔드가 하고 싶고 프론트는 별로다" 같은 취향이 있으면 반영됩니다.

공고를 읽은 다음 취향이 있는지 한 번 물어봅니다. 없다고 하면 공고만 보고 추천하고, 있다고 하면 세 가지 방향을 제시하거나 직접 적을 수 있게 합니다. "~는 하고 싶지 않다"고 쓴 내용은 피할 조건으로 처리합니다.

이 취향은 순위에 살짝만 반영됩니다. 취향에 맞아도 돌아가지 않거나 공고와 먼 프로젝트는 1순위가 되지 않습니다.

Codex를 쓰면서 Plan 모드를 켜는 걸 권합니다. 그래야 선택지가 팝업으로 제대로 뜹니다. 다른 도구도 Plan이나 Ask 모드가 있으면 켜두세요. 없으면 그냥 텍스트로 묻고 답하는 형태가 됩니다.

어떻게 쓰나

공고와 본인 상황을 AI 어시스턴트에게 같이 넘기면 됩니다.

취업을하자 도구로, 아래 채용공고에 맞는 인턴 프로젝트를 기획해 줘.

내 상황:
- 수준: 강의는 들었는데 프로젝트 경험은 적음
- 다룰 수 있는 것: Python, FastAPI, React 조금
- 쓸 수 있는 시간: 2일
- 장비: 노트북 + Docker, GPU 없음
- 어디까지: 일단 돌아가는지만 확인 (smoke-test)
- 하고 싶은 것: 백엔드나 AI 쪽. 로컬에서 돌아가고 면접에서 설명하기 쉬운 것.
  프론트엔드만 하는 건 피하고, GPU 여러 장이나 복잡한 클라우드는 부담스러움.

채용공고:
...

정해둔 취향이 없으면 그냥 공고만 넘기셔도 됩니다.

어디까지 할지는 네 가지 중에 고르면 됩니다.

설치

cd korean-internship-tool
python3 -m venv .venv
. .venv/bin/activate
python -m pip install -e ".[dev]"

스크립트 사용법

설치하면 명령어 세 개가 생깁니다.

# 저장소 훑어보기
chwieop-scan --repo /path/to/repo --out reports/audit --name my-project

# 후보 순위 매기기
chwieop-rank --jd jd.txt --candidates candidates.json --out reports/ranking

# 취향까지 반영해서 순위 매기기
chwieop-rank --jd jd.txt --candidates candidates.json --taste taste.json --out reports/ranking

# 면접 자료 만들기
chwieop-prep --project-notes reports/audit --out reports/interview-pack

python -m chwieop_haja.scanner, python -m chwieop_haja.ranker, python -m chwieop_haja.prep_kit로 실행해도 같습니다.

점수는 이렇게 계산합니다

먼저 항목별 점수를 더해 원점수를 내고, 만점으로 나눠 100점 기준으로 환산합니다. 취향이 없으면 만점이 120점, 취향이 있으면 관련 항목이 더해져 132점이 됩니다.

스크립트는 문장을 읽고 알아서 판단하지 않습니다. 라이선스가 좋은지, 실제로 돌아가는지, 내 장비로 감당되는지는 AI 어시스턴트가 판단해서 숫자로 적어줘야 합니다(matched_jd_terms, license_score, runnable_score, resource_fit_score). 취향도 마찬가지로 태그 형태여야 인식합니다. 자연어로 적은 문장은 무시합니다.

취향 파일 (taste.json)

{
  "taste_text": "백엔드랑 AI 앱 쪽이 좋고, 프론트만 하는 건 싫다. Docker로 로컬에서 돌아가고 면접에서 설명하기 쉬운 것",
  "prefer_tags": ["backend", "ai-app", "local-docker", "interview-friendly"],
  "avoid_tags": ["pure-frontend", "multi-gpu", "cloud-heavy"]
}

후보 파일 (candidates.json)

[
  {
    "name": "tiny-ticket-system",
    "repo_url": "https://github.com/example/tiny-ticket-system",
    "license": "MIT",
    "license_score": 5,
    "stars": 320,
    "last_commit": "2026-04-20",
    "tags": ["fastapi", "postgresql", "docker", "rest-api"],
    "matched_jd_terms": ["백엔드 개발", "API 설계", "데이터베이스", "컨테이너 배포"],
    "jd_match_score": 25,
    "runnable": true,
    "runnable_score": 25,
    "resources": "로컬 Docker로 최소 실행 가능",
    "resource_fit_score": 15,
    "mod_ideas": ["JWT 인증 추가", "Redis 캐시 추가", "통합 테스트 작성"],
    "risk_notes": ["DB 마이그레이션 설정이 따로 필요"],
    "taste_tags": ["backend", "local-docker", "interview-friendly", "api", "database"],
    "avoid_tags": ["cloud-heavy"]
  }
]

taste_tags, avoid_tags, project_taste_notes는 없어도 됩니다. 앞의 둘은 취향 매칭에 쓰이고, project_taste_notes는 사람이 읽는 설명일 뿐 점수에 영향을 주지 않습니다.

이 도구가 지키는 원칙

• 면접부터 잡는 게 우선입니다. 공고와 맞는 프로젝트, 이력서 네다섯 줄, 예상 질문을 가장 먼저 만듭니다.
• 완벽한 재현에 시간을 쓰지 않습니다. 논문 결과를 그대로 뽑아내거나 시스템을 전부 다시 쓰는 건 취업 준비에 도움이 안 됩니다.
• 작게 고치고 확실히 설명합니다. 면접관이 알아듣고 내가 답할 수 있는 크기가 딱 좋습니다.
• 없는 숫자를 만들지 않습니다. 성능 수치가 없으면 무엇을 만들었고 어떻게 이해했는지, 다음에 뭘 검증할지로 씁니다.
• 말할 수 있을 때까지 연습합니다. AI에게 면접관을 시켜서 입출력, 선택 이유, 실패 원인을 막힘없이 말할 수 있을 때까지 물어보게 합니다.

개발

cd korean-internship-tool
. .venv/bin/activate
pytest

만든 사람

newrise0410

라이선스

쓰는 건 자유롭게, 고쳐서 배포하는 건 허락을 받아 주세요.

• 가능: 개인·상업적 사용, 열람, 원본 그대로 재배포(라이선스 파일 포함)
• 허락 필요: 수정·번역·2차 저작물 제작 및 배포

자세한 내용은 LICENSE를 확인하시고, 수정해서 쓰고 싶으시면 연락 주세요.