DEV Community

LeoJulieta
LeoJulieta

Posted on

HiringNow: Automatize sua candidatura a vagas em segundos

HiringNow: Como Criar um Agente IA que Candidata Vagas Automaticamente

Introdução

A corrida por vagas está fora de controle: profissionais de tecnologia recebem dezenas de oportunidades por dia e não conseguem responder a todas.

Com o HiringNow, você transforma esse caos em um fluxo automatizado que envia seu currículo para as vagas certas em segundos. Neste guia prático, vamos montar o agente do zero, configurar prompts eficientes, garantir conformidade com GDPR e comparar custos das principais LLMs.


Por que este assunto é urgente agora

  1. Sobrecarga de vagas – Mais de 70 % dos talentos de TI recebem > 50 anúncios semanais (2024).
  2. Redução do tempo de contratação – Empresas que automatizam a triagem cortam o ciclo de 45 para 18 dias (LinkedIn Talent Solutions, 2023).
  3. Novas exigências do GDPR – Diretrizes da EPDB (2024) exigem consentimento explícito para qualquer processamento automatizado de dados pessoais.
  4. LLMs acessíveis – Claude 3, GPT‑4o e Llama 3‑8B oferecem planos gratuitos ou de baixo custo, tornando viável a construção de agentes sem grandes investimentos.

Esses quatro fatores criam o cenário ideal para adotar agentes IA de aplicação laboral hoje mesmo.


Arquitetura simplificada

Front‑end (Web/App) → Orquestrador (API) → Prompt Engine → LLM (Claude/GPT) → Ranking → Gerador de Mensagens → Scraper de Vagas → Envio
Enter fullscreen mode Exit fullscreen mode
  • Cada bloco pode ser implementado como uma função Lambda ou um micro‑serviço Docker, facilitando a escalabilidade.

Passo a passo prático (Python)

1. Configurar a API da LLM

import openai
openai.api_key = "SUA_CHAVE_API"
Enter fullscreen mode Exit fullscreen mode

2. Definir o prompt de candidatura

prompt = """
Você é um assistente de candidatura. Receba o título da vaga, a descrição e o currículo (JSON) e devolva uma carta de apresentação curta (máx. 150 palavras) que destaque as habilidades mais relevantes.
"""
Enter fullscreen mode Exit fullscreen mode

3. Função de geração de mensagem

def gerar_mensagem(vaga, cv):
    response = openai.ChatCompletion.create(
        model="gpt-4o",
        messages=[{"role":"system","content":prompt},
                  {"role":"user","content":f"Vaga: {vaga}\\nCV: {cv}"}],
        temperature=0.7,
        max_tokens=250
    )
    return response.choices[0].message.content.strip()
Enter fullscreen mode Exit fullscreen mode

4. Scraper de vagas (exemplo com BeautifulSoup)

import requests, bs4
def buscar_vagas(palavra):
    html = requests.get(f"https://www.example.com/jobs?q={palavra}").text
    soup = bs4.BeautifulSoup(html, "html.parser")
    return [{"title": t.text, "link": t["href"]} for t in soup.select(".job-title")]
Enter fullscreen mode Exit fullscreen mode

5. Envio automático (exemplo com Selenium)

from selenium import webdriver
def aplicar(vaga, mensagem):
    driver = webdriver.Chrome()
    driver.get(vaga["link"])
    driver.find_element("name", "cover_letter").send_keys(mensagem)
    driver.find_element("css selector", "button.submit").click()
    driver.quit()
Enter fullscreen mode Exit fullscreen mode

6. Orquestração simples

cv = {"nome":"Ana Silva","skills":["Python","Docker","AWS"],"experiencia":"3 anos"}
for vaga in buscar_vagas("data engineer"):
    msg = gerar_mensagem(vaga["title"], cv)
    aplicar(vaga, msg)
Enter fullscreen mode Exit fullscreen mode

Estratégias de Prompt Otimizadas

objetivo técnica exemplo
foco nas hard skills inclua “priorize habilidades técnicas” ...priorize habilidades como Python, SQL, Docker...
evitar linguagem genérica peça “uso de métricas concretas” ...cite resultados como “aumentei a performance em 30%”
controle de tamanho defina “máximo de 150 palavras” ...máx. 150 palavras...

Teste cada variação em um A/B test usando o checklist abaixo.


Checklist de Conformidade (GDPR)

  • [ ] Obter consentimento explícito do candidato antes de enviar dados.
  • [ ] Registrar a data/hora e o destino de cada transmissão.
  • [ ] Oferecer mecanismo de revogação de consentimento.
  • [ ] Garantir que a LLM não armazene dados pessoais após a chamada (usar logprobs=False).

Comparativo de custos (abril 2026)

LLM preço por 1 M tokens plano gratuito latência média
Claude 3 $0,015 1 M tokens 120 ms
GPT‑4o $0,020 500 k tokens 150 ms
Llama 3‑8B (via Azure) $0,010 2 M tokens 200 ms

Para um agente que processa ~ 5 k tokens por candidatura, o custo por aplicação varia entre $0,00005 e $0,0001 – praticamente insignificante em escala.


Checklist A/B para testes de desempenho

  1. Variável: tamanho do prompt (150 vs 250 palavras).
  2. Métrica: taxa de resposta positiva dos recrutadores (abertura de e‑mail).
  3. Duração: 2 semanas por variante.
  4. Ferramenta: Google Optimize ou Split.io.

FAQ rápida

Q: Posso usar o HiringNow sem conhecimento de programação?

A: Sim. Existem templates no GitHub com scripts prontos; basta inserir sua chave API e seu currículo em JSON.

Q: O agente viola termos de uso de sites de vagas?

A: Muitos portais proíbem automação sem permissão. Verifique o robots.txt e, se necessário, solicite API oficial.

Q: Como monitorar falhas de envio?

A: Configure um webhook que registre o status HTTP da submissão e envie alertas para Slack.


Conclusão

Com a combinação de LLMs de baixo custo, um fluxo de trabalho modular e atenção às exigências do GDPR, montar um agente IA que candidata vagas automaticamente é mais simples do que nunca. Siga o tutorial acima, ajuste os prompts ao seu perfil e comece a multiplicar suas oportunidades de forma segura e escalável.

Próximo passo: clone o repositório oficial github.com/hiringnow/agent-template, configure as variáveis de ambiente e rode python main.py. Boa caça!


Herramienta mencionada: Groq Cloud

Top comments (0)