北京
找工作本身就是一份兼职。最折磨人的不是面试，是每天重复刷新十几个招聘页面、复制粘贴同样的个人信息、把同一封求职信改个公司名再发一遍。
有人干脆把这套流程自动化了。他写了一个小工具，专门处理其中重复度最高的80%，剩下的20%留给自己。这个比例是他自己划的线——工具负责找、打分、起草、追踪，人负责做每一个投递决定和每一场面试。
每天早上自动跑一遍
这个工具每天早晨会做几件事：扫描7个招聘平台，包括 Lever、Greenhouse、Ashby、SmartRecruiters、Workday，以及通过 JobSpy 抓取的 Indeed/Google 职位，还有 Hiring.cafe。
扫完之后，它用大模型把每个职位和求职者的简历做匹配打分，分数区间是0到100。凡是超过设定阈值的职位，工具会自动起草一封定制化的求职信，外加一段"为什么想来这家公司"的回答。
最后，每个职位会以一张 Slack 卡片的形式推送给求职者，卡片里带上申请链接。
在 Slack 里点一下就算投了
接下来的动作都在 Slack 里完成。点开链接去投递，回来给卡片加一个 ✅ 表情，工具就把它标记为已投递，同时追踪整条流程。如果加的是 表情，工具会在同一个话题串里返回面试准备材料，包括针对可能被问到的问题整理好的 STAR 故事。
每周还会生成一份报告，汇总这一周看到了多少职位、打了多少分、投递了多少个。
整套交互的核心逻辑是"一个职位一张卡，用表情代替操作"。作者说，正是这个循环让他真的能坚持每天跟进，而不是看一眼就丢到一边。
一条不能破的规则
这个工具不会自动提交申请。这是刻意设计的。
作者的理由很直接：批量投递自动填好的申请，对雇主不好，对求职者自己也不好。工具负责的是那些苦力活——发现职位、打分、起草、追踪；投递决定和面试，仍然由人来做。
换句话说，它砍掉的是重复劳动，不是判断权。
技术上是怎么搭的
整个工具用 Python 写成，每个平台配一个轻量客户端，所以想新增一个招聘网站，只需要加一个小文件。
AI 后端是可插拔的：想省钱可以用本地模型，想要速度可以接 Anthropic 的 API。
去重做了两层，一层按职位 id，一层按"职位名+公司名"。此外还有两个约束机制：每家公司每轮有数量上限，各平台之间做平衡，避免某一个网站把其他网站的职位挤掉。
调度上，一个 cron 任务负责每天跑扫描，一个 Slack 机器人负责监听表情反应。
三个实际收获
作者总结了三点经验：
- 用真实简历去打分，而不是只做关键词匹配，能大幅降低噪音。
- Slack 里"一职位一卡片、加表情即操作"的循环，是让他真正坚持用下去的关键。
- 保留人在环路里，才让这个工具变成他敢每天开着跑的东西。
这三点其实指向同一件事：自动化能解决的是流程摩擦，解决不了的是判断和信任。工具再好用，如果它替你做决定，你反而不敢用。
开源，欢迎提 PR
这个工具已经以 MIT 协议开源，仓库地址是 github.com/shubhamkumbhalkar/lever-auto-apply。作者特别欢迎新的平台客户端 PR。如果你试了，可以告诉他哪里跑不通。
对于每天在多个招聘网站之间反复横跳的人来说，这个项目的价值不在于它多复杂，而在于它把边界划得很清楚：哪些交给机器，哪些必须留给自己。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
