اکثر مردم از AI برای جستجوی کار به شکل غلط استفاده می‌کنند

ChatGPT را باز می‌کنند، متن شغلی را چسبانند و می‌گویند «Resume را بهبود بده». سپس کپی‑پیست و ارسال می‌کنند. بعد از آن، هیچ خبری نیست.

مشکل این است که فقط یک بار تولید می‌شود. شما از یک AI می‌خواهید هم نویسنده و هم داوری باشد؛ نتیجه یک سادهٔ فاقد تقویت است—دقیق گرامری ولی برای سیستم‌های ATS بی‌معنی.

جستجوی کار یک فرایند ذاتاً ذاتی، چندمرحله‌ای و پر احساس است. اکثران ده‌ها رزومه می‌فرستند و مصاحبه‌ای نمی‌گیرند؛ این به دلیل نقص توانایی نیست، بلکه به دلیل عدم وجود یک فرآیند مهندسی است.

یک فیزیک زمین‌شناس بیکار شده، جستجوی کار را به یک خط تولید تبدیل کرد

بر اساس پست منبع (داده‌ها تأیید نشده‌اند): در GitHub پروژه ai-job-search ۲۹٬۰۰۰+ ستاره دارد. مادس لورنتزن، قبلاً فیزیک زمین‌شناس، پس از perdere کار، با Claude Code یک چارچوب Agent جستجوی کار ساخت، ۶۹ درخواست داد، ۲۰ مصاحبه اولیه گرفت و در نهایت به عنوان مهندس AI استخدام شد.

۶۹ ارسال → ۲۰ مصاحبه ≈ ۳۰٪ نرخ تبدیل به مصاحبه. متوسط نرخ تبدیل برای ارسال mass معمولاً کمتر از ۵٪ است. در منبع ذکر شده، او این عدد را در LinkedIn عمومی کرد.

اما عدد نیست، بلکه روش است: او جستجوی کار را از «فال» به یک جریان قابل اجرا، تست و بازبینی توسط AI تبدیل کرد.

ارزش واقعی این چارچوب: دو Agent بازبینی متقابل

بر اساس منبع، مکانیسم اصلی این پروژه Drafter + Reviewer است:

• Drafter (نویسنده) – سوابق شغلی شما را می‌خواند و برای هر موقعیت یک رزومه وCover Letter سفارشی می‌سازد.
• Reviewer (بازبینی) – یک Agent جدید با بافت خالی، تحت تأثیر اولیه نیست، هدف شرکت را جستجو می‌کند و از دیدگاه سومین شخص پیش‌نویس را مورد انتقاد قرار می‌دهد.

این ساختار مستقیماً نقطه ضعف تولید تک‌مرحله‌ای را برطرف می‌کند. اولین Agent می‌نویسد، دومین Agent با دید جدید می‌گوید: «این تجربه با درخواست کار مرتبط نیست»، «این فعل ضعیف است»، «شرکت اخیراً در حال تسریحه است و در Cover Letter به آن اشاره نشده». سپس پیش‌نویس را برای بازنویسی برمی‌گرداند.

بر اساس منبع، کل فرایند توسط چهار فرمانorchestrated می‌شود:
/setup – ایجاد پرونده شغلی (وارد کردن PDF رزومه، صادرات LinkedIn یا مصاحبه‌ای)،
/scrape – جستجو و مرتب‌سازی شاغل (پلتفرم‌های دنمارکی Jobindex، Jobnet، Jobbank به‌صورت داخلی، قابلیت گسترش به هر منطقه‌ای)،
/apply – تولید یک کلیک مواد درخواست (ارزیابی تطابق، قالب LaTeX، بررسی کلمات کلیدی ATS، بررسی تعداد صفحات PDF)،
/interview – آماده‌سازی مصاحبه (تحقیق درباره شرکت، نقشه‌برداری موارد STAR، شبیه‌سازی مصاحبه).

تمام داده‌ها در محلی ذخیره می‌شوند، بدون عبور از هیچ سرویس SaaS‌ای.

این برای کسی که می‌خواهد پول کند چه nghĩa دارد؟

دو راه.

راه اول: استفاده شخصی. اگر شما در جستجوی کار هستید، به‌ویژه در پوزیشن‌های فنی، دیگر یک رزومه را به همه جا نفرستید. پروژه را Fork کنید (github.com/MadsLorentzen/ai-job-search) یا با این logique خودتان یک سیستم با Claude بسازید: بانک سوابق + تجزیه و تحلیل شاغل + دو Agent بازبینی + بررسی ATS. حتی اگر فقط بخش «Reviewer critic» را پیاده‌سازی کنید، کیفیت رزومه‌تان نسبت به ۹۰٪ رقبا بالاتر می‌رود.

راه دوم: فروش سرویس. این دقیقاً چیزی است که امروز می‌خواهم بگویم.

گام ۱: این جریان را به «سرویس رزومه sniper» بسته‌بندی کنید

در Mercari، Carousell یا eBay و Lemon8 یا Pinterest جستجوی «Resume help» کنید؛ تعداد زیادی ارائه دهنده با قیمت ۳۰–۲۰۰ تومان (معادل ۰٫۷–۴٫۷ دلار) وجود دارد که یا به‌صورت دستی تغییر می‌دهند یا یک بار GPT اجرا می‌کنند. شما دارید دو Agent بازبینی + تأیید کلم کلیدی ATS؛ کیفیت شما در سطح کاملاً دیگری است.

استراتژی قیمت‌گذاری:

• بسته پایه ۹۹ تومان (≈ ۲٫۳۵ دلار) – رزومه بهینه‌شده + گزارش کلم کلیدی ATS.
• بسته پیشرفته ۲۹۹ تومان (≈ ۷٫۱۲ دلار) – رزومه + Cover Letter + تحقیق هدف شرکت.
• بسته flagship ۵۹۹ تومان (≈ ۱۴٫۲۳ دلار) – شامل بسته پیشرفته + آماده‌سازی مصاحبه + بانک سؤال شبیه‌سازی.

هزینه؟ فقط هزینه API برای هر اجرای Agent –几 pennies.

گام ۲: از «قبل‑و‑بعد» برای جذب محتوا استفاده کنید

در Lemon8 یا Pinterest یک یادداشت بگذارید: چپ، نتایج تجزیه و تحلیل ATS رزومه اصلی (پوشش کلم کلیدی ۳۱٪)؛ راست، رزومه بهینه‌شده شما (پوشش ۸۷٪). این مقایسهٔ بصری در خدمات رزومه قوی‌ترین ابزار تبدیل است. سپس یک ویدیو کوتاه در TikTok بسازید که نشان دهد «دانشمند AI چگونه رزومه‌تان را تا حد völlی ویرایش می‌کند»؛ تنش conflict حداکثر می‌شود.

موسم طلای بهاره (مهر‑آبان) و پاییز (شهریور‑مهر) زمان‌های پرترافیک هستند؛ یک ماه پیش محتوا را پخش کنید.

گام ۳: از رزومه به «خدمات کامل جستجوی کار» گسترش دهید

پس از اینکه مشتری مصاحبه گرفت، بسته «راهنمای مصاحبه» را به‌عنوان upsell بفروشید. بعداً برای دانشجویان بین‌المللی و متخصصان تغییر‌کار یک «همراه کاری جستجوی کار» ماهانه ۱۵۰۰–۳۰۰۰ تومان (≈ ۳۵–۷۱ دلار) ارائه دهید؛ هر هفته تحویل: لیست شاغل فیلتر شده، مواد درخواست سفارشی، بازبینی مصاحبه. یک نفر می‌تواند ۱۰ مشتری هم‌زمان را обслужить؛ درآمد ماهانه حدود ۲۰ ۰۰۰ تومان (≈ ۴۷۶ دلار) در حالی که ۸۰٪ کار سخت توسط Agent انجام می‌شود.

اگر به انگلیسی تسلط دارید، سرویس خود را در Fiverr یا Upwork قرار دهید؛ عبارت «ATS‑optimized resume with AI review» در این مارکت نوسان قیمت ۵۰–۱۵۰ دلار دارد و رقابت نسبت به بازار فارسی کمتر است.

الهیهٔ بزرگتر

ارزش واقعی این پروژه صرفاً در جستجوی کار نیست؛ بلکه نشان می‌دهد که هر خدماتی که «خودبیان، چندمرحله‌ای و نتایج قابل سنجش» باشد، می‌تواند به یک جریان Agent بازسازی شود و با ده برابر سرعت تحویل داده شود.

درخواست‌های留学، نوشتن پیشنهادات، اسناد مهاجرت، بررسی قالب مقاله‌های علمی — همهٔ اینها الگوهای مشابهی دارند. ابتدا مرحله‌ای را پیدا کنید که مشتری برای آن پولたくさん می‌پرداید ولی تحویل آن بسیار خسته‌کننده است؛ سپس با ساختار Drafter + Reviewer آن را مهندسی کنید. در نتیجه، شما یک سلاح نابرابر دارید: دیگران با نیروی انسانی می‌چرخند، شما با یک API اجرا می‌کنید.

امروز یک کار انجام دهید: یک خدمت هزینه‌دار که می‌شناسید را انتخاب کنید، مراحل کامل تحویل آن را بنویسید، و مشخص کنید کدام بخش‌ها می‌توانند توسط یک AI نویسده شوند و کدام بخش نیاز به یک AI ناقد دارند. آن کاغذ، طرح‌ następnego کسب‌وکار شماست.