Обновить

Продвинутый поиск работы на hh: хак, о котором мало кто знает

Джоб борд забит вакансиями настолько, что базовые фильтры едва ли упрощают поиск.
Для своего лонгрида, я искал IT-вакансии, но вся выдача была забита кассирами и курьерами. Нашел способ это исправить. Язык запросов помог мне собрать нормальную статистку, а вам точно поможет найти работу.

С помощью него можно комбинировать ключевые слова и создавать сложные поисковые запросы, отсекая не нужные результаты.

Начнем с базы и основных операторов

AND и OR: поиск вакансий, содержащих все указанные слова.
Пример: Java AND (Spring OR Hibernate) – покажет вакансии, в описании которых есть слова “Java” и “Spring” или “Hibernate”.

NOT: исключение вакансий, содержащих определённое слово.
Пример: Manager NOT (продаж) – исключит менеджеров по продажам, если ищете, например, продуктового менеджера.

Теперь можно собрать сложный запрос, который вытащит только нужные вакансии. Пример сложного запроса:
("Java Developer" OR "Разработчик Java") AND (Spring OR Hibernate) NOT стажёр
Выдаст только вакансии Java-разработчика с упором на Spring/Hibernate и уберёт стажировки.

Подробнее про синтаксис можно почитать на сайте – там всё просто и понятно.

Также не забываем про нейронки, тот же ChatGPT или DeepSeek поможет вам написать крутой запрос всего лишь с помощью одного промта.

Остается только вставить итоговый запрос в обычный поиск по вакансиях на hh, остальное сможете добить уже базовыми фильтрами.

Теги:
Всего голосов 2: ↑1 и ↓1+1
Комментарии1

Я перестал пользоваться самыми умными ИИ‑моделями. Программировать стало быстрее и дешевле

В отпуске есть время подумать и исследовать. Я натолкнулся на несколько вещей и открытий для себя. Оказалось, что мне как программисту перестали быть нужны самые умные и дорогие ИИ‑модели. Оказывается, есть такой параметр «Cost per Task», и по этому параметру на первое место вырвалась модель GPT-5.6 Luna (max).

При этом, если вы пользуетесь Codex, она самая тупая в списке моделей. Artificial Analysis Intelligence Index у нее всего 38. Для сравнения, у самой умной GPT-6 Astra (max) этот индекс равен 53. В итоге цена выполненной Luna задачи составляет $0.18 против $3.26 у Astra. Разница почти в 20 раз.

Как я понимаю, бенчмарк «Cost per Task» высчитывается так: когда ставится нормальная, грамотно описанная задача, замеряется, сколько токенов было потрачено на ее выполнение. То есть не в формате «из ХЗ сделаю ТЗ», а в формате, когда в хорошо заданном вопросе уже содержится половина ответа.

Я сначала не поверил, что так и есть, и стал работать, используя самую тупую модель Luna в линейке. И знаете, какие меня ожидали результаты?

Я перестал пользоваться самыми умными ИИ‑моделями. Программировать стало быстрее и дешевле

Публикации