지난 38개의 커버레터가 언급했지만 제 이력서에는 없던 것들 때문에 HonestFit을 만들었습니다.

샘플 측정 결과 (10월 15일):

• gpt-oss-20b: 글자당 79초 소요, 모델 호출 45회, 입력 토큰 약 3,000개, 출력 토큰 800개. 이는 Workers AI 리스트 가격 기준으로 글자당 $0.001 미만입니다.
• 모든 gpt-oss 글자는 Kubernetes의 격차(gap)를 인정했습니다.
• 일부 실행에서는 플래그가 지정된 주장이 나옵니다. 페이지는 이를 숨기는 대신 경고로 표시합니다.
• Llama 4 Scout는 약 30초가 걸렸고 더 많은 문제를 남겼기 때문에, gpt-oss를 기본값으로 사용합니다.

알려진 한계: 이 검사기는 기술, 숫자 및 역할 단어는 알고 있습니다. 하지만 형용사는 여전히 통과합니다: 한 초안은 서비스에 "고가용성(high-availability)"이라고 불렀지만, 이력서에는 그런 내용이 없습니다.

오픈 혁신이란 무엇을 의미할까요?

• 가격 덕분에 부업이 가능해집니다. 글자당 1센트의 1/10 미만이라는 것은 월 $4로도 충분한 사용량을 커버하고 거의 모든 금액을 마진으로 남길 수 있다는 뜻입니다. 일반적인 폐쇄형 최첨단 모델(closed frontier-model) 가격으로는, 재시도를 포함한 같은 작업이 글자당 약 10~20배 더 많은 비용이 발생합니다.
• 단계별로 모델을 교체할 수 있습니다. 읽기 및 검색에는 gpt-oss를 사용합니다. 빈 초안이 반환되면 Llama 4 Scout가 작성합니다. 이 폴백(fallback) 기능은 두 모델 모두 동일한 인터페이스 뒤에 있는 오픈 가중치(open-weight) 모델이기 때문에 단 한 줄의 코드로 구현됩니다.
• 모델 자체가 심판이 아닙니다. 오픈 가중치는 제가 의도적으로 작고 저렴한 모델을 선택할 수 있게 해주며, 읽고 테스트할 수 있는 코드에 신뢰를 둘 수 있게 합니다. 폐쇄형 API를 사용하면 모델에 더 많은 신뢰를 주기 위해 더 많은 비용을 지불해야 하는데, 이는 이 도구가 필요로 하는 것과는 정반대입니다.
• 이력서는 기기에 보관될 수 있습니다. 동일한 가중치(weights)가 로컬에서 실행됩니다. 아직 그 모드를 구축하지는 않았습니다 (제 2019년형 Intel 노트북으로는 gpt-oss-20b를 사용 가능한 속도로 돌릴 수 없기 때문에), 따라서 현재 페이지는 요청 길이만큼만 귀하의 텍스트를 전송하고 아무것도 저장하지 않습니다.

저의 첫 사용자

저 자신입니다.

저는 한국에 거주하는 풀스택 개발자입니다. AI 번역을 통해 영어를 작성하며, 글쓰기를 할 수 있는 원격 근무 일자리에 지원합니다. 이 도구를 만들기 전에 저는 38개의 커버레터를 보낸 적이 있습니다. 저는 HonestFit의 검사기로 그 38개 모두를 저 자신의 이력서와 비교했습니다:

• 38명 중 38명이 '13년'이라고 언급했습니다. 제 이력서에는 '12년 8개월'이라고 되어 있습니다.
• 27명은 제가 이력서 어디에도 기재하지 않은, '94개 MCP 서버 스캔', 또는 '마켓플레이스 확장 프로그램 13개'와 같은 사이드 프로젝트의 수치를 인용했습니다.
• 3명은 제 이력서에 언급되지 않은 기술을 명시했습니다.

이 모든 것이 거짓은 아니었습니다. 하지만 두 페이지를 모두 보는 채용 담당자는 약간씩 다른 사람들을 보게 되고, 저는 검사기가 보여주기 전까지는 전혀 알지 못했습니다.

그래서 저는 실제 이력서를 제가 구직하는 직무의 실제 시니어 백엔드 공고(요구 사항 목록)와 함께 전체 워크플로우를 실행해 보았습니다. 첫 번째 실행에서는 'SQL 및 NoSQL 데이터베이스'가 누락되었다고 표시하며, 저에게 데이터베이스 경험이 전혀 없다고 썼는데, 이는 틀린 내용입니다 (그 버그는 위의 표에 있습니다). 수정 후: 커버됨 5개, 부분적으로 커버됨 2개, 누락됨 1개(시간대 간 작업), 초안 1개, 6.9초, $0.0008.

제가 비용을 지불했나요? 제가 사용자이므로 아닙니다. 하지만 기꺼이 지불할 것입니다.

수상 부문 (Prize Categories)

• Mastra의 최고의 활용: 전체 과정은 Cloudflare Workers에서 실행되는 세 개의 에이전트와 하나의 도구를 사용하는 Mastra 워크플로우입니다.

코드 및 영어 텍스트는 저의 지휘 아래 작동한 AI 코딩 에이전트(Claude Code)가 생성했습니다. 이력서 데이터, 38개의 편지, 그리고 게시 결정은 저의 것입니다. 저는 한국어로 글을 씁니다.