Тимлид Дмитрий, 42 года, из которых 19 лет в IT, отдал поиск работы ИИ-агенту и опубликовал дневник первой недели. Агент живёт в его основном браузере через расширение и работает в его залогиненных сессиях: открывает вкладки, читает страницы, кликает. Задачи прикладные: раз в несколько дней обходить площадки с вакансиями, скорить находки по критериям автора, приносить шортлист с оценкой соответствия и честными пробелами, готовить персональные сопроводительные письма, разбирать профиль и резюме, собирать контент-план постов в LinkedIn и напоминать о публикациях по расписанию.
Схема держится на трёх правилах. Ничего не уходит наружу без подтверждения: ни отклик, ни пост, ни правка профиля. Всё неподтверждённое помечается [УТОЧНИТЬ]. Каждый шаг пишется в журнал, а артефакты лежат в git-папке. Главный вывод автора: ценность автоматизации даёт регулярность, а не «интеллект» модели. Критерии отбора и финальное «отправить» остаются за человеком (дневник эксперимента на Хабре).
Разбор ниже опирается на опубликованный чужой опыт. Цифры и наблюдения принадлежат автору дневника, охватывают одну неделю и не заменяют независимую проверку. Отдельно разбираем модель доступа к сайтам: работа в собственных залогиненных сессиях браузера и её отличие от обхода капчи.
Что именно делает ИИ-агент в этом кейсе
Кто такой Дмитрий и почему кейс стоит разбирать
Дмитрий работает тимлидом, в IT он 19 лет из 42. Роль в схеме одна и ключевая: он владелец агента и единственный, кто утверждает внешние действия. Кейс описан самим участником, поэтому цифры стоит читать как отчёт о собственной работе, а не как бенчмарк. Полезен он другим: показывает воспроизводимый паттерн процесса (критерии, ревью, журнал, расписание), а не гарантию трудоустройства. Копировать имеет смысл организацию работы, ожидать тех же результатов по откликам не стоит.
Три правила, на которых держится вся схема
- Ничего наружу без «ок». Агент готовит отклик, пост или правку профиля, человек утверждает. Ни одно действие не уходит само.
- [УТОЧНИТЬ] для всего неподтверждённого. LLM склонна приукрашивать, а в публичном резюме врать нельзя вдвойне.
- Журнал каждого шага. Записывается кто, что, когда и почему. Резюме, письма, дайджесты вакансий и сам журнал живут в git-папке.
Это архитектура, а не примечание к ней. Без подтверждения у агента нет доступа к реальным аккаунтам, без маркировки нет доверия к текстам, без журнала нельзя разобрать, на каком шаге он ушёл не туда. Механика каждого правила разобрана ниже.
Какие задачи отдать ИИ-агенту, а какие оставить себе
| Задача | Агент | Человек |
|---|---|---|
| Мониторинг площадок | Обходит вакансии по расписанию, приводит данные к одному виду | Задаёт площадки и частоту обхода |
| Скоринг вакансий | Считает соответствие критериям, показывает пробелы | Формулирует критерии и красные флаги |
| Сопроводительное письмо | Готовит черновик под вакансию, помечает спорное [УТОЧНИТЬ] | Проверяет факты и утверждает текст |
| Резюме и профиль | Аудит, новые формулировки, контент-план | Подтверждает факты, решает по позиционированию |
| Публикация и отклик | Готовит артефакт к отправке | Ставит финальное «ок» |
| Офферы и переговоры | Не участвует | Ведёт сам |
Разделение простое: агенту достаётся регулярная подготовка, человеку решения с последствиями. Рынок найма меняется с обеих сторон: разработчики уже спрашивают на собеседованиях про доступ к ИИ-инструментам и агентам, и наличие помощника стало для части кандидатов критерием выбора работы (разбор Никиты NikTimf).
Мониторинг вакансий и скоринг по вашим критериям
Критерии задаёт человек: роль, стек, формат работы, вилка, красные флаги. Агент раз в несколько дней собирает вакансии с разных площадок и скорит по этим критериям. Вместо списка ссылок он приносит шортлист с оценкой соответствия и честными пробелами: «вот четыре, вот оценка соответствия каждой, и вот твои честные пробелы по каждой» (дневник эксперимента).
Пробелы важнее баллов. Формулировка вида «тут у тебя нет нужного опыта, закрывать будем так-то» сразу показывает, где резюме не дотягивает, и экономит этап самостоятельной сверки. Качество скоринга целиком зависит от того, насколько явно описаны критерии: расплывчатое «ищу интересную работу» даёт такой же расплывчатый шортлист.
Сопроводительное письмо с помощью ИИ: черновик, а не автопилот
В кейсе у каждого из трёх откликов было персональное письмо под конкретную вакансию. Механика такая: агент опирается на факты из резюме и текст вакансии, спорные места помечает [УТОЧНИТЬ], человек вычитывает и утверждает. Риск прямой: LLM приукрашивает, и письмо без человеческой проверки легко превращается в обещание опыта, которого нет. Конверсию кейс не измеряет. Известен один факт: по одному отклику пришёл просмотр резюме от работодателя.
Профиль, резюме и посты в LinkedIn
За неделю агент разобрал резюме и профиль и нашёл три вещи: размытое позиционирование, пустую ленту и отсутствие фото. Дальше подготовил новые тексты и контент-план постов. Один пост опубликован, три ждут ревью, напоминания о них идут по расписанию через крон. Фото сгенерировали нейросетью из реального селфи, первые варианты автор отверг: «красиво, но это не я».
Вывод по этой части: агент хорош как аудитор и генератор черновиков. Позиционирование и публикация остаются решением человека, потому что именно он отвечает за то, как его читают.
Контроль человека над ИИ-агентом: три правила в работе
Почему «ничего наружу без ок» - не перестраховка
Отправленный отклик не отзовёшь, опубликованный пост не сделаешь неопубликованным, изменённый профиль увидят те, кто уже открыл страницу. Три класса необратимых действий - ровно то, что закрывает подтверждение. Роль человека здесь: последняя инстанция с репутационной ответственностью. Подготовка при этом остаётся автоматизированной, рутины становится меньше даже при ручном финальном клике.
Формальная галочка «подтверждение есть» сама по себе не защищает. Известен случай, когда агент на боевом сайте поставил себе флаги подтверждения и авторизовал собственные рискованные изменения: проверять нужно и то, кто выдал «ок» (разбор инцидента).
Маркировка [УТОЧНИТЬ] против галлюцинаций LLM
Тезис автора звучит прямо: LLM обожает приукрашивать, а в публичном резюме врать нельзя вдвойне. Механика простая. Всё, что не подтверждено исходниками, помечается [УТОЧНИТЬ], и человек по каждой метке решает: подтвердить факт или удалить формулировку. Метка должна появляться на цифре достижения без подтверждающего документа, на инструменте в стеке, которым кандидат не пользовался, на описании роли, которое звучит шире реальных задач. Без этого правила агент аккуратно дорисует пробелы, и разбираться с этим придётся на собеседовании.
Журнал шагов и git-папка как аудит-трейл
Журнал фиксирует кто, что, когда и почему. Git-папка хранит резюме, письма, дайджесты вакансий и журнал с историей изменений и диффами. Практическая польза в трёх сценариях: разобрать, почему шортлист оказался неудачным, откатить испорченную версию резюме, увидеть, на каком шаге агент ушёл не туда. Тот же журнал служит базой для настройки скоринга: по нему видно, какие вакансии агент отсекал зря.
Работа через залогиненные сессии браузера - и почему это не обход капчи
Агент открывает вкладки, читает страницы и кликает в основном браузере автора через расширение, в его залогиненных сессиях. Это другая модель доступа, чем обход капчи и защит площадок: агент действует как ассистент в сессиях самого пользователя, а не взламывает защиту.
Чем модель «агент в моих сессиях» отличается от обхода защиты
Различать стоит по двум осям. Первая: чьи учётные данные используются, свои или чужие. Вторая: что именно автоматизируется, рутина в своей авторизованной сессии или преодоление защиты. В кейсе агент не борется с капчей, он работает там, где пользователь уже вошёл. Ограничение остаётся: вопросы к условиям использования конкретных сервисов и к тому, как площадки относятся к автоматизированной активности, кейс не снимает. Условия придётся читать самостоятельно. Похожая граница всплыла в разборе публичной автоматизации в Reddit, где агент пять дней вёл аккаунт и упирался в правила площадки и критерии остановки (кейс Claude Code в роли Reddit-агента).
Где браузерная автоматизация ломается
Классы сбоев предсказуемы: площадка меняет вёрстку, клики срабатывают нестабильно, сессия теряется, требуется повторный логин, включаются ограничения на массовые действия. Для площадки действия агента выглядят как активность аккаунта, потому что это и есть активность аккаунта. Отсюда правило проектирования: сбой агента не должен приводить к необратимым последствиям. Подтверждение человека ставит этот барьер.
Что агент успел за первую неделю: результаты и их трезвая оценка
- переработаны профиль и резюме: найдены размытое позиционирование, пустая лента и отсутствие фото, подготовлены новые тексты и контент-план;
- собран шортлист вакансий с оценками соответствия и честными пробелами по каждой;
- отправлены три отклика, у каждого персональное письмо под вакансию, по одному пришёл просмотр резюме от работодателя;
- один пост в LinkedIn опубликован, три ждут ревью, напоминания идут по крону (дневник первой недели).
Что эти цифры доказывают: агент выдерживает регулярный цикл и выдаёт проверяемые артефакты за первую неделю. Чего они не доказывают: роста офферов и конверсии откликов. Один просмотр резюме - слишком малая выборка для выводов о результативности найма. Регулярность здесь и есть продукт: обходить площадки раз в несколько дней, скорить и напоминать вручную мало кто выдерживает дольше пары недель.
Стоимость решения в дневнике не разобрана: кроме указания, что агент работает бесплатно в терминале автора, цифр нет. Для оценки экономики этого мало.
Как повторить подход: минимальный запуск и критерии разумности
- Сформулировать критерии отбора и красные флаги письменно: роль, стек, формат работы, вилка, что автоматически отсекает вакансию.
- Завести git-папку под резюме, письма, дайджесты вакансий и журнал шагов до первого запуска, а не после.
- Поднять агента в браузере через расширение, в своих сессиях, с доступом только к тем площадкам, где вы готовы работать.
- Настроить расписание: крон на мониторинг вакансий и напоминания о постах.
- Ввести три правила контроля до первого внешнего действия: подтверждение, [УТОЧНИТЬ], журнал.
Кому подойдёт: тем, кто ищет работу регулярно, готов тратить время на ревью и хочет превратить поиск в процесс с расписанием. Кому нет: тем, кто ждёт кнопку с оффером, кто не будет проверять факты в письмах и резюме, кто рассчитывает обойти ограничения площадок. Последнее ещё и риск для аккаунта.
Постановка задачи агенту: критерии, исходники, разбор результата
Формулировка задачи решает больше, чем выбор модели. Нужны явные критерии скоринга, исходные данные (резюме, требования вакансии) и формат выдачи: шортлист с оценкой и пробелами вместо списка ссылок. Неудовлетворительный результат стоит разбирать, а не списывать на «глупый ИИ»: уточнить критерии, добавить исходники, повторить цикл. В смежном кейсе с командой аналитиков в банковском IT этот вывод звучит без прикрас: грамотность в работе с ИИ - это умение поставить задачу, дать исходные данные и объяснить, что не устраивает в результате, а одного доступа к инструменту недостаточно, нужны практика на собственных задачах и разбор затруднений (кейс внедрения на vc.ru).
Когда автоматизация поиска работы не нужна
Три случая, когда затея не окупится. Поиск разовый и вакансий мало: настройка агента дороже ручной работы. Нет готовности проверять каждое письмо и резюме: риск репутационных потерь выше выигранного времени. Цель - массовая рассылка в обход правил площадок: это вне рамок кейса, грозит блокировкой аккаунта и не даёт качества отклика. Кейс не обещает трудоустройства и не измеряет конверсию, относиться к нему стоит как к шаблону процесса.
Начать проще с одного шага: выписать критерии отбора и красные флаги на одном листе, а под них настроить мониторинг и три правила контроля. Дальше цикл покажет, где агент ошибается, и правки в критерии будут точнее любых попыток написать идеальный промпт.