Но пока никуда не устроился. Полный текст статьи c примерами конфигурации для агентов - на vc

_______

Пришло время искать работу. На одну позицию — сотня откликов, до рекрутера добираются единицы. Вручную откликнулся на десяток вакансий — тишина или шаблон. Рекрутингу помогают ATS и ИИ; себе хотелось автоматизацию. Опыт есть, но только B2B. Решил отдать агентам поиск, фильтр, письмо и отклик.

Почему не купил готовый сервис

Сервисы есть: платишь, даёшь строку поиска и логин — система сама откликается. Мне мало: хотелось агентов в B2C, контроль промптов и логики, плюс я валидирую сценарии на Jentix и хочу понять, удобно ли собирать такие пайплайны без кода. Нужен был не «чёрный ящик», а конструктор.

Можно ли так вообще

Страницы поиска и карточки открываются без логина и без JavaScript — оркестратор получает Markdown. Чужих персональных данных нет. API «откликнуться» для соискателя нет, поэтому написал микросервис response: REST от оркестратора, отклик от моего имени, пауза между запросами. Для своей задачи стоп-факторов не нашёл.

Как всё устроено

На ноутбуке: LM Studio, Jentix и response в Docker. Снаружи — агрегатор и GigaChat. Черновики гонял локально, финал — в облаке.

Поток: поиск → подзадачи → квалификация и письмо → отклик через response.

Два агента

Логика — в двух конфигах.

**vacancy_search** обходит выдачу. Skills — промпты: один разбирает страницу и создаёт подзадачи, второй решает, листать дальше. Инструменты — `fetch_web_pages` и `create_agent_subtask`. Цикл extract → check, пока не набрали цель.

**vacancy_qualification** — три фазы: `salary_gate` отсекает низкую вилку, `match` сравнивает карточку с одним из двух резюме, `cover_letter` пишет письмо только при вердикте «откликаться».

Про отклики и фильтры работодателя

Гипотеза: у крупного работодателя резюме читает ATS / ИИ. Если требования не закрыты примерами из практики, скоринг низкий. Править резюме под каждую вакансию неудобно — в оркестраторе два статичных reference. Поэтому ключевые слова ушли в письмо вместе с оценкой агента; в конец response дописывает, что готовил ИИ. Обратная сторона — письмо длинное, а часть работодателей его не открывает.

Результаты

17–25 августа 2026: 95 откликов агента + 1 входящее от HR вне этих откликов.

Агент откликнулся на все 95. Постфактум: «да» — 41, «скорее да» — 9, «нет» — 45. Половина — ложные срабатывания, в том числе архитектор-строитель.

View rate 61%: 58 из 95 открыли. Если бы проблема была в письме, карточки открывали бы и сразу отказывали. Узкое место раньше: 37 не открыли. Из 58 открытых: отказ 22, тишина 20, шаблон 7, бот 4, прочее 4, приглашение 1.

Живой диалог — редкость. В 29 чатах с текстом: 7 шаблонов и 22 отказа.

У шаблонов 4 из 7 пришли в первые минуты, один — через пять суток.

У отказов мгновенных нет: 6 в тот же день, 14 через 1–3 суток, 2 позже. Похоже на отложенный ручной разбор, а не автофильтр.

Что дальше

Усилить входной фильтр. Анализ плюсов и минусов больше не слать работодателю. Письма писать человечнее. Для сильных вакансий — агент на career site. ДЗО Сбера убрать: там «ГигаРекрутер»; верну, если получится бот.

Итог

Собрал пайплайн: поиск → фильтр → письмо → отклик → отчёт. Технически проще, чем ждал: страницы статичные, оркестратор уже умел fetch и subtask. Это был product research: как конфигурируются агенты, где references vs skills, как считать успех не «откликов за час», а попадание и реакцию рынка.

*Платформа: [Jentix](https://jentix.ru). Микросервис response — свой.*