Бот, который сам ищет вакансии, оценивает их и присылает мне в телеграм лучшие

Если Вы устали постоянно ресерчить вакансии или кандидатов, есть решение - телеграм-бот, который каждый день просматривает свежие вакансии, отдаёт описание языковой модели, получает оценку по моим критериям и присылает в личку только то, что прошло порог. Всё остальное я не вижу никогда. Расскажу, как он устроен, зачем это маркетологу, и отдельно про самую практичную часть: как я переехал с дорогого зарубежного шлюза к языковой модели на другой, который стоит около четырнадцати центов за миллион слов на входе и работает с российского адреса без плясок с прокси. Экономия при том же качестве оценки оказалась кратной.

Любая площадка присылает вам подборки по формальным фильтрам: должность, зарплата, город. Проблема в том, что настоящие критерии не формализуются фильтрами. «Компания, где маркетинг подчинён продажам» или «вакансия, написанная человеком, который понимает, чего хочет» нельзя выбрать галочкой. Именно эти вещи решают, стоит ли тратить время.

Языковая модель эту работу делает. Она читает текст целиком и отвечает на вопросы, которые я задал в инструкции: есть ли конкретика в задачах, чем измеряется результат, похоже ли это на роль руководителя или на исполнителя с громким названием, нет ли признаков хаоса вроде десяти несвязанных обязанностей.

• Сбор. Скрипт раз в несколько часов забирает свежие вакансии по широкому набору запросов. Широкому специально: узкий фильтр отсекает интересное с непривычным названием.

• Оценка. Каждое описание уходит в языковую модель с моей инструкцией и возвращается с баллом и коротким обоснованием. Обоснование важнее балла: по нему видно, что модель поняла, а что нет.

• Фильтр и доставка. Всё, что ниже порога, отправляется в архив. Выше порога прилетает мне в мессенджер карточкой: должность, компания, балл, две строки обоснования, ссылка.

• Учёт. Каждая карточка запоминается, поэтому одна и та же вакансия не приходит дважды, а в конце месяца видно, сколько прошло фильтр и что из этого дало разговор.

Первая версия ходила в зарубежный шлюз, который даёт доступ сразу ко многим моделям. Удобно для экспериментов и дорого в ежедневной работе: каждая вакансия это запрос, вакансий сотни в день, счёт растёт незаметно. Плюс отдельная морока с оплатой и доступом из России.

Я переписал бота на прямой доступ к другой модели, совместимой по формату запросов. Правки заняли вечер: поменять адрес сервиса, ключ доступа и название модели, убрать пару специфичных заголовков. Стоимость входных слов упала до величины, при которой ежедневный прогон сотен вакансий стоит меньше чашки кофе в месяц. Качество оценки для такой задачи не изменилось: скоринг текста по чётким критериям это не та работа, где нужна самая мощная и дорогая модель.

Ключевая мысль. Выбор модели это не вопрос престижа, а вопрос экономики задачи. Для творческой работы и сложных рассуждений имеет смысл платить за сильную модель. Для конвейерной классификации по понятным правилам берите самую дешёвую, которая проходит вашу проверку качества. Разница в счёте бывает десятикратной при одинаковом результате.

Не на глаз. Я собрал полсотни вакансий, которые уже оценил руками, и прогнал их через обе модели. Сравнивал не совпадение балл в балл, а совпадение решений: откликаться или нет. Расхождение оказалось в единицах случаев и в основном на пограничных вакансиях, где я и сам сомневался. После этого переезд стал очевидным.

Тот же приём работает для любой рабочей задачи с моделью: сделайте эталонный набор из своих ручных решений и меряйте не красоту ответов, а долю совпадений с эталоном. Это пятнадцать минут работы, которые заменяют бесконечные споры «какая модель лучше».

• Классификация входящих заявок. Модель читает текст обращения и ставит метку: профиль, бюджет, срочность. Менеджер получает уже размеченную очередь.

• Разбор отзывов и переписок. Сотни диалогов превращаются в список повторяющихся возражений, из которого рождаются правки на сайте и в скриптах продаж.

• Отбор рекламных площадок. Описание канала или сайта плюс критерии релевантности, на выходе балл. Я так отбираю каналы для рекламы, когда их сотни.

• Мониторинг конкурентов. Ежедневный обход их страниц и короткая сводка изменений вместо ручного открывания вкладок по понедельникам.

Во всех случаях выигрыш одинаковый: человек перестаёт быть первым фильтром и становится последним. Машина отсекает очевидное, человек принимает решения в оставшейся десятой части, где нужна голова.

Отправлять отклики и письма от моего имени. Я сознательно оставил бота на роли разведчика: он приносит карточки, решение и текст за мной. Причина не в романтике, а в цене ошибки: одно неудачное автоматическое письмо от вашего имени дороже, чем сто пропущенных вакансий.

Второе: считать оценку модели истиной. Раз в пару недель я читаю то, что ушло в архив с низким баллом. Пару раз находил там хорошее и правил инструкцию. Модель делает ровно то, что написано в промпте, и если она отсекает лишнее, виноват промпт, а не она.

Если у вас есть ежедневный поток текстов, который вы читаете глазами и по которому принимаете однотипные решения, это кандидат на такого бота. Начните не с кода, а с двух вещей: выпишите критерии решения словами и соберите полсотни примеров со своим вердиктом. После этого сборка занимает вечер, а стоимость работы измеряется центами, если не гнаться за самой дорогой моделью.