Я автоматизировал поиск работы, чтобы пройти тест Тьюринга у HR. Открытый эксперимент

Я Вадим, QA-инженер.

Все мы знаем, как работает найм. Твое резюме может быть идеальным, но если в нем нет нужного ключевого слова или оно не понравилось алгоритму первичного отсева (ATS) — ты в пролете.

Я решил взломать эту систему. Инженерно.

Я написал софт, который берет на себя весь цикл: мониторинг вакансий, анализ требований и генерацию сопроводительного письма, которое должно продать меня лучше, чем я сам.

Ниже — краткий лог разработки: как мы боролись с «машинным акцентом», почему нейросети врут про опыт ^[1] и удалось ли мне обмануть рекрутеров.

Попытка №1. Скрипты и шаблоны

Сначала я написал простой парсер на Python. Логика ^[2] была линейной: вижу вакансию — отправляю шаблон.

Это провал. Конверсия около нуля.

Рекрутеры видят шаблон за версту. Если в тексте нет привязки к конкретным задачам компании, его просто не читают.

Попытка №2. «Галлюцинации» и списки

Мы подключили языковую модель. Задача: прочитать описание вакансии, найти пересечения с моим резюме и написать текст.

Тут мы столкнулись с проблемой, о которой мало пишут. Базовая модель пишет как робот.

— «Я готов рассмотреть…»

— «Я обладаю навыками…»

— И обязательно маркированный список из 5 пунктов.

Для HR-специалиста список в письме — это сейчас главный маркер нейросети. Такие отклики улетают в корзину, даже не доходя до нанимающего менеджера.

Нам пришлось потратить недели на отладку инструкций, чтобы заставить алгоритм забыть про списки и начать писать живым языком. В стиле «повествования», а не «отчета».

Самое сложное: Контекст

Главная фишка, которую мы реализовали — это смысловой матчинг.

Софт не просто смотрит на стек. Он ищет боли ^[3].

Если в вакансии написано «нужно ускорить сборку», а у вас в резюме есть строчка про оптимизацию Docker — алгоритм вытащит именно этот факт и поставит его в начало письма.

Это создает иллюзию, что кандидат внимательно вчитался в вакансию. Хотя на самом деле это заняло 3 секунды машинного времени.

Два режима: «Автопилот» и «Паранойя»

Мы быстро поняли, что пользователи делятся на два типа. Поэтому реализовали две логики работы:

1. Полная автоматизация.

   Для тех, кто хочет результат «под ключ». Софт сам мониторит рынок, сам принимает решение и сам отправляет отклик. Вы вечером просто смотрите отчет: «Отправлено 20 откликов».

2. Режим «Да/Нет» (Tinder-style).

   Для тех, кто хочет контролировать процесс (как я).

   Система находит вакансию, генерирует письмо и показывает вам превью. Вы нажимаете «Ок» или «Пропустить».

   Это позволяет отсеять компании с плохими отзывами или галеры, куда вы точно не хотите.

Предложение протестировать

Я не буду утверждать, что это «серебряная пуля». Но статистика показывает, что автоматизированный подход дает конверсию выше, чем ручной. Просто за счет скорости и отсутствия «замыленного глаза».

Я открыл доступ к инструменту.

Мне интересно посмотреть, как алгоритм справится с редкими стеками или сложными грейдами (Team Lead, Architect).

Если у вас есть желание проверить, что софт напишет конкретно под ваш опыт и сможет ли он «продать» вас дороже рынка — ссылка ниже.

Фидбек (особенно если найдете баги в генерации) жду в комментариях.

👉 Запустить и проверить: [ССЫЛКА НА БОТА] ^[4]

👉 Блог проекта (новости, патчи, обновления): [ССЫЛКА НА КАНАЛ] ^[5]