黑色星期五充值赠礼·充值 $50 起送 $10 · 充值 $100 起送 $25·11月30日截止充值 →

让 AI Agent 自动帮你填写求职申请

使用浏览器 Agent 在真实招聘网站上完成多步求职表单、上传简历并回答筛选问题。

2026年11月11日 · 阅读约 1 分钟

企业自研的 ATS(招聘管理系统)通常不会为你提供 API,这时你可以改用自主浏览器 Agent。它能像真人一样读取 DOM、点选单选框、根据你的个人资料填写内容、上传 PDF 简历,并最终提交表单。

将具备视觉能力的模型与无头浏览器执行器结合起来使用。你可以通过 浏览器 Agent 接口,在同一个预付费 API Key 下组合调用 Claude、GPT 和 Gemini。Lovely Router (lovelyrouter.com) 将网页数据工具、浏览器 Agent、视频模型,以及面向 AI Agent 的 Claude、GPT 和 Gemini 全部集成在这个预付费 Key 中,因此表单执行器、答题生成器以及企业背景调研都能共用同一个账户余额和接口端点。

招聘网站是为人设计的,而不是为爬虫设计的。托管式的招聘追踪门户和企业自建 ATS 页面会把表单字段隐藏在自定义组件、懒加载步骤和会话 Cookie 背后。基于 API 思路的职位抓取客户端一旦遇到页面结构调整就会失效,而浏览器 Agent 不依赖厂商的数据结构——它会直接打开公开的申请 URL,等待页面加载稳定,然后像求职者一样操作页面上的各类控件。

1. 为表单导航配置浏览器 Agent#

Agent 需要一个起始 URL、你的个人资料数据以及简历文件路径。同时,你还需要为表单字段、下拉选择器以及多页分页提供清晰的指令。

它会遍历 DOM,根据标签文本或 aria 属性匹配输入框,并填入你的信息。对于文件上传,执行器会定位标准的 <input type="file"> 控件,并传入你的本地 PDF 路径。

保持个人资料的结构化。将法定姓名、常用名、邮箱、电话、所在地、工作许可状态、最早入职时间、期望薪资,以及作品集或 LinkedIn 主页链接以纯字段形式存储,方便 Agent 直接映射。在同一份请求载荷(payload)中附带一段简短的工作经历和技能列表,这样各次申请中的筛选问题回答就能保持一致。明确告诉 Agent 哪些字段绝对不能凭空编造:永远不要猜测签证状态、未经你确认的薪资数字,或者你并未获得的学位。当某个必填下拉菜单没有完全匹配的选项时,指令应要求它选择最接近且如实反映情况的选项,并将该选择记录在运行日志中。

分页和条件联动字段是最常见的故障点。有些表单只有在选中某个单选按钮后才会展开下一部分;还有些表单在所有带必填星号的字段填完之前,会一直禁用“继续”按钮。把这些规则写进任务提示词里:先填写当前可见的必填字段,将当前步骤滚动到可视区域内,仅在按钮可用时点击“继续”,如果页面出现校验错误提示则立即停止。对于非原生 <select> 元素的下拉框,应指示 Agent 先展开列表、输入关键词进行过滤,然后点击匹配的选项,而不是直接修改隐藏域的值。

以下 Python 代码片段使用 requests 启动该会话:

Python
import requests

url = "https://api.lovelyrouter.com/v1/browser/run"
headers = {
    "Authorization": "Bearer YOUR_PREPAID_KEY",
    "Content-Type": "application/json"
}
payload = {
    "target_url": "https://example.com/careers/apply/123",
    "actions": [
        {"type": "navigate", "url": "https://example.com/careers/apply/123"},
        {"type": "fill", "selector": "input[name='full_name']", "value": "Jane Doe"},
        {"type": "fill", "selector": "input[name='email']", "value": "jane@example.com"},
        {"type": "upload", "selector": "input[type='file']", "file_path": "/path/to/cv.pdf"},
        {"type": "click", "selector": "button#next-step"}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.json())

把这个载荷当作确定性的核心流程。页面导航、已知选择器和文件上传保持脚本化,确保每次都能把同一份简历准确传进同一个控件中;而开放式问题则交给下文提到的模型步骤来处理。如果某个网站使用 Shadow DOM 或 iframe 来承载申请组件,请在任务中注明该框架,以便执行器进入内部而非停留在父页面中查找元素。运行结束后,保存最终的 URL 和所有确认文本。如果日后需要证明申请已提交,后续脚本可以随时打开该回执页面。

模型选择会同时影响效果和成本。Claude Sonnet 5.5 (claude-sonnet-5.5) 的价格为每 1M 输入 token $2.00、每 1M 输出 token $10.00,缓存输入为每 1M $0.10。当页面结构简单且回答较短时,Claude Haiku 5.5 (claude-haiku-5.5) 仅需每 1M 输入 $0.10、每 1M 输出 $0.50。GPT-6.1 Sol (gpt-6.1-sol) 处于同样的 $2.00 / $10.00 价格档位;如果你想以更低成本处理长篇幅的 DOM 数据,Gemini 3 Flash (gemini-3-flash) 为每 1M 输入 $0.50、每 1M 输出 $3.00。完整列表请查看模型页面,以及 Anthropic、OpenAI 和 Google 的系列专属页面。

2. 处理多步流程和自定义筛选问题#

求职申请很少能在一页内完成。大多数招聘网站会将流程拆分为联系方式、工作经历、简历解析核对以及自定义筛选问题几个步骤。

当 Agent 遇到诸如“请描述你在分布式系统方面的经验”这类问题时,它会调用大语言模型,根据你上传的简历文本起草一段简练且切题的回答,将其输入文本框并检查字数限制,然后进入下一页。

在给答题模型的提示词中,只传入职位描述、具体问题、字数或字符数上限,以及相关的简历片段。要求模型以第一人称作答,引用简历中已有的工具和成果,并严禁编造新的雇主、日期或业绩指标。如果文本框限制 500 个字符,就告诉模型严格控制在上限以内,避免 Agent 在句子中间被迫截断。对于“是/否”类的合规问题,不要让模型自由发挥,直接从个人资料中传入固定的布尔值,并点击对应的单选按钮。

ATS 自带的简历解析器有时会误读 PDF 并预填错误的日期,因此需要加上一步核对流程。上传简历后,从页面上回读解析出来的字段,并与个人资料逐一比对,在继续下一步前修正所有不一致的地方。与申请被拒的代价相比,这多出的一次读取成本微乎其微,而且它复用的就是常规流程中的页面读取通道。

如果登录需要双重认证(2FA)或验证码(CAPTCHA),Agent 会暂停运行、截取当前画面,并在你的控制中心里展示该验证步骤。由你手动完成这一步后,再把控制权交还给运行任务。不要让 Agent 去绕过验证码,也不要复用他人的会话。请自行创建账号、完成人机验证后再继续。同样的暂停模式也适用于“确认你不是机器人”的拦截页,以及向邮箱发送一次性验证码的网站。

部分雇主还会附带自愿填写的人口统计信息问题。除非你的个人资料里明确保存了偏好设置,否则请将这些选项留空。在大多数网站上,平等机会调查表都是选填的,Agent 不应替你编造答案。至于工作样本,只上传你在任务中明确指定的文件;在文本字段中填写作品集链接,往往比上传错误的 PDF 更安全。

在打开申请表单前,你可以先对目标职位进行背景调研。在 Lovely Router 上,网页搜索每次为 $0.00090,读取页面每次同样为 $0.00090。提前拉取职位描述、招聘常见问题或公开的工程博客文章,能为筛选问题生成器提供更充分的上下文,而且无需额外申请其他厂商的 API Key。这些工具列在工具页面中;如果你主要是收集岗位而非投递申请,这套模式同样适用于 Web 自动化和招聘数据场景。

3. 计算运行时间和 Token 成本#

一次完整的求职申请运行包括 DOM 分析、用于定位元素的视觉处理,以及用于回答筛选问题的文本生成。

要估算单次运行的费用,需要统计读取页面 DOM 消耗的输入 token、生成操作计划与书面回答消耗的输出 token,以及核实公司信息时用到的网页搜索费用。

项目用量单价费用
Agent 输入 Token120,000 tokens每 1M $2.00$0.24
Agent 输出 Token15,000 tokens每 1M $10.00$0.15
页面抓取操作8 页每页 $0.00090$0.0072
合计$0.3972

一次跨越三个页面的标准运行大约耗时 45 秒,模型与工具费用的总和不到 40 美分。你可以并行运行执行脚本,一次性覆盖几十个目标岗位。

上表基于每 1M 输入 token $2.00、每 1M 输出 token $10.00 的中档模型计算,对应 Claude Sonnet 5.5、Claude Sonnet 5、GPT-6.1 Sol 和 GPT-6 Sol。120,000 个输入 token 即 0.12M,因此 0.12 × $2.00 = $0.24;15,000 个输出 token 即 0.015M,因此 0.015 × $10.00 = $0.15;读取 8 个页面按每页 $0.00090 计算为 $0.0072。各项相加得出示例总价为 $0.3972。

如果模型提供商支持缓存,请对重复使用的个人资料文本启用提示词缓存。Claude Sonnet 5.5 的缓存输入价格为每 1M token $0.10,仅为未缓存输入价格的二十分之一。如果你在每次申请中都发送相同的简历和指令,缓存读取可以在不改变回答质量的前提下大幅压低输入费用。遇到复杂表单需要更强的规划能力时,可选用 Claude Opus 5.5(每 1M 输入 $4.00,每 1M 输出 $20.00);而仅需填写简短字段时,Claude Haiku 5.5 的单次成本通常只需几美分。在批量投递一周的岗位前,先使用费用计算器对比不同模型的开销,并在设计重复前缀前阅读 Claude 提示词缓存指南。

仅在工具调用能切实改进申请内容时才添加它们。一次 $0.00090 的网页搜索和一次 $0.00090 的页面读取几乎不会影响总成本;对确认页面进行一次截图的费用为 $0.0027。按上表费率计算,提交 10 份申请的模型与抓取费用为 10 × $0.3972 = $3.972(不含额外调研开销)。这是可供规划参考的单位成本,而非适用于所有网站的固定报价。步骤更多、筛选问题更长的企业多步招聘流程会消耗更多输出 token,而单页表单则会更省。

并行执行时要注意速率限制。错开每次运行的启动时间,避免同时针对同一家雇主的域名发起几十个会话。如果模型端返回过多请求错误,Claude API 429 错误指南中介绍了相应的退避重试策略。始终使用同一个预付费 Key,按申请 ID 记录 token 用量,并在未检测到确认文本时中止批处理任务。当单次 HTTP 调用已无法满足需求时,Agent 文档会说明如何将工具和模型挂载到生命周期更长的工作进程中。

下一步#

将浏览器自动化融入你的招聘工作流,或者用自主 Agent 来测试你自己的多页 Web 表单。在定价页面一次性充值,即可通过同一个端点访问所有模型和工具。建议先从一个你本就打算申请的职位开始,手动确认上传的简历和筛选回答无误后再扩大投递清单。如果你想把同一个执行器集成到现有脚本或编辑器中,可以查阅文档和集成页面了解接入细节。

亲自试试

一个预付费密钥,无需订阅。本文中的每个价格都是你实际支付的价格。

继续阅读

全部文章 →