Автоматизация резюме и откликов на hh.ru: бесплатный ИИ-агент вместо подписки за 5 000 ₽

Рынок IT-вакансий в России фильтрует кандидатов жёстко: автоответчики отсеивают отклики без персонализированного сопроводительного письма, а писать уникальное письмо под каждую вакансию вручную нереально, если откликов десятки в день. Автор из оригинальной публикации собрал собственного ИИ-агента (автономную программу, которая сама выполняет задачи без вашего участия) на Python, который парсит HeadHunter, отсеивает нерелевантные вакансии, генерирует письма через локальную нейросеть Llama 3 и отправляет отклики, отчитываясь в Telegram.

Фактически это автоматизация резюме и всего цикла отклика без единой копейки расходов на API или подписки.

Что понадобится?

• Python 3.10+ с поддержкой asyncio (асинхронность, когда программа не зависает, ожидая ответа от сети, а делает другие задачи параллельно)
• Playwright для управления браузером (библиотека, которая имитирует действия реального пользователя в браузере)
• Ollama с моделью Llama 3, открытая модель (open-source), работает бесплатно на вашей видеокарте
• Aiogram, Python-библиотека для создания Telegram-ботов
• SQLite, встроенная база данных, чтобы не откликаться на одну вакансию дважды
• Аккаунт на HeadHunter с заполненным резюме
• Видеокарта с достаточным объёмом памяти для запуска Llama 3 локально
• Примерно 2 часа на первую настройку

Пошаговая инструкция

1. Обойдите авторизацию один раз вручную

HeadHunter требует код из SMS при каждом входе. Решение: при первом запуске скрипт открывает браузер в видимом режиме, вы логинитесь руками, а Playwright сохраняет куки (файлы с данными сессии) в файл state.json. Все дальнейшие запуски идут в фоновом режиме без вашего участия.

headless = os.path.exists(STATE_FILE)
self.browser = await self.playwright.chromium.launch(headless=headless)
if os.path.exists(STATE_FILE):
    self.context = await self.browser.new_context(
        storage_state=STATE_FILE, user_agent=user_agent
    )

2. Настройте двойной фильтр вакансий

Поиск на HeadHunter выдаёт много мусора: запрос «C++ разработчик» может вернуть вакансию «Педагог автоквантума». Чтобы не тратить ресурсы нейросети на явно нерелевантное, автор применил двухступенчатую фильтрацию.

Первая ступень, хард-фильтр на Python: скрипт проверяет заголовки по списку стоп-слов («senior», «lead», «стажер», «менеджер», «дизайнер», «hr», «1с», «риелтор») и отбрасывает их ещё до вызова нейросети.

Вторая ступень, строгий промпт (промпт, текстовая инструкция для нейросети) для Llama 3:

Твоя задача — оценить, подходит ли вакансия под мои критерии поиска.
Мои требования и профиль: {MY_RESUME_SUMMARY}
Также мне СТРОГО НЕ подходят (отклоняй сразу, отвечая NO):
Вакансии из других сфер: менеджеры, HR, маркетологи, риелторы...
Любые вакансии, которые НЕ связаны напрямую с написанием кода.
Если вакансия не про программирование — сразу пиши NO.

Нейросеть отвечает строго одним словом: YES или NO.

3. Сгенерируйте сопроводительное письмо

Если нейросеть одобрила вакансию, скрипт передаёт ей текст вакансии и ваше резюме. Llama 3 пишет персонализированное письмо, подсвечивая навыки, нужные конкретному работодателю.

Критически важно прописать в промпте ограничения, иначе модель начнёт галлюцинировать (галлюцинация, когда ИИ уверенно выдумывает то, чего не было) или вставлять английский текст:

ПИСАТЬ СТРОГО ТОЛЬКО НА РУССКОМ ЯЗЫКЕ! Никакого английского.
ВЫВОДИ ТОЛЬКО ТЕКСТ ПИСЬМА. Строго запрещены любые вводные фразы.

Дополнительно автор добавил очистку на Python: text.split("\n\n", 1)[-1], которая отрезает мусорные вводные строки.

4. Автоматизируйте клик по кнопке отклика

Интерфейс HeadHunter непредсказуем: кнопка «Откликнуться» иногда ведёт на форму, иногда открывает модальное окно, а поле для письма может быть скрыто. Playwright обрабатывает все варианты:

await apply_btn.click()
# Если есть выбор резюме — выбираем нужное
resume_dropdown = page.locator('[data-qa*="resume-select"]').first
# Если поле для письма скрыто — открываем
add_letter_btn = page.locator(
    'button[data-qa="vacancy-response-letter-toggle"]'
).first
if await add_letter_btn.is_visible():
    await add_letter_btn.click()
# Вставляем письмо
letter_input = page.locator('textarea[name="text"]')
await letter_input.fill(cover_letter)
await submit_btn.click()

5. Подключите Telegram для отчётов

Скрипт работает в бесконечном цикле, засыпая на 30 минут между итерациями. Telegram-бот на Aiogram присылает уведомления об успешных откликах и прикрепляет текст сгенерированного письма, чтобы вы могли оценить качество.

Что делать с этим прямо сейчас?

Автору Дзена и копирайтеру. Принцип двойной фильтрации (сначала жёсткие правила, потом нейросеть) применим не только к вакансиям. По той же схеме можно фильтровать заявки от заказчиков, входящие письма или темы для статей: сначала стоп-слова, потом ИИ оценивает релевантность.

Маркетологу. Автоматизация резюме и откликов через локальную нейросеть означает, что ваши кандидаты на собеседованиях всё чаще будут приходить с ИИ-генерированными письмами. Учитывайте это при оценке: персонализация больше не признак усердия, а признак автоматизации.

Предпринимателю в РФ. Весь стек работает локально и бесплатно. Ollama с Llama 3 запускается на любой машине с видеокартой от 8 ГБ видеопамяти. Никаких зарубежных API, никаких подписок, никаких санкционных рисков. Подход подходит и для других задач: автоматическая обработка заявок, фильтрация лидов, генерация ответов клиентам.

Главное, что даёт этот кейс: вам не нужен платный сервис, чтобы автоматизировать рутину, достаточно открытой модели на своей машине, пары сотен строк на Python и здравого смысла в настройке промптов.