Инструмент AI-поиска работы на GitHub: локальный AI-агент, который откликается на вакансии за вас (Claude Code / Antigravity)
Открытый AI-агент с GitHub сам находит вакансии, оценивает их по шкале 0–100 и готовит адаптированное резюме. Запускаем локально, бесплатно, в Antigravity!
Большинство инструментов для поиска работы с использованием ИИ ограничиваются созданием резюме. Пользователю по-прежнему приходится вручную копировать данные в формы откликов, что занимает часы. Открытый фреймворк AI Job Search с GitHub автоматизирует весь процесс локально. Он находит актуальные вакансии под профиль кандидата и оптимизирует резюме.
Назначение и принцип работы
Фреймворк превращает языковую модель в персонального агента по поиску работы, который работает на компьютере пользователя. Он выполняет три задачи:
- находит актуальные вакансии на подключенных порталах;
- удаляет недостоверные и дублирующиеся объявления;
- подготавливает проверенные отклики.
Автор создал инструмент для собственного поиска работы и получил полную занятость, используя этот процесс.
По данным автора, при тестировании на 69 адаптированных откликах агент получил 21 приглашение на первое собеседование. Конверсия составила 29%.
Защита от prompt injection
Публичные описания вакансий могут содержать скрытые инструкции, которые предназначены для того, чтобы сбить с толку автоматизированные парсеры. Версия 1.7 обрабатывает все внешние описания как необработанные данные. Перед передачей информации ИИ-агенту фреймворк фильтрует нестандартное форматирование.
Оценка резюме
Фреймворк оценивает резюме по объективной шкале от 0 до 100. Баллы снижаются, если в резюме отсутствуют обязательные навыки из вакансии.
Требования и запуск
- Оборудование. Фреймворк работает на стандартных ноутбуках с 4 ГБ оперативной памяти. Облачные серверы не нужны.
- Конфиденциальность. Контактные данные и информация о зарплате остаются на локальной машине и не передаются во внешние облачные сервисы.
- Среды выполнения. Claude Code не является полностью бесплатным. Альтернативные варианты: Codex, Antigravity и Gemini CLI.
- Инструкции. Все команды и инструкции приведены в файле
agents.mdофициального репозитория.
Автор использовал Google Antigravity. Сервис бесплатен и имеет ежедневные лимиты на работу агента.
Выбор модели
В Antigravity доступна модель Gemini 3.8 Flash. Для нее предусмотрены три режима размышления: low, medium и high. Режимы medium и high дают более точные результаты, но требуют больше времени. Автор выбрал режим low для ускорения тестирования.
Процесс установки
Автор передал агенту промпт с указанием изучить репозиторий, проверить инструкции из agents.md и выполнить официальные команды. После установки агент инициализировал файл навыков и проверил все исполняемые команды, которые предлагает навык.
Рабочий процесс
Этап 1. Сбор и очистка данных
Агент получает целевые роли и зарплатные ожидания, извлекает навыки из входных файлов и запрашивает подключенные порталы вакансий. Затем он удаляет дубликаты и опасные инструкции, которые могут содержаться в тексте вакансий, и формирует список актуальных откликов.
Этап 2. Оценка соответствия
Вакансии оцениваются по техническому соответствию и требованиям к зарплате. Итоговый балл выражается в процентах от 0 до 100. Вакансии старше 21 дня получают штрафные баллы. Это позволяет не тратить время на неактуальные объявления.
Этап 3. Подготовка документов
Работает цикл из двух агентов:
- Агент-составитель создает резюме и сопроводительное письмо, адаптированные под конкретную вакансию.
- Агент-рецензент проверяет, выполнены ли все требования вакансии, и удаляет лишние ключевые слова.
Настройка профиля
Команда /setup загружает базовое резюме и сохраняет целевую зарплату и проекты в файлы конфигурации в формате JSON. Файлы хранятся локально в папке агента.
Автор использовал файл кандидата JSON с вымышленным именем Private Ray. Профиль содержит:
- целевые роли;
- предпочтения по локации;
- основные навыки;
- опыт работы с текущим стеком;
- фокус на автономных мультиагентных конвейерах.
Команды фреймворка
| Команда | Функция |
|---|---|
/setup | Загружает резюме и сохраняет целевую зарплату и проекты в локальные JSON-файлы |
/scrap | Находит вакансии на подключенных порталах, удаляет дубликаты и сохраняет результаты в JSON |
/rank | Оценивает соответствие, формирует рейтинг и выявляет пробелы в навыках |
/apply | Создает адаптированные пункты резюме, подготавливает отклик по URL вакансии и составляет список вопросов для технического интервью |
| Job autopilot | Последовательно выполняет /setup, /scrap, /rank и /apply |
Команды можно запускать по отдельности, если требуется задать конкретные параметры.
Правила работы фреймворка
- Ответственность человека. Агент только готовит документы. Окончательную отправку выполняет пользователь.
- Защита данных. Информация о занятости хранится только в приватных ветках.
- Поисковые модули. Модули можно заменить, чтобы искать вакансии на отечественных или международных платформах.
- Качество вместо количества. Слабые совпадения отфильтровываются заранее, чтобы повысить долю откликов, на которые отвечают работодатели.
Результаты поиска вакансий
Агент нашел четыре вакансии, отобранные по критерию «удаленная работа»:
- AI systems engineer, Cognitive Flow Labs. Удаленная работа для США или Европы. Вакансия опубликована 3 дня назад на GitHub Rising Jobs. Указаны диапазон зарплаты, требуемые навыки и опыт. Агент проверил описание на наличие инструкций для prompt injection и не обнаружил скрытых команд. Отклоненные вставки отмечены в отчете.
- Вторая и третья вакансии. Одна из них относится к роли архитектора.
- AI infrastructure engineer. Четвертая вакансия.
Оценка соответствия
Агент сравнил вакансии с резюме автора и рассчитал итоговый балл. Штрафы назначались за отсутствие обязательных требований.
| Вакансия | Балл | Результат |
|---|---|---|
| AI systems engineer, Cognitive Flow Labs | 96% | Принята |
| Вторая вакансия | Не указан в исходных данных | Принята |
| Третья вакансия | Не указан в исходных данных | Принята |
| AI infrastructure engineer | 68% | Отклонена |
Автор установил порог соответствия 75%. Вакансия AI infrastructure engineer получила 68% и была отклонена. Основная причина: в резюме отсутствовал навык работы с кластерами Kubernetes.
По вакансии Cognitive Flow Labs агент отметил следующие показатели:
- зарплата полностью соответствует требованиям;
- опыт в предметной области превышает требуемый;
- технические навыки полностью совпадают с резюме;
- штрафы не назначены;
- вакансия опубликована недавно.
Подготовка отклика
Для вакансии Cognitive Flow Labs агент подготовил следующие материалы:
- Адаптированное резюме. Изменены профессиональное резюме, блок навыков и описание опыта и ключевых проектов. Навыки из вакансии вынесены в начало документа для прохождения ATS-систем.
- Сопроводительное письмо. В письме выражен интерес к роли, описан предыдущий опыт и открытый проект, который построил автор. В завершении указаны имя, текущая должность, адрес электронной почты и ссылка на портфолио.
- Отчет аудита. Отдельный агент сверил данные в резюме с информацией, которую предоставил автор.
Подготовка всех материалов заняла менее двух минут.
Сравнение с универсальными методами
Универсальные ИИ-модели часто теряют фокус при обработке случайного веб-текста и выдают некорректные ответы. Фреймворк изолирует необработанный текст от системных инструкций и выполняет операции в защищенной песочнице.
Универсальные модели могут создавать пункты резюме, которых не было в опыте кандидата. Инструмент связывает каждый пункт с подтвержденным опытом пользователя.
Результаты тестирования
| Показатель | Инструмент | Ручной поиск |
|---|---|---|
| Приглашения на первое собеседование | 29% (21 из 69 откликов по данным автора) | 3–5% |
| Время адаптации резюме под одну вакансию | Менее 2 минут | Более часа |
Все результаты проверяются агентом-рецензентом.
Преимущества
- Изоляция безопасности. Независимая песочница блокирует выполнение опасных инструкций в системе пользователя.
- Честная оценка. Фреймворк снижает баллы за пробелы в навыках. Более ранние модели завышали показатели соответствия.
- Проверка двумя агентами. Система проверяет ошибки форматирования и удаляет навыки, которые агент добавил без подтверждения в опыте.
Ограничения
- Пользователь должен проверять каждый отклик перед отправкой.
- Для локальных порталов вакансий требуются отдельные плагины парсинга.
- Качество итоговых документов зависит от полноты и достоверности исходного профиля. Информацию о карьере необходимо указывать точно и полностью с самого начала.
Введение и возможности инструмента
Автор представляет инструмент с GitHub, который автоматизирует поиск работы и подготовку откликов локально, без облачных серверов.
- Инструмент — открытый фреймворк с GitHub, превращающий языковые модели в личного «скаута по талантам».
- Ищет актуальные вакансии по профилю, удаляет недоверенные результаты и готовит проверенные отклики.
- Создатель использовал его для личного поиска и получил работу на полную ставку.
- На 69 адаптированных откликах агент получил 21 приглашение на первое собеседование — конверсия 29%.
- Версия 1.7 читает описания вакансий как сырые данные и фильтрует подозрительное форматирование (prompt injection).
- Работает на обычных ноутбуках с 4 ГБ памяти; персональные данные и зарплатная информация не уходят в облако.
Установка в Google Antigravity
Установка в Google Antigravity через файл agents.md и официальный репозиторий, с выбором модели и режима мышления.
- Облачный Claude Code платный, но можно использовать Codex, Antigravity или Gemini CLI.
- Инструкции находятся в файле agents.md репозитория.
- Google Antigravity бесплатен с ежедневными лимитами агента.
- Автор выбрал модель Gemini 3.8 Flash и режим low thinking для быстрых ответов.
- Режимы low, medium и high: чем выше, тем дольше генерация, но выше точность.
Ключевые этапы workflow
Описание этапов работы: получение данных, скоринг вакансий и двухагентная подготовка документов.
- Этап 1: сбор целевых инструментов и зарплатных предпочтений, извлечение навыков, поиск по порталам, удаление дубликатов и вредоносных инструкций.
- Этап 2: оценка вакансий по техническому соответствию и компенсации, оценка 0–100%.
- Вакансии старше 21 дня получают штрафные баллы, чтобы не тратить время на «призрачные» объявления.
- Этап 3: агент-составитель (drafter) адаптирует резюме и сопроводительное письмо; агент-рецензент (reviewer) проверяет требования и убирает лишние бюзворды.
Настройка профиля и команды
Настройка профиля кандидата через JSON-файл и команду setup; описание основных команд инструмента.
- Профиль кандидата задается JSON-файлом с условным именем private ray: целевые роли, локация, основные навыки, опыт и фокус на автономных мультиагентных пайплайнах.
- Команда /setup загружает резюме и сохраняет целевую зарплату и проекты в локальные JSON-файлы в папке агентов.
- Команда /scrap находит активные вакансии, сохраняет их и удаляет дубликаты.
- Команда /rank оценивает вакансии по баллам, строит рейтинг и выявляет пробелы в навыках.
- Команда /apply генерирует адаптированные пункты резюме, подает резюме по URL вакансии и готовит вопросы для технического интервью.
- Команда job autopilot выполняет setup, scrap, rank и apply последовательно.
Поиск вакансий и правила безопасности
Поиск вакансий агентом и правила безопасности инструмента.
- Агент нашел четыре вакансии; первая — AI systems engineer в Cognitive Flow Labs, удаленно из США или Европы, опубликована 3 дня назад на GitHub Rising Jobs.
- Для каждой вакансии указаны требуемые навыки, опыт, проверка на prompt injection и краткое описание.
- Правила: человек сам нажимает финальную отправку; персональные данные хранятся в приватных ветках; модули поиска позволяют менять платформы; фильтрация слабых совпадений.
- Для поиска указана удаленная работа.
Результаты оценки и подготовленные документы
Сравнение с обычными методами и результаты оценки вакансий и подготовленных документов.
- Обычные AI-модели могут терять фокус из-за случайного веб-текста; фреймворк изолирует сырой текст и работает в защищенной песочнице.
- Ручной поиск дает 3–5% успешных откликов; ручная адаптация резюме занимает более часа, инструмент — менее 2 минут.
- Первая вакансия (Cognitive Flow Labs) получила 96 баллов: совпадают зарплата, опыт в домене и технические навыки, штрафов нет, вакансия новая.
- Вакансия с Kubernetes получила 68 баллов при фильтре 75% и отклонена из-за отсутствия требуемого навыка.
- Агент подготовил адаптированное резюме (summary, навыки наверху, ATS-оптимизация) и целевое сопроводительное письмо; отдельный audit-агент проверил соответствие данных.
Плюсы, ограничения и заключение
Плюсы и ограничения инструмента.
- Плюсы: изоляция в песочнице, штрафы за пробелы в навыках вместо завышенных оценок, двойная проверка агентами и удаление выдуманных навыков.
- Ограничения: нужна ручная проверка каждого отклика; для локальных порталов нужны собственные плагины для скрапинга.
- Качество итоговых документов зависит от честности и полноты исходных данных профиля.
- Автор просит оставить комментарии с темами для следующих видео; readme с командами будет в описании.