ज़्यादातर लोग AI से जॉब कैसे ढूँढते हैं? पूरा गलत

ChatGPT खोलो, JD पेस्ट करो, “इसके हिसाब से रिज्यूमे ठीक कर दो” बोलो, कॉपी-पेस्ट-अपलोड। फिर कोई जवाब नहीं आता।

कहाँ गलती है? एक ही बार में जेनरेट करवाने में। आप एक AI से एक ही चैट में लेखक और जज़ दोनों बनवा रहे हैं—नतीजा बेस्वाद खिचड़ी: व्याकरण ठीक, धार शून्य, ATS सिस्टम एक नज़र में कूड़ेदान में फेंक देता है।

जॉब-सर्च एक highly subjective, multi-step प्रक्रिया है—और इंसान इसमें जल्दी टूटता है। ज़्यादातर लोग 50+ रिज्यूमे भेजते हैं और 2-3 इंटरव्यू भी नहीं निकलते। यह talent की कमी नहीं, प्रोसेस की इंजीनियरिंग की कमी है।

एक बर्खास्त भूविज्ञानी ने जॉब-हंटिंग को असेंबली लाइन बना दी

(नीचे के आँकड़े सोर्स पोस्ट के हवाले से हैं, स्वतंत्र पुष्टि नहीं हुई।)

GitHub पर ai-job-search नाम का ओपन-सोर्स प्रोजेक्ट है, 29,000+ स्टार्स। बनाने वाले Mads Lorentzen भूविज्ञानी थे, ले-ऑफ़ हुए, फिर Claude Code से पूरा जॉब-सर्च Agent फ्रेमवर्क खड़ा किया। 69 अप्लाई कीं, 20 फ़र्स्ट-राउंड इंटरव्यू मिले, और आख़िर में AI इंजीनियर बन गए।

69 में से 20—करीब 30% फ़र्स्ट-राउंड कन्वर्ज़न रेट। इंडस्ट्री एवरेज क्या है? आम तौर पर 5% से नीचे। लेखक ने अपना पूरा फ़नल LinkedIn पर पब्लिक किया है।

लेकिन नंबर कहानी नहीं है। कहानी है उनका तरीक़ा: जॉब-सर्च को “भाग्य” से निकालकर एक standardise, repeatable, AI-executable workflow में तोड़ दिया।

सच में कीमती चीज़: Drafter + Reviewer डबल-Agent आमना-सामना

प्रोजेक्ट का core मैकेनिज़्म दो Agent की टक्कर है:

• Drafter (मसौदाकार): आपकी प्रोफ़ाइल पढ़ता है, ख़ास JD के लिए कस्टम रिज्यूमे और कवर लेटर लिखता है।
• Reviewer (समीक्षक): पूरी तरह fresh context में शुरू होता है। पहले मसौदे से कोई लिंक नहीं। यह ख़ुद टारगेट कंपनी रिसर्च करता है, फिर तीसरे पक्ष की नज़र से मसौदे को ध्वस्त करता है।

यह डिज़ाइन single-shot generation की बुनियादी कमज़ोरी को सीधा मारता है। पहले Agent ने लिखा, दूसरे Agent ने नई आँख से चीरा: “ये एक्सपीरियंस JD से कोई मतलब नहीं रखता”—“ये verb कमज़ोर है”—“कंपनी अभी ले-ऑफ़ कर रही है, कवर लेटर में इसका जवाब नहीं है।” फिर वापस रीराइट।

चार कमांड्स पूरा फ़्लो चलाते हैं: /setup (प्रोफ़ाइल