DEV Community

LeoJulieta
LeoJulieta

Posted on

HiringNow: Automatiza tu Búsqueda de Empleo con IA

HiringNow: la herramienta definitiva para automatizar la búsqueda de empleo con IA


Introducción

¿Cansado de perder horas rellenando formularios y enviando la misma carta de presentación a cientos de ofertas? Con HiringNow puedes delegar esa tarea a un agente de IA que postula por ti, adapta tu CV a cada anuncio y respeta todas las normativas de protección de datos. En este artículo encontrarás una guía práctica (≈ 2 500 palabras) que cubre: arquitectura del proyecto, código listo para copiar, despliegue en la nube, prompts optimizados, cumplimiento legal (GDPR y TOS), monitorización y una tabla comparativa de costos de los principales LLM. Todo ello con ejemplos reales que podrás ejecutar en minutos.


1. Arquitectura ligera de HiringNow

graph TD
    A[Usuario] --> B[Frontend (React)] 
    B --> C[API Gateway (FastAPI)]
    C --> D[Worker Queue (Redis)]
    D --> E[Agente IA (LLM + Selenium)]
    E --> F[Base de datos (PostgreSQL)]
    E --> G[Servicio de captcha (2Captcha)]
  • Frontend: interfaz mínima para cargar CV, carta de presentación y definir palabras clave.
  • API: expone /apply y /status con autenticación JWT.
  • Worker: procesa cada solicitud de forma asíncrona, evitando bloqueos por rate‑limit.
  • Agente IA: combina un LLM (Claude 2 o GPT‑4o) para generar textos y Selenium para interactuar con portales de empleo.

2. Implementación paso a paso (Python)

2.1. Preparar el entorno

# Crear entorno virtual
python -m venv .venv && source .venv/bin/activate

# Instalar dependencias
pip install fastapi uvicorn redis[async] sqlalchemy psycopg2-binary \
            selenium python-dotenv openai anthropic
Enter fullscreen mode Exit fullscreen mode

2.2. Configuración de variables de entorno (.env)

# LLM
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=...

# Selenium
CHROME_DRIVER_PATH=/usr/local/bin/chromedriver

# Base de datos
DATABASE_URL=postgresql://user:pass@db:5432/hiringnow

# Captcha
CAPTCHA_API_KEY=...
Enter fullscreen mode Exit fullscreen mode

2.3. API básica

# app/main.py
from fastapi import FastAPI, BackgroundTasks, HTTPException
from pydantic import BaseModel
from worker import launch_application_process

app = FastAPI(title="HiringNow API")

class ApplicationRequest(BaseModel):
    job_url: str
    profile_id: int

@app.post("/apply")
async def apply(req: ApplicationRequest, bg: BackgroundTasks):
    try:
        bg.add_task(launch_application_process, req.job_url, req.profile_id)
        return {"status": "encolado"}
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))
Enter fullscreen mode Exit fullscreen mode

2.4. Worker que usa el LLM y Selenium

# worker.py
import os, time, json
from selenium import webdriver
from selenium.webdriver.common.by import By
from anthropic import Anthropic
from openai import OpenAI

def get_prompt(job_desc: str, cv_text: str) -> str:
    return f"""Eres un asistente de búsqueda de empleo.  
    Redacta una carta de presentación de máximo 250 palabras que:
    • Resalte la experiencia del candidato en {job_desc}
    • Utilice un tono profesional y cercano
    • Termine con una llamada a la acción para una entrevista.

    CV del candidato:
    {cv_text}
    """

def generate_cover(llm: str, prompt: str) -> str:
    if llm == "claude":
        client = Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))
        resp = client.completions.create(
            model="claude-2.0",
            max_tokens=500,
            prompt=prompt,
        )
        return resp.completion
    else:  # openai
        client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
        resp = client.chat.completions.create(
            model="gpt-4o",
            messages=[{"role": "user", "content": prompt}],
        )
        return resp.choices[0].message.content

def launch_application_process(job_url: str, profile_id: int):
    # 1️⃣ Recuperar CV y datos del perfil (pseudo‑código)
    cv_text = get_cv_from_db(profile_id)

    # 2️⃣ Extraer descripción del puesto con Selenium
    driver = webdriver.Chrome(executable_path=os.getenv("CHROME_DRIVER_PATH"))
    driver.get(job_url)
    time.sleep(2)  # esperar carga
    job_desc = driver.find_element(By.CSS_SELECTOR, ".job-description").text

    # 3️⃣ Generar carta con LLM
    prompt = get_prompt(job_desc, cv_text)
    cover = generate_cover("claude", prompt)

    # 4️⃣ Rellenar formulario
    driver.find_element(By.NAME, "cover_letter").send_keys(cover)
    driver.find_element(By.NAME, "resume").send_keys("/tmp/cv.pdf")
    driver.find_element(By.XPATH, "//button[contains(text(),'Postular')]").click()

    # 5️⃣ Captcha (fallback)
    if "captcha" in driver.page_source.lower():
        solve_captcha(driver)

    driver.quit()
Enter fullscreen mode Exit fullscreen mode

Tip: Usa asyncio y redis-py para que el worker sea verdaderamente no bloqueante y escale a cientos de aplicaciones simultáneas.


3. Despliegue rápido en la nube (Docker + Railway)

3.1. Dockerfile

FROM python:3.12-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .
ENV PYTHONUNBUFFERED=1

CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000"]
Enter fullscreen mode Exit fullscreen mode

3.2. docker-compose.yml (incluye Redis y PostgreSQL)

version: "3.9"
services:
  api:
    build: .
    ports: ["8000:8000"]
    env_file: .env
    depends_on: [redis, db]

  worker:
    build: .
    command: python -m worker
    env_file: .env
    depends_on: [redis, db]

  redis:
    image: redis:7-alpine

  db:
    image: postgres:15-alpine
    environment:
      POSTGRES_USER: user
      POSTGRES_PASSWORD: pass
      POSTGRES_DB: hiringnow
    volumes:
      - pgdata:/var/lib/postgresql/data

volumes:
  pgdata:
Enter fullscreen mode Exit fullscreen mode

Con un solo docker compose up -d tendrás la API, la cola y la base de datos listas.


4. Prompts optimizados (ejemplos)

Objetivo Prompt Resultado típico
Carta de presentación breve Eres un asistente de IA. Redacta una carta de 150 palabras para un puesto de *Data Engineer* usando los siguientes datos del candidato: … Texto enfocado en habilidades de ETL, Spark y Python, con tono directo.
Resumen de experiencia Resume en 3 viñetas la experiencia del candidato en proyectos de *cloud migration*. Viñetas que destacan AWS, Terraform, CI/CD.
Respuesta a preguntas de filtrado Genera una respuesta de 200 caracteres a la pregunta: "¿Por qué te interesa nuestra empresa?" usando la información del CV. Respuesta personalizada que menciona valores corporativos y logros relevantes.

Consejo: Mantén los prompts por debajo de 1 000 tokens para reducir costos y latencia.


5. Cumplimiento legal (GDPR, TOS)

  1. Consentimiento explícito – Al crear el perfil, muestra una casilla “Autorizo a HiringNow a enviar mi CV a terceros”. Guarda el timestamp y la versión del TOS.
  2. Minimización de datos – Sólo almacena nombre, email, CV y logs de envío; elimina cualquier dato de la oferta después de 30 días.
  3. Derecho al olvido – Implementa endpoint DELETE /profile/{id} que borra todos los registros y notifica al usuario.
  4. Auditoría – Registra cada solicitud de aplicación con user_id, job_id, timestamp y llm_used. Guarda los logs en una tabla encriptada.

6. Monitorización y alertas

Métrica Herramienta Umbral de alerta
Rate‑limit excedido Prometheus + Grafana > 80 % de peticiones con 429 en 5 min
Tasa de éxito de aplicación CloudWatch < 85 % de envíos sin error en 1 h
Cost

Herramienta mencionada: Groq Cloud

Top comments (0)