Представьте: вам нужно быстро найти публичное резюме Senior Python-разработчика из Москвы, который работал в Яндексе и имеет опыт в NLP. Вы запускаете поиск — и через минуту получаете ссылки на профили LinkedIn, Habr Career и hh.ru. Звучит как магия? На самом деле это рутинная задача, которую решают либо через SerpApi (API поисковых систем), либо с помощью LLM-агентов на базе больших языковых моделей. Но что эффективнее — вопрос, который недавно подняли разработчики на Хабре. В этой статье разберём кейс из реального проекта, сравним подходы и сделаем выводы для тех, кто автоматизирует поиск кандидатов.
Проблема: как автоматизировать поиск публичных резюме
Команда разработчиков столкнулась с задачей: нужно было собирать публичные резюме с нескольких платформ (LinkedIn, Habr Career, hh.ru) для анализа рынка труда. Ручной поиск — это сотни часов. Использование SerpApi (платного API, который возвращает результаты поисковой выдачи) казалось очевидным решением: он даёт структурированные данные, поддерживает пагинацию и фильтры. Однако возникли проблемы: SerpApi плохо справлялся с нестандартными запросами (например, «резюме Java-разработчика с опытом в Kafka и микросервисах»), а стоимость при большом объёме запросов быстро росла. Тогда команда решила попробовать LLM-агента — программу, которая использует большую языковую модель (вроде GPT-4 или Claude) для самостоятельного анализа страниц и извлечения релевантных данных.
Решение: LLM-агент против SerpApi — что выбрали разработчики
В статье на Хабре авторы описали эксперимент: они сравнили два подхода на выборке из 500 запросов. Первый — классический SerpApi (с настройками для Google и Bing). Второй — кастомный LLM-агент на базе GPT-4, который сам открывал страницы, читал HTML и выделял резюме. Результаты оказались неожиданными. Ссылка на источник: Habr.
Сравнение в таблице
| Критерий | SerpApi | LLM-агент |
|---|---|---|
| Точность поиска | 78% — хорошо находит по точным ключевым словам | 92% — лучше понимает контекст и синонимы |
| Стоимость на 1000 запросов | $50 (средний тариф) | $120 (токены GPT-4) |
| Гибкость настройки | Ограничена параметрами API | Высокая — можно менять промпты |
| Скорость обработки | 2-3 секунды на запрос | 10-15 секунд на запрос (с анализом страницы) |
| Работа с CAPTCHA | Требует прокси и решения через сервисы | Может обходить через browser automation |
Как видно, SerpApi выигрывает в скорости и цене, но проигрывает в точности при сложных запросах. LLM-агент, напротив, медленнее и дороже, но справляется с задачами, где нужно «понять» запрос: например, найти резюме «middle frontend-разработчика с опытом React и TypeScript, не из аутсорса».
Практический кейс: как LLM-агент обошёл SerpApi
Разработчики описали конкретный пример. Нужно было найти резюме DevOps-инженера, который работал в крупной финтех-компании и имеет сертификацию AWS. SerpApi вернул 30 результатов, из которых только 8 были релевантными (остальные — обычные страницы компаний или вакансии). LLM-агент, проанализировав первые 10 страниц выдачи, отсеял нерелевантные и выдал 6 точных резюме, включая одно, где навыки были указаны только в описании опыта (без ключевых слов). Итог: 6 из 6 — качество 100% против 8 из 30 (27%) у SerpApi.
Плюсы и минусы каждого подхода
SerpApi
- Плюсы: низкая стоимость, высокая скорость, простота интеграции (один API-ключ).
- Минусы: не понимает контекст, требует точных ключевых слов, может блокироваться при большом количестве запросов.
LLM-агент
- Плюсы: понимает естественный язык, адаптируется под разные сайты, может извлекать данные из неструктурированного текста.
- Минусы: высокая стоимость токенов, медленная работа, сложность в настройке (нужно писать промпты и обрабатывать ошибки).
Выводы: что выбрать в 2026 году
Если вам нужно быстро и дёшево собрать стандартные резюме по чётким ключевым словам — SerpApi остаётся лучшим выбором. Но если задача сложная (например, поиск редких специалистов с нестандартным опытом), LLM-агент оправдывает затраты. Лучшая стратегия — комбинировать оба подхода: SerpApi для первичного сбора, LLM-агент для фильтрации и уточнения.
Для тех, кто хочет автоматизировать поиск кандидатов, важно понимать: технологии не стоят на месте. В 2026 году LLM-агенты стали доступнее, но их стоимость всё ещё выше классических API. Решение зависит от ваших задач и бюджета.
Статья подготовлена на основе материала с Хабра.
Комментарии