Агентные кейсы
Работа и процессы

Отбор 115 кандидатов параллельными агентами Claude Code за $65

Команда выгрузила базу кандидатов из Notion и запустила в Claude Code по агенту на каждого из 115 кандидатов. Ранжированный шорт-лист получился примерно за 13 минут и $65.

Сделано сClaude Code

Что сделали

Команда выгрузила базу найма из Notion через Notion CLI, по файлу на кандидата. Затем скрипт параллельно запустил 115 агентов Claude. Каждый читал критерии оценки в markdown-файлах, открывал ссылки кандидата на GitHub и портфолио и возвращал оценки в структурированном JSON. Рейтинг считал код. Потом 10 агентов в роли адвоката дьявола оспорили оценки лучших кандидатов, а код ограничил долю высшей оценки 5%.

Что получилось

Прогон занял около 13 минут и стоил около $65, примерно $0.57 на кандидата. Никто не получил S или A, у 6 кандидатов оценка B. После проверки адвокатами дьявола у двух лучших балл упал примерно с 82 до 75.

На что обратить внимание

Больше всего денег ушло на запись в кэш, потому что каждый параллельный агент строит свой кэш. Авторы советуют ставить Sonnet на оценку, а Opus только на проверку, это снижает расходы на 70-80%.

Пояснение

Адвокат дьявола здесь это агент, который специально ищет слабые места в высокой оценке. Запись в кэш это оплата за сохранение контекста промпта, чтобы повторные запросы стоили дешевле.

Кому пригодится

Рекрутерам и нанимающим менеджерам, у которых на одну вакансию приходят десятки и сотни откликов.

Попробуйте сами с Claude Code

У меня [число] кандидатов на позицию [должность] в [база Notion или таблица]. Прочитай мои критерии оценки [вставить критерии]. Запусти по одному субагенту на кандидата, чтобы проверить его данные и открытые подтверждения вроде [GitHub или портфолио] по этим критериям, и составь ранжированный шорт-лист с абзацем обоснования по каждому. Не связывайся с кандидатами и не меняй записи. Готово, когда у меня есть ранжированный список и стоимость прогона.

Нужна помощь с запуском? Вступайте в сообщество AI Pack ↗

Читать оригинал ↗

Источник: happycapy.ai ·

Похожие кейсы

Поиск и первичный отбор кандидатов голосовыми ИИ-агентами в кадровом агентстве

Неназванное кадровое агентство через голосовых ИИ-агентов связывалось с кандидатами и проводило первичный отбор. По рассказу из блога поставщика платформы, за неделю нашли 2000 кандидатов, но цифры ничем не подтверждены.

Свой агент

Отбор откликов на вакансию и дайджест кандидатов в Zapier Agents

Нанимающий менеджер перенёс отбор откликов в Zapier Agents. Агент по расписанию собирает заявки, кратко их описывает, отсеивает неподходящих и присылает дайджест. Результатов автор не приводит, описаны только идея и настройка.

Отбор кандидатов с записью оценок в CRM на Lindy

Автор блога Lindy протестировал готовый шаблон Recruiting Screener. Агент расшифровывал собеседования, оценивал кандидатов по заданным правилам и записывал результаты в CRM, но тест шёл на выдуманных резюме.

Отбор кандидатов с ИИ в рекрутинге, от выжимок из резюме до своего агента на Ollama

Рекрутеры на Reddit рассказывают, что ИИ в найме пока используют скромнее, чем обещает хайп. Он делает выжимки из резюме и отсеивает явно неподходящих, лучший пример здесь самодельный агент на локальной модели.

Свой агент