Hacker News "Who is Hiring" 자동 평가 도구 (Gemini 기반)

섹션별 상세

01

Hacker News의 "Who is Hiring" 스레드 URL과 Gemini API 키를 입력하여 채용 공고 데이터를 가져오고 로컬에 캐싱한다. 가져온 데이터는 세션 간에 유지되므로 스레드를 다시 불러와도 기존 평가 결과를 잃지 않는다.

HN Evaluator 기능 가이드 이미지 — Screenshot입력 필드와 버튼들에 번호를 매겨 사용자가 도구를 조작하는 순서와 주요 기능을 시각적으로 안내한다. URL 입력, API 키 설정, 이력서 선택, 캐싱 및 배치 처리 버튼의 위치를 명확히 보여준다.

02

사용자의 이력서(PDF)와 상세 요구사항(연봉, 기술 스택, 위치 등)을 Gemini 모델에 업로드하여 평가를 위한 컨텍스트를 구성한다. 이 정보는 Gemini의 컨텍스트 캐싱 기능을 통해 서버에 저장되어 수백 개의 댓글을 개별적으로 평가할 때 반복적으로 사용된다.

03

Gemini Flash 모델이 각 댓글을 분석하여 전체 점수(0-100), 기술적 정렬도(Tech Alignment), 보상 정렬도(Comp Alignment)를 산출하여 표 형태로 보여준다. 각 행의 'Evaluate' 버튼을 눌러 개별 평가를 수행하거나 'Batch Process'를 통해 전체 목록을 한꺼번에 처리할 수 있다.

HN Evaluator 실행 화면 스크린샷 — Screenshot채용 공고별 평가 점수, 기술 적합도, 보상 적합도 분석 결과가 테이블 형태로 표시되는 실제 사용자 인터페이스를 보여준다. 각 항목에 대해 Gemini가 생성한 구체적인 평가 이유가 텍스트로 나열되어 있다.

04

Gemini의 컨텍스트 캐싱 API를 사용하기 위해 이력서와 요구사항의 합계가 최소 1,024 토큰 이상이어야 하며, 캐시 키는 약 1시간 동안 유지된다. 캐시가 만료되면 'Get Ev Cache' 버튼을 통해 다시 생성해야 평가 프로세스가 정상적으로 작동한다.

05

전체 스레드 평가 시 약 $40 정도의 비용이 발생할 수 있으며, 현재는 비용 효율적인 Gemini Flash 모델만 지원한다. Gemini가 가끔 잘못된 형식의 출력을 반환할 수 있어 배치 작업이 한 번에 완료되지 않을 경우 재실행이 필요할 수 있다.

용어 해설

컨텍스트 캐싱(Context Caching): — Gemini API에서 대규모 입력 데이터를 서버 측에 임시 저장하여 후속 요청 시 비용과 응답 시간을 줄이는 기술이다. 이 도구에서는 이력서와 요구사항을 캐싱하여 수백 개의 댓글을 평가할 때 효율성을 높인다.
토큰 수(Token Count): — 텍스트를 AI 모델이 이해할 수 있는 최소 단위로 분절한 개수이다. Gemini의 캐싱 기능을 활성화하기 위해서는 최소 1,024 토큰 이상의 입력이 필요하다는 제약 사항이 있다.
API 키(API Key): — 특정 서비스의 API를 호출할 때 사용자를 식별하고 권한을 부여하는 고유한 인증 코드이다. 이 도구를 사용하려면 Google AI Studio에서 발급받은 Gemini API 키가 필요하다.

코드 예제

bash

git clone https://github.com/exlee/hn-jobs-evaluator
cd hn-jobs-evaluator
cargo run

GitHub 저장소를 복제하고 Rust의 Cargo를 사용하여 도구를 실행하는 방법

기술

Google Gemini Flash
Rust
Cargo
PDF Parsing

활용 사례

Hacker News 채용 공고 필터링
이력서 기반 구인 정보 매칭
대량 텍스트 데이터 자동 평가

언급된 리소스

GitHubhn-jobs-evaluator GitHub Repository