Original em inglês: https://argusic.com/subject/jobs-applier-ai-agent-aihawk
Jobs_Applier_AI_Agent_AIHawk
Give it your resume, get the jobs that fit, select them and apply. Runs in your terminal, with a browser you can watch.
Executa com mocksfonte: GitHubPythonMITcommit eb54b9b4f757
Python, licença MIT. O projeto se descreve como: ai agent, ai agents, automation, browser automation, job application, job board, job search e mcp.
Jobs_Applier_AI_Agent_AIHawk executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 4 minutos e encontrou 2 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
The repository installs from source with all dependencies, the full automated suite passes (266 non-browser + 6 real-browser), and an end-to-end search-and-apply run through a mock OrcaRouter over a real local job index fills and submits a live Greenhouse application form, writing a decoded proof screenshot.
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 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página. 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.
- Invisible-playwright-mcp / Firefox and all 16 bundled plugins install cleanly; the apply flow failed with a generic ExceptionGroup leaving no diagnostics in the TUI38 minutos
- First E2E scripted runs failed: the mock gateway I stood up initially didn't return OpenAI-shaped choices and the profile handler wasn't matched because the schema name is search_profile, not profile7 minutos
- Tempo de instalação
- 4 minutos
- Da máquina limpa até o fim
- 51 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest -m "not browser" -> 266 passed; pytest tests/test_real_browser.py -> 6 passed; aihawk --version -> aihawk, version 1.0.0; ORCAROUTER_API_KEY=sk-test python <e2e flow> -> resume loaded, 600 fitting postings, 25 shortlisted, 25 scored, apply_to_job on https://job-boards.greenhouse.io/10alabs/jobs/4467496009 -> Outcome submitted with evidence 'Thank you, your application was received' and proof PNG decarbonized as PNG 1920x947
- Tokens de modelo usados
- 3.810.485
- Commit exato testado
- eb54b9b4f757
- 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
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
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.
PY" in /work/repo succeeded in 0ms: cv.md: True answers.yaml: True key file: True jobs.db: True 1134592 proofs: ['greenhouse-io-10alabs-jobs-4467496009.png', 'greenhouse-io-healthie-jobs-4469749009.png',… applied.csv rows: 6 Everything is verified. Final report: tokens used 3,810,485 Everything is verified. Final report:
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
- Instalado em 4 minutos, mais rápido que a mediana dos 70 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 2 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
Dos 71 projetos de ai-agent que a Argusic instalou e cronometrou, Jobs_Applier_AI_Agent_AIHawk foi o 30º mais rápido a chegar a um estado de execução, e 44 de 71 chegaram a esse estado.
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
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Executa com mocks | 92,00 | 0,81 | |
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,02 |
Tópicos (de GitHub)
ai-agentai-agentsautomationbrowser-automationjob-applicationjob-boardjob-searchmcpplaywrightpythonresumeterminal-app
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/jobs-applier-ai-agent-aihawk)Perguntas
- Jobs_Applier_AI_Agent_AIHawk executa?
- Jobs_Applier_AI_Agent_AIHawk executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 4 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou Jobs_Applier_AI_Agent_AIHawk?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit eb54b9b4f757. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar Jobs_Applier_AI_Agent_AIHawk?
- A execução que produziu este veredito custou US$ 0,81: 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 Jobs_Applier_AI_Agent_AIHawk?
- 4 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- Jobs_Applier_AI_Agent_AIHawk 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 Jobs_Applier_AI_Agent_AIHawk?
- 2 coisas quebraram na execução registrada, e 2 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como Jobs_Applier_AI_Agent_AIHawk se compara às alternativas?
- Dos 71 projetos de ai-agent que a Argusic instalou e cronometrou, Jobs_Applier_AI_Agent_AIHawk foi o 30º mais rápido a chegar a um estado de execução, e 44 de 71 chegaram a esse estado.
- Onde estão as evidências de Jobs_Applier_AI_Agent_AIHawk?
- Todas as 2 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.