ИИ-агент скринирует 100 резюме за 15 минут: кейс с HH.ru и Claude API

Пятница, 11 утра. HR-менеджер открывает HH.ru — на вакансию маркетолога пришло 143 отклика за три дня. До обеда нужно отобрать 8-10 человек на первичный звонок. Она закрывает крышку ноутбука и идёт пить кофе. Во второй раз.

Это не фантастика и не демо на идеальных данных. Это реальная схема, которую можно запустить за один вечер, имея базовые знания Python.

Боль, которую все знают, но мало кто измерял

Популярная вакансия на HH.ru в Москве — это 100-200 откликов в первую неделю. Менеджер по маркетингу, разработчик, продажник — любая массовая позиция. Даже узкая техническая вакансия часто собирает 50-70 резюме.

Стандартный процесс выглядит так: открываешь резюме, читаешь 30-60 секунд, отмечаешь «интересно» или закрываешь. После 40-го резюме начинаешь читать по диагонали. После 70-го — уже просто смотришь на компании и даты. После 100-го — ставишь галочки по принципу «ну пусть позвоним, вроде ничего».

Агент не устаёт. Резюме номер 1 и резюме номер 143 он оценивает с одинаковым вниманием по одним и тем же критериям.

Как устроена схема

Четыре компонента, соединённые последовательно.

HH.ru предоставляет открытый API для работодателей. Авторизация через OAuth 2.0, доступ к откликам по конкретной вакансии — бесплатно при наличии аккаунта работодателя. Документация на hh.ru/article/23930.

Claude API получает текст резюме и промпт с критериями оценки. Возвращает структурированный JSON: оценка, плюсы, red flags, обоснование. python-telegram-bot отправляет итоговые карточки.

Критерии скрининга: как объяснить Клоду что искать

Это самая важная часть. Если критерии размытые — результат будет размытый.

Разница между плохим и хорошим критерием:

• Плохо: «опыт в маркетинге»
• Хорошо: «таргетированная реклама ВКонтакте или myTarget, 2+ года, есть кейсы с конкретными результатами — снижение CPL, рост CTR»

Red flags тоже нужно формулировать явно. Claude не читает между строк если ему не сказать что искать.

Промпт для Клода: как формулировать задачу оценки

Вот структура промпта которая даёт стабильный JSON-ответ:

import anthropic
import json

client = anthropic.Anthropic(api_key="YOUR_API_KEY")

SCREENING_PROMPT = """
Ты — HR-ассистент. Оцени резюме кандидата на вакансию {position}.

КРИТЕРИИ ОЦЕНКИ (плюсы, за каждый +1-2 балла):
{plus_criteria}

RED FLAGS (минусы, за каждый -1-2 балла):
{red_flags}

БАЗОВЫЕ ТРЕБОВАНИЯ (обязательно, иначе max оценка 4):
{requirements}

РЕЗЮМЕ КАНДИДАТА:
{resume_text}

Верни ТОЛЬКО валидный JSON без комментариев:
{{
"score": <число от 1 до 10>,
"name": "<имя кандидата>",
"plus": ["<плюс 1>", "<плюс 2>"],
"red_flags": ["<флаг 1>"],
"summary": "<2-3 предложения: почему эта оценка>",
"recommend_interview": <true/false>
}}
"""

def score_resume(resume_text, position, criteria):
  prompt = SCREENING_PROMPT.format(
      position=position,
      plus_criteria="\n".join(criteria["plus"]),
      red_flags="\n".join(criteria["red_flags"]),
      requirements="\n".join(criteria["required"]),
      resume_text=resume_text[:4000]  # Claude limit
  )
  
  message = client.messages.create(
      model="claude-sonnet-4-6",
      max_tokens=512,
      messages=[{"role": "user", "content": prompt}]
  )
  
  return json.loads(message.content[0].text)

Обратите внимание на resume_text[:4000] — обрезаем резюме до 4000 символов. Большинство резюме укладываются в это ограничение, при этом в токены каждый запрос обходится примерно в 600-900 токенов. 100 резюме = ~80 000 токенов, это около 50-80 рублей по ценам API на май 2026.

Получение откликов через HH.ru API

import requests
import time

HH_API = "https://api.hh.ru"

def get_applications(vacancy_id, token, page_size=50):
  """Скачивает все отклики на вакансию постранично."""
  headers = {"Authorization": f"Bearer {token}"}
  applications = []
  page = 0
  
  while True:
      resp = requests.get(
          f"{HH_API}/negotiations",
          headers=headers,
          params={
              "vacancy_id": vacancy_id,
              "page": page,
              "per_page": page_size,
              "status": "consideration"  # только новые отклики
          }
      )
      data = resp.json()
      items = data.get("items", [])
      if not items:
          break
      applications.extend(items)
      page += 1
      time.sleep(0.5)  # rate limit HH.ru
  
  return applications

def get_resume_text(resume_id, token):
  """Получает текст резюме по ID."""
  headers = {"Authorization": f"Bearer {token}"}
  resp = requests.get(
      f"{HH_API}/resumes/{resume_id}",
      headers=headers
  )
  resume = resp.json()
  
  # Собираем текст из структурированных полей
  parts = []
  if resume.get("title"):
      parts.append(f"Желаемая должность: {resume['title']}")
  
  for exp in resume.get("experience", []):
      parts.append(
          f"\nКомпания: {exp.get('company', '')}\n"
          f"Должность: {exp.get('position', '')}\n"
          f"Период: {exp.get('start', '')} — {exp.get('end', 'н.в.')}\n"
          f"Описание: {exp.get('description', '')}"
      )
  
  skills = [s["name"] for s in resume.get("skill_set", [])]
  if skills:
      parts.append(f"\nНавыки: {', '.join(skills)}")
  
  return "\n".join(parts)

Отправка результатов в Telegram

import asyncio
from telegram import Bot

async def send_top_candidates(bot_token, chat_id, candidates):
  bot = Bot(token=bot_token)
  
  header = (
      f"📋 *Скрининг завершён*\n"
      f"Обработано: {candidates['total']} резюме\n"
      f"Рекомендованы к интервью: {candidates['recommend_count']}\n"
      f"─────────────────"
  )
  await bot.send_message(chat_id, header, parse_mode="Markdown")
  
  for i, c in enumerate(candidates["top5"], 1):
      flags_text = ""
      if c["red_flags"]:
          flags_text = "\n⚠️ " + " | ".join(c["red_flags"])
      
      card = (
          f"*#{i} — Оценка {c['score']}/10*\n"
          f"👤 {c['name']}\n"
          f"✅ {' | '.join(c['plus'][:3])}\n"
          f"{flags_text}\n"
          f"📝 {c['summary']}"
      )
      await bot.send_message(chat_id, card, parse_mode="Markdown")
      await asyncio.sleep(0.3)

# Запуск
asyncio.run(send_top_candidates(BOT_TOKEN, CHAT_ID, results))

Что получает HR в Telegram: пример вывода

Вот как выглядят реальные карточки кандидатов на вакансию «Маркетолог» (данные смоделированы по реальной структуре резюме с HH.ru):

На каждую карточку HR тратит 20-30 секунд — прочитать и решить звонить или нет. Вместо 4 часов просмотра сырых резюме.

Что агент не увидит никогда

Честно скажу — список существенный.

Мотивация. Почему человек вообще откликнулся на эту вакансию. Хочет работать именно у вас или рассылает на 50 компаний сразу. Агент не знает.

Манера общения. Как человек разговаривает, слышит ли вопрос, умеет ли объяснять. Текст резюме написан или отредактирован GPT — это нормально и не говорит ни о чём плохом. А вот живой разговор скрыть нельзя.

Культурное соответствие. Насколько человек впишется в команду, как он реагирует на неопределённость, умеет ли работать без микроменеджмента. Это выясняется только на интервью.

Достоверность цифр. Агент принимает всё написанное за чистую монету. Если кандидат написал «снизил CPL в 3 раза» — оценка вырастет, даже если это художественное преувеличение. Проверять нужно живым разговором.

Правильное применение этого инструмента: отбросить явно нерелевантных кандидатов и получить ранжированный список тех кто достоин внимания. Финальное решение о каждом человеке принимает человек.

Стоит ли автоматизировать найм в вашей компании

Что сделать за следующие два часа

Если вы дочитали и хотите попробовать — вот минимальный план без лишних шагов.

Первое: создайте аккаунт разработчика на hh.ru/employer и получите токен API. Займёт 15 минут.

Второе: возьмите одну закрытую вакансию из прошлого, где у вас есть отклики. Прогоните 20-30 резюме через агент. Сравните его топ-5 с теми кого вы реально звали на интервью.

Третье: если совпадение выше 60% — агент работает на вашей специфике. Если ниже — нужно докрутить критерии. Не код, именно критерии.

Стоимость этого эксперимента: ~10 рублей на токены Claude API и два часа вашего времени.

Автоматизация скрининга не делает найм холодным или безличным. Она убирает самую скучную часть — механическое чтение однотипных резюме. А время которое освободилось — тратить на живые разговоры с теми кого реально стоит позвать.

Источники

• HH.ru API — официальная документация для работодателей
• Anthropic Claude API — Getting Started
• python-telegram-bot — документация библиотеки
• HH.ru — аналитика рынка труда и статистика откликов