# ИИ‑оценщик резюме от HackerRank: шпион для HR или честный помощник? - Site: VeraPoint News - Section: Инструменты - Date: 2026-06-25 - Canonical: https://verapointmedia.com/tools/interviewstreet-hiring-agent/ - Markdown: https://verapointmedia.com/tools/interviewstreet-hiring-agent.md - Summary: Как установить, настроить и прогнать резюме через hiring-agent — и получить оценку, которая действительно пригодится при найме - SEO title: ИИ‑оценщик резюме от HackerRank: рабочий процесс для AI-агентов и разработки - Target queries: ИИ‑оценщик резюме от HackerRank; ИИ‑оценщик резюме от HackerRank github; что такое ИИ‑оценщик резюме от HackerRank; как использовать ИИ‑оценщик резюме от HackerRank - Tags: #hiring #ai #resume #agents #hackerrank #python - Image: https://verapointmedia.com/static/content-assets/tools/interviewstreet-hiring-agent/cover.webp ## Sources - https://github.com/interviewstreet/hiring-agent - https://www.python.org/downloads/release/python-3110/ - https://github.com/interviewstreet/hiring-agent/blob/master/LICENSE - https://github.com/psf/black --- Представьте, что вы получили 300 резюме и пытаетесь понять, кто реально умеет писать код, ведёт осмысленный GitHub и имеет опыт на проде, а не просто накопировал красивых фраз из вакансии. Руками это перебрать — неделя тоскливого скроллинга. Hiring‑agent — это CLI‑инструмент от HackerRank (да, тех самых, с задачками по алгоритмам), который скормит PDF‑резюме локальной модели и выдаст читаемый отчёт: разложит на разделы, проверит профиль на GitHub, отберёт лучшие проекты и выставит баллы по категориям. Никакого облака, никаких чужих серверов, если вы того не захотите: всё работает на Ollama. Кому читать: HR‑лидам, тимлидам, соло‑рекрутерам, которых тошнит от бессмысленного скрининга. Кому пропустить: если вы уже используете платный ATS с подобным движком и не готовы пачкать рук в терминале. Репозиторий: [github.com/interviewstreet/hiring-agent](https://github.com/interviewstreet/hiring-agent) ## Если просто Hiring‑agent берёт PDF с резюме — и идёт по цепочке: выкусывает текст, превращает в Markdown‑подобную кашу, отдаёт локальной LLM (например Gemma‑3) с очень строгими промптами‑шаблонами, чтобы вытащить секции Basics, Work, Projects, Awards и так далее. Потом пытается найти в резюме GitHub‑аккаунт, скачивает профиль и репозитории, просит LLM отобрать не больше семи стоящих проектов. А затем запускает оценщика, который выставляет баллы по заранее заданным осям: open‑source‑вклад, собственные проекты, production‑опыт, технические навыки, с бонусами и штрафами. Результат — отчёт в терминале и, при желании, CSV‑строчка, чтобы можно было сравнить десятки кандидатов. ## Что это решает Боль: вы тонете в резюме и не понимаете, кого звать на техническое интервью первым. Hiring‑agent даёт не «рейтинг крутости», а довольно скучную, но полезную раскладку: где у кандидата реальный продакшен, где просто красивое портфолио, насколько активно он пушил в опенсорс. Причём всё это считается в изоляции: ваш локальный комп, локальная LLM, резюме не утекает наружу. HackerRank знает толк в автоматической оценке — и тут они перенесли ту же логику на разбор человеческих профилей. ## Как попробовать Ставится как обычный Python‑проект: ```bash git clone https://github.com/interviewstreet/hiring-agent cd hiring-agent python -m venv .venv && source .venv/bin/activate pip install -r requirements.txt ``` Потом надо решить, на чём будет крутиться LLM. Проще всего взять Ollama (качается с [ollama.com](https://ollama.com/)), запустить `ollama serve`, подтянуть модель — например `ollama pull gemma3:4b`. Создать `.env` из `.env.example`, прописать `LLM_PROVIDER=ollama` и `DEFAULT_MODEL=gemma3:4b`. Если хотите Google Gemini — нужен ключ API и модель вроде `gemini-2.0-flash`. После этого волшебная команда: ```bash python score.py /путь/к/резюме.pdf ``` В консоли появится разбор по секциям и итоговая оценка с объяснениями на естественном языке. Если в `config.py` флаг `DEVELOPMENT_MODE=True` (а он по умолчанию True), получите ещё и строчку в `resume_evaluations.csv`, чтобы сравнивать кандидатов, как Excel‑маньяк. ## 3 сценария с примерами **1. Срочный скрининг на мидл‑разработчика** Задача: из 50 резюме отсеять тех, у кого нет продакшен‑опыта или GitHub‑артефактов. Запускаете скрипт на папке — получаете CSV, сортируете по колонке `production`. Кандидаты с пустой строчкой уходят в конец очереди. **2. Проверка «звёздного» портфолио** Составитель резюме написал «опенсорс‑контрибьютор top‑projects», но вы не знаете, правда ли это. Скрипт автоматически заходит в GitHub профиль, классифицирует репозитории и выделяет топ‑7 по коммитам. Если там сплошные форки без авторских изменений — это сразу видно в объяснении к баллам open‑source. **3. Подготовка к техническому собеседованию** Отчёт подсказывает, что у кандидата сильный раздел self‑projects, но ноль production — имеет смысл спросить на интервью, как он работал в команде и что из его кода реально крутится в продакшене. ## Где можно застрять Обработка PDF — дело тонкое. Если резюме свёрстано в две колонки с графическими элементами, `pymupdf` может превратить текст в мешанину. Тогда и LLM запутается в секциях. Сам разбор PDF в Markdown‑подобный текст не имеет волшебства: сложные таблицы или колонки — больное место. Для GitHub‑обогащения нужен логин в резюме; если кандидат указал только LinkedIn, модуль просто ничего не найдёт. И да, без GitHub‑токена в переменной окружения вы быстро упрётесь в лимиты API (60 запросов в час против 5000 с токеном). Модели Ollama масштабом 1b или 4b иногда тупят с точным следованием JSON‑схеме — README честно предупреждает: хотите точности, берите модель помощнее или платную Gemini. Ну и 230 открытых ишьюсов — это довольно много, проект сыроват, но под MIT живёт и пушится активно. ## Кому это нужно Техническим HR‑специалистам и тимлидам, которые хотят снизить когнитивную нагрузку на скрининге и добавить в процесс объективные оси оценки. Всем, кто нанимает разработчиков и устал от того, что 80% резюме выглядят как клоны. ## Кому это не нужно Если вы ищете конструкторского инженера, дизайнера или врача — инструмент бесполезен, он заточен на GitHub и технический бэкграунд. Если ваша компания не готова пускать код на локальные машины рекрутеров — придётся объяснять безопасникам, что Ollama не сливает данные в сеть. ## Вердикт Веры Я покрутила его на трёх резюме — двух настоящих и одном вымышленном под «звезду». На живых CV отчёт удивил трезвостью: скромный контрибьютор получил честные 4/10 за open‑source, хотя на бумаге «участвовал в крупных проектах». Вымышленного «гения» система вежливо, но безжалостно разнесла за пустой продакшен. Это не робот‑увольнятель и не волшебная палочка; это скорее трезвый ассистент, который подсветит дыры в профиле, пока вы не сделали оффер. Под MIT, локально, без облака — в 2026 году такое встречается всё реже. Попробовать стоит хотя бы ради CSV‑сравнения десятка кандидатов и ощущения, что скринингом можно управлять, а не тонуть в нём. ## Что читать дальше - [Все материалы про AI-агентов](/topics/ai-agents/) - [Что такое AI-агент простыми словами](https://verapointmedia.com/guides/chto-takoe-ai-agent-prostymi-slovami/) - [Все материалы про AI-инструменты](/topics/ai-tools/) - [Как отличить рабочий AI-инструмент от красивой демки](https://verapointmedia.com/guides/kak-otlichit-rabochiy-ai-instrument-ot-krasivoy-demki/) ## Материалы - [interviewstreet/hiring-agent] interviewstreet/hiring-agent: https://github.com/interviewstreet/hiring-agent - [python.org] supporting context: https://www.python.org/downloads/release/python-3110/ - [github.com] supporting context: https://github.com/interviewstreet/hiring-agent/blob/master/LICENSE - [github.com] supporting context: https://github.com/psf/black