我做了个自动投简历的智能体
是什么、为什么、怎么做——从零开始到完整可用系统的分步指南。
微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署
AI模型价格对比 | AI工具导航 | ONNX模型库 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo
我尝试AI已经有一段时间了。我用Ollama在本地搭建了LLM，在自己的机器上运行模型。我构建了RAG架构，将自己的文档向量化并查询。我创建了一个基于Markdown的知识库，并在这里分享我的经验。
在每一步，我都问自己同一个问题：我能更进一步吗？
本地LLM很强大但是孤立的。RAG获取信息但不采取行动。还有一步：智能体AI——系统不仅思考，还实际完成工作。
"基于智能体"到底是什么意思？拿一个任务，将其分解为步骤，调用工具，生成输出，保存并跟踪进度。人类不在循环中。
这一次，我尝试用Claude API构建一些东西。一个重复的、耗时的、每次都循环相同流程的任务：简历分析和求职信生成。但我认为这个想法可以应用于任何重复性任务。
我在午夜开始。到早晨完成了工作。我非常享受这个过程——我向每个读到这篇文章的人推荐它。
1、我构建了什么？
Read the resume
↓
View the job posting
↓
Send to Claude
↓
Get cover letter + analysis
↓
Create Word document
↓
Save as CSV
JH AI——一个Python脚本。给它一个职位发布，它会读取你的简历，写一封针对该职位定制的求职信，突出你的优势，指出你的不足。它将所有内容保存为Word文档。它将每次申请记录到CSV文件中。
它从终端运行。没有界面。没有月度订阅。没有魔法。
只有Python、Claude API和两个小时的学习。
成本？我从Anthropic获得了20美元的API额度。每次运行大约花费2-3美分。足以应对数千次申请。
在URL支持部分建议： LinkedIn由于机器人屏蔽而无法使用——它需要登录。但Bayt.com和GulfTalent.com是开放平台。所以可以将这些网站上的职位发布URL直接输入系统；它会自动获取页面内容，你甚至不需要复制粘贴。
2、为什么用Claude API而不是Claude.ai？
我认为这个问题的答案对像我这样的学习者可能很重要。
Claude.ai是你在浏览器中使用的工具。你输入，得到答案。它有用，但是手动的。
Claude API不同。它是同样的AI，但这次是你的代码调用它。
循环中没有人类。代码发送请求，接收分析，创建Word文档，写入CSV——全部自动完成。
这就是我们所说的智能体AI。AI在你的工作流中工作，而不仅仅是回答你的问题。
3、我是怎么做的——一步步来
第1步：设置环境
mkdir C:\Users\Ali\jobhunter
cd C:\Users\Ali\jobhunter
python -m venv .venv
.venv\Scripts\activate
pip install anthropic python-dotenv python-docx
为什么用虚拟环境？它是专门针对这个项目的包仓库。它不会污染系统级环境。
第2步：安全存储API密钥
永远不要将API密钥硬编码到代码中。创建一个.env文件：
ANTHROPIC_API_KEY=enter-your-key-here
软件开发的黄金法则：密钥不属于代码。
第3步：自动读取简历
from docx import Document
def cv_oku():
doc = Document('cv.docx')
return '\n'.join([p.text for p in doc.paragraphs if p.text.strip()])
每次运行时读取最新的简历。无需手动复制。
第4步：将简历和职位发布发送给Claude
from anthropic import Anthropic
from dotenv import load_dotenv
load_dotenv()
client = Anthropic()
def jobhunter(ilan):
cv = cv_oku()
prompt = f"""
You are an expert career consultant for senior tech roles.
JOB POSTING: {ilan}
CANDIDATE CV: {cv}
Generate in English:
## COVER LETTER
200-word cover letter tailored to this specific role.
## CV HIGHLIGHTS
5 strongest matching points from the CV.
## GAP ANALYSIS
2-3 areas to strengthen the application.
"""
response = client.messages.create(
model="claude-sonnet-4-5",
max_tokens=1500,
messages=[{"role": "user", "content": prompt}]
)
return response.content[0].text
第5步：创建Word文件并自动命名
系统自动识别公司和职位。文件名生成如下：
20260507_Ooredoo_Qatar_VP_Cloud_Infrastructure.docx
第6步：记录每次申请
import csv
from datetime import datetime
def add_application(company, position, file):
with open('applications.csv', 'a', newline='', encoding='utf-8') as f:
writer = csv.writer(f)
writer.writerow([
datetime.now().strftime('%Y-%m-%d'),
company, position, 'Created', file
])
随时可以更新状态：
from takip import status_update
status_update('Ooredoo Qatar', 'Sent')
终端中的结果会像这样：
=================================================
JOB APPLICATION TRACKER
=================================================
Date Company Position Status
-------------------------------------------------
2026-05-07 Ooredoo Qatar Cloud Submitted
2026-05-07 e& UAE VP Cloud Prepared
2026-05-07 du Telecom Head Cloud Prepared
=================================================
Total: 3 | Submitted: 1 | Prepared: 2
=================================================
4、最终，系统运行成功
我对三个真实的职位发布进行了测试：Ooredoo Qatar、e& UAE和du Telecom。对于每一个，我创建了单独的Word文档，从我的真实简历生成的求职信、五个匹配优势和差距分析。
我认为差距分析是最让我惊讶的部分。它对三个职位都指出了同样的三件事：
- 没有海湾地区经验——直接应对这一点
- "Group Manager"头衔不能表明相关级别——重新表述范围
- 公有云专业知识不明显——突出它
在我看来，这不是聊天机器人的回答。这是一个系统，它拿到一个样本档案，针对相关市场要求进行分析，每次都自动生成可操作的反馈。
5、我学到了什么
你不必是开发者才能构建有用的AI工具。你需要的是一个问题、一个明确的目标和开始的决心。这就是让AI有意义的原因。
最难的部分不是代码。而是决定开始。
为自己构建东西很有趣。在两个小时内完成。
这对你的职业有帮助，特别是在科技领域——不要只是申请工作。构建工具。API很便宜。Python是免费的。你赚到的都是你自己的。
原文链接: Automating Repetitive Tasks with AI: Setting Up an Agentic Workflow with the Claude API
汇智网翻译整理，转载请标明出处
