이직 활동을 하다 보면,

• 구인 사이트 순회
• 구인 내용 읽기
• 기술 스택 (Tech Stack) 확인
• 타 기업과 비교
• Excel에 메모

라는 작업을 몇 번이고 반복하게 됩니다.

매번 똑같은 일을 반복하는 것에 싫증이 나던 차에,

"이거, 자동화할 수 있지 않을까?"

라는 생각이 들어 CareerSupport-AI를 제작했습니다.

이번에는 Green의 구인 정보를 취득하여, LLM으로 구조화·스코어링(Scoring)한 뒤 OneDrive의 Excel로 자동 전기(転記)하는 MVP를 약 5일 만에 제작했습니다. ※

※ 이 APP은 어디까지나 개인적으로 사용하는 것입니다.

Green
↓
로그인
...

• 자사 개발

• 기술 스택 일치

• 아이치·나고야·리모트 가능

• 급여 조건

• 고용 형태

• 파견 근무 있음

• 커리어 불일치

• 연봉 하한선이 낮음

• 잔업이 많음

최종적으로 응모 우선순위를 1 ~ 5로 판정하고 있습니다.

가장 고전했던 부분은 Excel 연동이었습니다.

• 인증
• Worksheet 취득
• 헤더 초기화
• 행 추가

등, 빠지기 쉬운 함정(ハマりどころ)이 많았습니다.

LLM의 출력은 매번 완전히 동일하지 않기 때문에,

• Pydantic으로 타입 체크 (Type Check)
• 부적절한 데이터 스킵
• JSON 정형화

를 추가하여 안정화했습니다.

HTML을 그대로 보내면 느렸기 때문에,

BeautifulSoup으로 불필요한 태그를 삭제한 후 OpenAI로 전달하도록 했습니다.

Java와 달리 블록이 아니라, 인덴트(Indent)로 중첩(Nest)하는 부분에서 에러가 자주 발생했습니다.

익숙해지니 꽤 사용하기 편하다고 느꼈습니다.

GitHub Issue를 세밀하게 나누어 진행했습니다.

• CSAI-007 로그인 처리
• CSAI-008 HTML 취득
• CSAI-009 JSON 항목 정의
• CSAI-010 유효성 검사 (Validation)
• CSAI-011 스코어링 규칙
• CSAI-015 Excel 자동화
• CSAI-023 MVP 동작 확인

최종적으로,

• 약 31 Issue
• 36 Commit

으로 MVP가 완성되었습니다.

"AI를 사용한다"고 해서 구현 속도가 올라가기도 하지만,

• Issue를 세밀하게 나누기
• 작게 만들기
• 동작하는 상태를 유지하기

라는 기본이 가장 중요하다고 느꼈습니다.

• 배치 처리 (Batch Processing)
• LLM 처리 속도 개선
• 중복 판정 개선
• Discord 알림
• Web UI화

5일 만에 MVP까지 완성할 수 있었던 것은 상당히 좋은 경험이 되었습니다.

이직 활동을 위해 만들기 시작한 도구였지만,

결과적으로 Python, OpenAI API, Microsoft Graph API 등을 한꺼번에 다뤄볼 수 있는 좋은 기회가 되었습니다.

비슷한 개인 개발을 하고 계신 분들께 참고가 된다면 기쁘겠습니다.