// Proyecto · Multi-agente · Azure OpenAI · Next.js
Un pipeline de cinco agentes que automatiza la búsqueda de empleo en IA y datos en España: scraping de portales, filtrado por criterios, investigación de empresa, evaluación de viabilidad y generación de borradores personalizados — todo con revisión humana obligatoria antes de enviar nada.
// Características del sistema
El problema
Volumen sin filtro. Los portales de empleo muestran cientos de ofertas diarias. Sin filtrado automatizado por criterios reales (stack, nivel, modalidad), la señal se pierde en el ruido.
Cartas genéricas que no convierten. Una carta de presentación genérica es peor que no enviar nada. Personalizar cada una manualmente no escala. Un LLM con contexto real de la empresa sí lo hace.
Sin investigación previa. Aplicar sin conocer la empresa, su stack real o su cultura es aplicar a ciegas. La investigación de empresa que llevaría horas puede hacerse en segundos con el agente correcto.
Automatización sin control humano. Enviar candidaturas automáticamente sin revisión es el camino más rápido a quemar relaciones y quedar marcado. El sistema nunca envía nada sin aprobación explícita.
AGENTE 01
Extrae ofertas de portales de empleo de IA/datos en España según criterios configurables (stack, nivel, modalidad, ubicación). Persiste en SQLite con Alembic para tracking de estado.
AGENTE 02
Evalúa cada oferta contra un perfil de criterios definidos. Descarta irrelevantes, puntúa las prometedoras y prioriza según score de viabilidad. Solo las mejores pasan al siguiente agente.
AGENTE 03
Para cada oferta filtrada, investiga la empresa: cultura, stack real, tamaño, noticias recientes, presencia en GitHub. El contexto generado alimenta la personalización del borrador.
AGENTE 04
Genera carta de presentación con contexto real de la empresa y la oferta. Prioriza las candidaturas por score. Incluye opción de añadir P.S. de divulgación de uso de IA.
REVISIÓN
Dashboard Next.js muestra ofertas, borradores y estado de cada candidatura. Notificación Telegram al completar el ciclo diario. Revisión y envío siempre bajo control humano.
Pipeline orquestado con Python puro (uv), Azure OpenAI para los agentes, SQLite + Alembic para estado persistente y Next.js para revisión de candidaturas.
Tecnologías
Cada agente tiene una responsabilidad única y clara. El output de uno es el input del siguiente. Diseño que escala horizontalmente: añadir un agente no rompe los anteriores.
El sistema hace todo el trabajo pesado pero nunca toma decisiones irreversibles por sí solo. Dashboard de revisión que separa "generado por IA" de "enviado por humano".
GitHub Actions como scheduler, SQLite con migraciones Alembic para persistencia de estado entre ejecuciones, Telegram para alertas. Stack completo de un sistema real, no un notebook.
Uso de gpt-4o-mini para agentes de alto volumen y gpt-4o solo para generación de borradores finales. Coste optimizado por etapa según la calidad de output requerida.
Relevante si...
Menos relevante si...
Proyectos relacionados
Investigación de empresa con seis workers en paralelo, patrón map-reduce y dos checkpoints humanos.
Ver caso completo → RAG Agéntico · Qdrant · LangGraphRAG agéntico sobre cualquier repositorio GitHub con citas inline. 100% routing, 94% fidelidad.
Ver caso completo →Contacto
30 minutos. Sin compromiso. Si veo que puedo ayudarte, te lo digo. Si no, también.
Agendar videollamada →