让智能体先读完招聘广告再投递：258 次投递换来 8 次面试和 3 个 offer
速览卡
- 分类：生活办事 / 求职
- 结果：13 周英国测试——258 次经人工批准的投递 → 8 次面试 + 3 个 offer（作者自述，未经审计）
- 状态：实验数据已公开发布，工具开源可查；样本只有 4 名测试者，不得当普遍承诺
- 成本：Claude 订阅费（档位未给出）
- 耗时：搭建约 2 小时
一句话
海投机器人拼的是“发”的量，这个智能体反着来：把量花在“读”上——读完全文、逐项打分、每份 CV 单独定制且不许编造，人只负责最后点头。
原作者怎么做的
- 先写一份主档案（真实经历，一次写好），并设硬过滤：薪资底线、地点、帖子时效，不达标直接丢弃，连读都不读。
- 智能体以温和节奏抓取选定招聘站，把每条留下的广告读完全文再打分（0–100，逐条要求对照主档案），不许只看标题判断。
- 对匹配的岗位单独写定制 CV，需要时才写求职信；然后由一个独立核查步骤逐项验证：CV 里每个数字与说法都必须能在主档案里找到，找不到就删——工具明确拒绝编造经历。
- 所有投递停在“待批准”状态：本人按编号批准（如“投 12 和 15 号”）后才发出；遇到要注册账号、输密码、过验证码的站点，转成人工清单，工具不碰。
- 全程状态存本地 SQLite；先用虚构候选人做 5 分钟 dry run，确认每一步再上真实数据。
结果
- 13 周英国测试（每两周一轮）：10,483 个岗位过初筛 → 8,585 条广告读完并打分 → 779 个匹配（284 强匹配）→ 481 份定制 CV + 348 封求职信 → 258 次投递 → 8 次面试、3 个 offer（作者自述，未经审计）。
- 换算：约每 32 次投递换 1 次面试；原文引用的海投机器人案例约为每 250 次投递 1 次面试。
- 另有 3 名欧盟测试者，进初筛比例区间 0.5%–12%（因人/市场差异很大，未计入主图表）——这个区间本身说明结果高度依赖个人背景与市场。
- 同类互证：启发它的开源项目 career-ops 作者 Santiago Fernández 自述用同一思路评估 740 个岗位、投 68 次、进入 12 个面试流程并签下一个 offer。
提示词结构
「这是我的主档案：[经历文件]。请按以下顺序工作，不得跳步：① 先用硬过滤筛岗位（薪资 ≥[底线]、地点 [范围]、发布 ≤[天数] 天），不达标的直接丢弃；② 留下的每条广告必须读完全文，按 [要求清单] 逐项对照档案打分（0–100），只看标题的不许打分；③ 对 ≥[分数] 的岗位写定制 CV，每句话的数字与说法必须能在档案里找到出处，找不到的删掉，不要润色出新经历；④ 写完后换一个独立步骤逐项核查 CV 与档案的一致性；⑤ 把待投递列表给我，我按编号批准后你才可以投；需要注册、密码或验证码的站点列成人工清单，不要处理。」（据原文技能流水线提炼，非原文照录）
中国读者怎么迁移
工具抓的是英国/欧盟招聘站，国内读者要把抓取端换成 BOSS 直聘、猎聘、拉勾等——但务必先看各平台对自动化访问的规则，账号风控比英国站更严，节奏要更慢、量要更小。可直接搬的是方法本身：硬过滤省时间、读完再打分、CV 只写档案里有的、投递必须人工批准。哪怕不用这个工具，用任何智能体照这个流水线跑，也比海投强。
风险与限制
- 结果为作者自述、无第三方审计，且主数据来自 1 个英国测试者的 13 周运行（共 4 名测试者），样本小、市场单一；3 个 offer 不等于读者能复现。
- 作者只用笔名 EnchStyle 发表，真实姓名未给出（门槛1部分缺项，发布时须保留此注）。
- 自动抓取招聘站可能违反平台条款或触发风控/封号；工具不建号、不输密码、不解验证码是底线，读者不要绕过。
- 职业档案是高度敏感数据：本方案存本地 SQLite 是正确做法，不要把档案贴进来源不明的在线工具。