sadqwes English
← Все кейсы

Личный проект

Автоматизировала свой поиск работы

Сервис, который оценивает вакансии по моему профилю, ведёт воронку откликов и показывает, каких навыков чаще всего не хватает.

РезультатВидно, на каком этапе отказы и что учить дальше — по данным, а не по ощущениям
GoPostgreSQLKubernetesArgoCDPrometheusGrafana

Зачем

Отказы на отклики — неприятная штука, если смотреть на них по одному. Я захотела видеть картину целиком: сколько откликов, где они останавливаются и каких навыков рынок ждёт чаще всего.

Что умеет

  • Оценка вакансии 0–100 с объяснением: коммерческий опыт засчитывается полностью, опыт из лаборатории — частично; плюс зарплата, трудовой договор, удалёнка или дорога до офиса, ночные смены, «кадровый резерв». Каждый балл подписан: «+15 гибрид», «−30 только офис, дорога 90 мин».
  • Воронка: отклик → HR → собеседование → оффер или отказ, с датами и заметками; следующий шаг с датой.
  • Статистика: отклики за неделю против цели, процент ответов, на каком этапе отказы, топ недостающих навыков, напоминания о follow-up.
  • Метрики в Prometheus и дашборд в Grafana.

Как устроено

Go-сервис с PostgreSQL в моём Kubernetes-кластере. Postgres — StatefulSet на официальном образе, секреты — SealedSecrets, образ — distroless без root. CI: тесты, Semgrep, govulncheck, Trivy; деплой через ArgoCD.

Код я писала вместе с AI-ассистентом (Claude Code). Моя часть — идея, правила оценки, требования, инфраструктура, деплой и эксплуатация.

Чему я научилась

Данные лечат тревогу: когда видно, что отказы приходят на этапе резюме, понятно, что чинить — резюме и ключевые слова, а не себя.

← Все кейсы