Post #2924
103
🧑💻 Как я вчера сделал ИИ-подбор вакансий в YC-стартапах под твоё резюме
Проблема банальная: на YC Work at a Startup около 1500 компаний, которые сейчас нанимают, и вручную их не перероешь. Сделал по старой памяти мини-штуку: загружаешь резюме - получаешь персональный шортлист с объяснением, почему каждая компания подходит.
Как это работает, по шагам:
1️⃣ Текст резюме достаётся прямо в браузере. PDF читает pdf.js, Word - свой маленький парсер DOCX, можно вставить текст или экспорт профиля из LinkedIn (Save to PDF). Тут очень просто улучшить — отдать на разбор в LLM типа Gemini 3.8 Flash. Сделаю апгрейд, если будет спрос.
2️⃣ Дешевая и быстрая Llama 3.3 70B на Cloudflare Workers AI вытаскивает из резюме структуру: должности, навыки, домены, город. Это усиливает поиск: «payments» и «fraud» весят больше, чем случайные слова. Тут аналогично — нет предела совершенству, можно использовать DeepSeek или что-то помощнее.
3️⃣ Быстрый поиск по всем компаниям (BM25) тоже идёт в браузере, за доли секунды. Фильтры по городу и размеру команды пересчитывают список мгновенно. Город понимает алиасы: UK находит London, а не Ukraine.
4️⃣ Дальше на сцену выходит Jev. Это decision-модель от TypeSafe, доступная через Decisions API на OpenRouter. Она не пишет текст, а отвечает на вопросы в заданном формате: оценка по шкале или выбор из вариантов, с вероятностями и уверенностью.
Jev делает две вещи:
- проверяет, что ты загрузил именно резюме, а не вакансию или сопроводительное письмо, и предупреждает, если нет
- оценивает топ-30 компаний по 5-балльной шкале: от «нет совпадения» до «навыки, домен и функция совпадают с тем, что они строят»
Итоговый балл: 65% оценки Jev и 35% текстового совпадения. Компании, которые проверил ИИ, идут наверху с меткой Strong fit / Excellent fit, дальше - список по ключевым словам, отдельно помеченный.
Я не утверждаю, что это железобетонный метод, только цифры покажут, работает он или нет.
5️⃣ У каждой компании ссылки на профиль YC и на Work at a Startup, где откликаться. Шортлист можно скачать в CSV.
Данные берутся из yc-oss, открытого зеркала каталога YC, обновляются каждые 6 часов.
🤖 Для агентов: бесплатный API и MCP без ключа.
MCP: https://ycme.dev/mcp, инструменты search_startups, match_resume, get_company.
Подключаешь в Claude, Cursor или любом MCP-клиенте и просишь: «найди YC-стартапы под моё резюме, удалённо, команда до 50 человек». Можно поставить агенту задачу раз в неделю прогонять резюме заново и присылать новые совпадения. Сервер ничего не помнит, резюме хранит твой агент. Описание для агентов: ycme.dev/llms.txt
Как получить лучший результат:
- загружай полное резюме, а не одну строку: чем больше конкретных навыков и доменов, тем точнее
- на английском матч лучше, описания компаний английские
- смотри на метку Jev, а не только на процент: процент у непроверенных компаний - это просто совпадение слов
- начни со Strong fit и Excellent fit: там чаще всего есть смысл писать
🔒 Бесплатно, без регистрации. Резюме мы не храним: его обрабатывают модели (Workers AI и Jev через OpenRouter) только чтобы посчитать совпадения. Проект независимый, с Y Combinator не связан.
Пробуйте, фидбек приветствуется 🙌 Хороших выходных!
https://ycme.dev
@aizvestia
#поделкИИ
Проблема банальная: на YC Work at a Startup около 1500 компаний, которые сейчас нанимают, и вручную их не перероешь. Сделал по старой памяти мини-штуку: загружаешь резюме - получаешь персональный шортлист с объяснением, почему каждая компания подходит.
Как это работает, по шагам:
1️⃣ Текст резюме достаётся прямо в браузере. PDF читает pdf.js, Word - свой маленький парсер DOCX, можно вставить текст или экспорт профиля из LinkedIn (Save to PDF). Тут очень просто улучшить — отдать на разбор в LLM типа Gemini 3.8 Flash. Сделаю апгрейд, если будет спрос.
2️⃣ Дешевая и быстрая Llama 3.3 70B на Cloudflare Workers AI вытаскивает из резюме структуру: должности, навыки, домены, город. Это усиливает поиск: «payments» и «fraud» весят больше, чем случайные слова. Тут аналогично — нет предела совершенству, можно использовать DeepSeek или что-то помощнее.
3️⃣ Быстрый поиск по всем компаниям (BM25) тоже идёт в браузере, за доли секунды. Фильтры по городу и размеру команды пересчитывают список мгновенно. Город понимает алиасы: UK находит London, а не Ukraine.
4️⃣ Дальше на сцену выходит Jev. Это decision-модель от TypeSafe, доступная через Decisions API на OpenRouter. Она не пишет текст, а отвечает на вопросы в заданном формате: оценка по шкале или выбор из вариантов, с вероятностями и уверенностью.
Jev делает две вещи:
- проверяет, что ты загрузил именно резюме, а не вакансию или сопроводительное письмо, и предупреждает, если нет
- оценивает топ-30 компаний по 5-балльной шкале: от «нет совпадения» до «навыки, домен и функция совпадают с тем, что они строят»
Итоговый балл: 65% оценки Jev и 35% текстового совпадения. Компании, которые проверил ИИ, идут наверху с меткой Strong fit / Excellent fit, дальше - список по ключевым словам, отдельно помеченный.
Я не утверждаю, что это железобетонный метод, только цифры покажут, работает он или нет.
5️⃣ У каждой компании ссылки на профиль YC и на Work at a Startup, где откликаться. Шортлист можно скачать в CSV.
Данные берутся из yc-oss, открытого зеркала каталога YC, обновляются каждые 6 часов.
🤖 Для агентов: бесплатный API и MCP без ключа.
MCP: https://ycme.dev/mcp, инструменты search_startups, match_resume, get_company.
Подключаешь в Claude, Cursor или любом MCP-клиенте и просишь: «найди YC-стартапы под моё резюме, удалённо, команда до 50 человек». Можно поставить агенту задачу раз в неделю прогонять резюме заново и присылать новые совпадения. Сервер ничего не помнит, резюме хранит твой агент. Описание для агентов: ycme.dev/llms.txt
Как получить лучший результат:
- загружай полное резюме, а не одну строку: чем больше конкретных навыков и доменов, тем точнее
- на английском матч лучше, описания компаний английские
- смотри на метку Jev, а не только на процент: процент у непроверенных компаний - это просто совпадение слов
- начни со Strong fit и Excellent fit: там чаще всего есть смысл писать
🔒 Бесплатно, без регистрации. Резюме мы не храним: его обрабатывают модели (Workers AI и Jev через OpenRouter) только чтобы посчитать совпадения. Проект независимый, с Y Combinator не связан.
Пробуйте, фидбек приветствуется 🙌 Хороших выходных!
https://ycme.dev
@aizvestia
#поделкИИ









