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

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 здесь 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.

Где это вписывается в общую автоматизацию рекрутинга

Автоматизация рекрутинга - широкий термин. На практике она разбивается на несколько независимых задач: публикация вакансий, отбор кандидатов, коммуникация, сбор обратной связи. ИИ-агент скрининга закрывает только первую из них - первичный отбор. И закрывает хорошо.

В сравнении с платными ATS-системами (Huntflow, Talantix, Potok) этот подход выигрывает по одному параметру: стоимость. Полноценная ATS обходится от 3 000 рублей в месяц. Агент на Claude API при найме 2-3 человек в месяц тратит 200-400 рублей на токены.

Компании с постоянным потоком в 10+ вакансий в месяц выиграют от полноценной ATS - там нужны трекинг, аналитика, интеграции с почтой. Если найм точечный - Python плюс Claude API дают 80% результата за 5% цены.

Стоит ли автоматизировать найм в своей компании

Что сделать за следующие два часа

Если дочитал и хочешь попробовать - вот минимальный план без лишних шагов.

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

Второе: возьми одну закрытую вакансию из прошлого, где есть отклики. Прогони 20-30 резюме через агент. Сравни его топ-5 с теми кого реально звал на интервью.

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

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

Похожие кейсы

• Обработка заявок с сайта: webhook + Claude
• Email-цепочка с персонализацией через Claude API
• ТЗ на лендинг за 15 минут

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