Original em inglês: https://argusic.com/subject/ai-job-search
ai-job-search
A busca de empregos que executa na sua máquina. Framework de candidatura a empregos com IA construído sobre Claude Code: avaliar vagas, adaptar currículos, escrever cartas de apresentação, preparar entrevistas. Faça um fork e seja dono.
Executafonte: GitHubPythonMITcommit 42ba4b475a8a
Python, licença MIT. O projeto se descreve como: ai, ai agents, career, claude code, cover letter, cv, interview preparation e job application.
ai-job-search executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 20 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- 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
- Tempo de instalação
- 20 minutos
- Da máquina limpa até o fim
- 8 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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 exato testado
- 42ba4b475a8a
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em . O veredito acima vem de outra tentativa, então veja isto como uma sessão e não como o resultado atual. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
**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…
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Recuperou-se de todos os 4 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 4 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Levou 20 minutos para instalar, mais devagar que a mediana dos 230 projetos comparáveis que a Argusic mediu.
Dos 231 projetos de ai que a Argusic instalou e cronometrou, ai-job-search foi o 194º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
aiai-agentscareerclaude-codecover-lettercvinterview-preparationjob-applicationjob-huntingjob-searchlatexresume
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/ai-job-search)Perguntas
- ai-job-search executa?
- Sim. ai-job-search executa. A Argusic o instalou e iniciou em uma máquina limpa em 20 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou ai-job-search?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 42ba4b475a8a. Há 4 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar ai-job-search?
- A execução que produziu este veredito custou US$ 0,02: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar ai-job-search?
- 20 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- ai-job-search precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar ai-job-search?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como ai-job-search se compara às alternativas?
- Dos 231 projetos de ai que a Argusic instalou e cronometrou, ai-job-search foi o 194º mais rápido a chegar a um estado de execução, e 152 de 231 chegaram a esse estado.
- Onde estão as evidências de ai-job-search?
- Todas as 4 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.