Original en inglés: https://argusic.com/subject/ai-job-search
ai-job-search
La búsqueda de empleo que se ejecuta en tu máquina. Framework de IA para solicitudes de empleo construido sobre Claude Code: evaluar ofertas, adaptar CVs, redactar cartas de presentación, preparar entrevistas. Hazle fork y hazlo tuyo.
Funcionafuente: GitHubPythonMITcommit 42ba4b475a8a
Python, licencia MIT. El proyecto se describe a sí mismo como: ai, ai agents, career, claude code, cover letter, cv, interview preparation y job application.
ai-job-search funciona. Un agent de Argusic lo instaló en 20 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Python test suite (321 unittest tests) and all 6 Bun portal CLI test suites (231 tests) pass. LinkedIn search CLI makes live queries and returns results. 4 Python analysis tools (security_guards, framework_version, lint_skills, verify_pdf) run successfully.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Bun curl installer failed: unzip not installed3 minutos
- PyYAML not installed (6 tests skipped)1 minuto
- LaTeX not available (lualatex/xelatex not found)
- salary_data.json not found
- Tiempo de instalación
- 20 minutos
- De máquina en frío a terminar
- 8 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python3 -m unittest discover -s tests/ exited 0, 321 passed; bun test across 6 portal CLIs all exited 0, 231 total passed; bun run linkedin-search/cli/src/cli.ts search --location Copenhagen --limit 2 --format table returned real results (2 listings); bun run linkedin-search/cli/src/cli.ts search --location 'San Francisco' --query engineer --limit 2 --format table returned real results (2 listings)
- Tokens de modelo usados
- 93.748
- Commit exacto probado
- 42ba4b475a8a
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el . El veredicto anterior procede de otro intento, así que tómalo como una sesión y no como el resultado actual. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
**Salary data**: `salary_data.json` not present; the tool gracefully errors with a skip message — e… tokens used 93,748 Here's my final assessment: **Install**: Python 3.12.3 with no extra dependencies needed (stdlib only). PyYAML was missing for … **Tests**: - Python: 321/321 pass (after PyYAML install, 0 skip) - Bun CLIs: 231/231 pass across 6 portal skills (0 fail) - LinkedIn search: live query returned real listings (Copenhagen, SF) - Tools: `security_guards`, `check_framework_version`, `lint_skills` all OK **LaTeX**: Not available (no `lualatex`/`xelatex` in the container — requires root for TeX distribu… **Salary data**: `salary_data.json` not present; the tool gracefully errors with a skip message — e…
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se recuperó de los 4 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 4 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 20 minutos en instalarse, más lento que la mediana de los 230 proyectos comparables que ha medido Argusic.
De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ai-job-search fue el 194.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
aiai-agentscareerclaude-codecover-lettercvinterview-preparationjob-applicationjob-huntingjob-searchlatexresume
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/ai-job-search)Preguntas
- ¿Funciona ai-job-search?
- Sí. ai-job-search funciona. Argusic lo instaló y lo inició en una máquina limpia en 20 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ai-job-search?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 42ba4b475a8a. Hay 4 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ai-job-search?
- La ejecución que produjo este veredicto costó 0,02 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda ai-job-search en instalarse?
- 20 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ai-job-search una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ai-job-search?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara ai-job-search con las alternativas?
- De los 231 proyectos de ai que Argusic ha instalado y cronometrado, ai-job-search fue el 194.º más rápido en llegar a funcionar, y 152 de 231 llegaron a funcionar.
- ¿Dónde está la evidencia de ai-job-search?
- Las 4 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.