ジョブサーチャー：AIによる就職活動支援ツール

新卒者にとって、就職活動自体がフルタイムの仕事です。毎週何百もの求人情報を検索し、何度も「簡単応募」をクリックし、同じようなカバーレターを何度も書く。数ヶ月もすれば、本来希望しない業界や職種にも応募するようになります。この問題を解決するため、「ジョブサーチャー」が開発されました。AIがLinkedInの検索と求人の絞り込みを自動化します。

ツールの動作は3ステップです。まず、モデルがユーザーの履歴書と希望条件（職種、勤務形態、場所など）を読み取り、LinkedIn用の検索クエリを生成します。次に、JobSpyを使ってLinkedInで検索を実行。最後に、各求人について履歴書と求人情報を照らし合わせ、スキル、経験、学歴、業界、年次の5次元でスコアリングします。ユーザーは上位候補とその根拠を確認できます。

技術的には、教師‐生徒モデルを採用。教師はDeepSeek V4 Proで、構造化された推論と低コストが特徴。生徒はQwen3-8Bで、4ビット量子化により単一のZeroGPUで動作可能。学習データは2,500件の履歴書（Kaggle-Resumeデータセット）から生成されたクエリで約10,000件の求人を収集し、教師モデルがラベル付けしました。

訓練はModal上でA100 GPUを使用し、2つの独立したLoRAアダプタ（ランク16）を用意。クエリ生成と評価を別々に学習することで、フォーマット混同を防止。推論はHuggingFace ZeroGPU Space上でllama.cppを使い、ストリーミング出力を実現。各ユーザーのリクエストに対してGPU呼び出しは1回だけです。

開発者の知見として、単一のLoRAより2つのアダプタの方が優れていること、教師モデルのプロンプト設計が生徒のサイズより重要であることが挙げられています。プロジェクト全体のClaude Codeセッションも公開されています。実際に試すには、huggingface.co/spaces/build-small-hackathon/job-search-assistantで履歴書をアップロードしてください。