🤖 Auto Apply Bot — AI-Powered Job Application Agent

Agente inteligente que automatiza candidaturas a vagas de emprego usando IA (Gemini) + Browser Automation (Playwright MCP).

O bot navega por portais de vagas (Gupy, Vagas.com, LinkedIn, Indeed), analisa cada vaga, preenche formulários automaticamente com respostas variadas e naturais, e gerencia todo o processo de candidatura — tudo usando seu navegador Chrome já logado.

⚠️ Status do Projeto: Em Desenvolvimento

Este projeto ainda não está funcionando corretamente. A principal limitação atual são os CAPTCHAs: a maioria dos portais de vagas (Gupy, LinkedIn, etc.) utiliza sistemas anti-bot (Cloudflare, reCAPTCHA, hCaptcha) que bloqueiam a automação antes mesmo de chegar às vagas. O mecanismo de resolução via Telegram existe, mas não é suficiente para lidar com a frequência e variedade de CAPTCHAs encontrados na prática. O projeto está em desenvolvimento ativo e contribuições são bem-vindas para resolver essa e outras limitações.

✨ Features

🏗️ Architecture

┌─────────────────────────────────────────────────┐
│                    index.ts                      │
│            (orquestrador principal)              │
├──────────┬──────────┬──────────┬────────────────┤
│ agente   │ dashboard│ telegram │ email / cron   │
│ (Gemini) │ (HTTP)   │ (HTTPS)  │ (SMTP)         │
├──────────┴──────────┴──────────┴────────────────┤
│                   tools.ts                       │
│  pontuar_vaga | gerar_curriculo_tailored         │
│  gerar_cover_letter | buscar_resposta_cache      │
│  registrar_candidatura | reportar_falha          │
├─────────────────────────────────────────────────┤
│              Playwright MCP                      │
│        (browser automation via CDP)              │
├─────────────────────────────────────────────────┤
│          Chrome (--remote-debugging-port)        │
│         Já logado nos sites de vagas             │
└─────────────────────────────────────────────────┘

Stack: TypeScript · Google Gemini API · Playwright MCP · SQLite · Node.js · Multi-LLM (Ollama/OpenAI)

🚀 Quick Start

1. Pré-requisitos

• Node.js 18+
• Google Chrome instalado
• Chave da API do Gemini (Google AI Studio)

⚠️ Importante: O plano gratuito do Gemini tem limites muito baixos (ex: 20 requests/dia no Flash, limites ainda menores no Pro). O bot consome muitas chamadas por execução (cada iteração do agente = 1 request), então o tier gratuito não é suficiente para uso real. É necessário ativar o billing na sua API key para ter limites adequados (2000 req/min no plano pago). O custo do gemini-2.5-flash é muito baixo (~$0.15/milhão de tokens de input).

2. Instalação

git clone https://github.com/LuisMIguelFurlanettoSousa/auto-apply-bot.git
cd auto-apply-bot
npm install

3. Configuração

# Copie os arquivos de exemplo
cp .env.example .env
cp config/perfil.example.json config/perfil.json
cp config/curriculos.example.json config/curriculos.json
cp config/respostas.example.json config/respostas.json

# Edite com seus dados
nano .env                    # Chave do Gemini + configs
nano config/perfil.json      # Seus dados pessoais/profissionais
nano config/sites.json       # Sites e URLs de busca
nano config/respostas.json   # Respostas pré-definidas para formulários

4. Prepare o Chrome

# Abra o Chrome com porta de debug habilitada (requer --user-data-dir separado)
google-chrome --remote-debugging-port=9222 --user-data-dir="$HOME/.chrome-debug-profile"

# Faça login manualmente nos sites de vagas (Gupy, LinkedIn, etc.)
# Na primeira vez o Chrome abrirá "limpo" — as sessões ficam salvas nesse perfil separado

5. Execute

# Modo dry-run (recomendado para testar)
DRY_RUN=true npm start

# Modo produção
npm start

⚙️ Configuração Detalhada

.env — Variáveis de Ambiente

config/perfil.json — Perfil do Candidato

Seus dados pessoais e profissionais que o agente usa para preencher formulários. Veja perfil.example.json para a estrutura completa.

config/sites.json — Sites de Vagas

Configure quais sites o bot deve navegar e quais URLs de busca usar. Cada site pode ter múltiplas URLs de busca.

config/respostas.json — Respostas Pré-definidas

Respostas base para perguntas comuns (pretensão salarial, pontos fortes, etc.). O agente usa como base e varia a forma de escrever.

config/curriculos.json — Mapeamento de Currículos

Configure múltiplos currículos otimizados para diferentes tipos de vaga. O agente escolhe automaticamente o mais adequado.

📊 Dashboard

Acesse http://localhost:3000 durante a execução para ver em tempo real:

• Total de candidaturas (hoje e geral)
• Candidaturas por plataforma
• Score médio
• Tabela detalhada com empresa, vaga, score, status e link

🔧 Sistema de Scoring

O bot avalia cada vaga antes de aplicar:

Score final entre 1-10. Só aplica se score >= SCORE_MINIMO.

📄 Currículo Tailored + Cover Letter

Diferente de outros bots que enviam o mesmo currículo para todas as vagas, o Auto Apply Bot gera um currículo e carta de apresentação personalizados para cada vaga:

1. O agente lê a descrição completa da vaga
2. Faz uma chamada separada ao Gemini com prompt ultra-restritivo
3. O Gemini reorganiza e reescreve o currículo destacando skills relevantes
4. Validação anti-fabricação: escaneia o HTML gerado buscando tecnologias que o candidato não possui — rejeita se encontrar
5. Converte HTML → PDF via Chrome headless (--print-to-pdf)
6. Cache por hash da descrição — vagas similares reutilizam o mesmo PDF

A cover letter segue a mesma lógica: personalizada por vaga, máximo 150 palavras, sem clichês, com validação + retry se fabricar skills.

Se a geração falhar, cai automaticamente nos currículos pré-prontos (fallback).

💾 Cache de Respostas

Inspirado no AIHawk (29k stars), o bot cacheia respostas de formulário no SQLite:

• Primeira execução: gera respostas via Gemini e salva no cache
• Execuções seguintes: busca no cache antes de gerar — economiza tokens
• Matching: exact match (sanitizado) + substring match para dropdowns
• Regra inteligente: respostas que mencionam o nome da empresa não são cacheadas (são específicas demais)
• Cover letters nunca são cacheadas (sempre personalizadas)

🛡️ Classificação de Falhas

Adaptado do ApplyPilot, o bot classifica erros automaticamente para decidir se deve pular ou retentar:

Falhas Permanentes (nunca retenta)

Falhas Retriáveis (max 3 tentativas com backoff exponencial)

Melhoria sobre o ApplyPilot: backoff exponencial (5s → 15s → 45s) em vez de retry imediato.

🔒 CAPTCHA Handling via Telegram

Adaptado do beatwad: quando o bot encontra um CAPTCHA, em vez de parar, ele solicita ajuda humana via Telegram:

1. O agente detecta o CAPTCHA e tira screenshot
2. Envia a foto para o Telegram com instruções
3. Aguarda o humano responder com a solução (polling, timeout: 5 min)
4. Recebe a solução e digita no campo do CAPTCHA
5. Se falhar, repete até 3 tentativas
6. Se timeout ou 3 falhas: pula a vaga e continua

Requisitos: TELEGRAM_BOT_TOKEN e TELEGRAM_CHAT_ID configurados no .env.

💬 Mensagem para Recrutadores

Adaptado do beatwad: após se candidatar a uma vaga com score alto (>= 8) no LinkedIn, o bot tenta contatar o recrutador/hiring manager:

1. Identifica o recrutador na página da vaga
2. Verifica se já foi contatado anteriormente (banco SQLite)
3. Gera mensagem personalizada via Gemini (max 280 chars — limite do LinkedIn)
4. Navega até o perfil do recrutador
5. Envia convite de conexão com nota personalizada
6. Registra no banco para não recontatar

Limites: máximo 5 mensagens/dia. Candidatura sempre tem prioridade — a mensagem é um bônus.

🔐 Anonimização de PII

Adaptado do beatwad: antes de enviar dados ao LLM, o bot substitui informações pessoais por placeholders. Após receber a resposta, restaura os dados reais.

Onde é aplicado:

• Cover letter (prompt + de-anonimização do resultado)
• Currículo tailored (HTML template + prompt + de-anonimização antes de gerar PDF)
• Mensagem para recrutadores (prompt + de-anonimização)
• System prompt do agente principal (PII de contato removido, disponível via tool sob demanda)

Dados profissionais (stack, experiências, resumo) continuam visíveis no prompt — são necessários para gerar conteúdo relevante.

Limitação importante (seja realista): a anonimização cobre os módulos auxiliares (cover letter, currículo, mensagem ao recrutador). O agente principal recebe o nome real no system prompt e, ao preencher formulários, obtém email/telefone/links via a tool obter_perfil_candidato — ou seja, esses dados de contato chegam ao LLM principal (Gemini). Se quiser manter os módulos auxiliares 100% locais (sem enviar nada a provedores externos), use o provider Ollama.

🔀 Multi-LLM (Adapter Pattern)

Adaptado do AIHawk: o agente principal sempre usa Gemini (precisa do SDK de function calling), mas as tarefas auxiliares (cover letter, currículo tailored, mensagem para recrutador) podem usar qualquer provider:

Setup Ollama (custo zero)

# Instale: https://ollama.com
curl -fsSL https://ollama.com/install.sh | sh

# Baixe um modelo
ollama pull llama3

# Configure no .env
LLM_AUX_PROVIDER=ollama
LLM_AUX_MODEL=llama3
OLLAMA_URL=http://localhost:11434

Setup OpenAI-compatible

# Funciona com: OpenAI, Groq, Together AI, Mistral, vLLM
LLM_AUX_PROVIDER=openai
LLM_AUX_MODEL=gpt-4o-mini
OPENAI_API_KEY=sk-...
OPENAI_BASE_URL=https://api.openai.com/v1

Fallback automático: se o provider auxiliar falhar, o bot retenta automaticamente com Gemini.

📁 Estrutura do Projeto

auto-apply-bot/
├── src/
│   ├── index.ts          # Entry point + orquestração
│   ├── agente.ts         # Loop do agente Gemini
│   ├── tools.ts          # Custom tools (scoring, CV, screenshot, cache...)
│   ├── curriculo-tailored.ts  # Geração de currículo personalizado por vaga
│   ├── cover-letter.ts   # Geração de carta de apresentação por vaga
│   ├── erros.ts          # Classificação de falhas (permanentes vs retriáveis)
│   ├── mensagem-recrutador.ts  # Mensagem personalizada para recrutadores
│   ├── token-tracker.ts  # Tracking de custo de tokens (USD)
│   ├── llm-adapter.ts   # Multi-LLM adapter (Gemini/Ollama/OpenAI)
│   ├── anonimizacao.ts  # Anonimização de PII (nome, email, telefone, links)
│   ├── database.ts       # SQLite (candidaturas, vagas vistas, cache, mensagens)
│   ├── dashboard.ts      # Dashboard web
│   ├── mcp-client.ts     # Conexão Playwright MCP
│   ├── logger.ts         # Log em arquivo
│   ├── notificacoes.ts   # Telegram
│   ├── email.ts          # Relatórios por email
│   ├── cron.ts           # Agendamento
│   └── types.ts          # Interfaces TypeScript
├── config/
│   ├── perfil.example.json       # Template do perfil
│   ├── curriculos.example.json   # Template dos currículos
│   ├── sites.json                # Sites de vagas
│   └── respostas.json            # Respostas pré-definidas
├── .env.example
├── package.json
└── tsconfig.json

🔐 Segurança

• Seus dados pessoais NUNCA são commitados (protegidos pelo .gitignore)
• O bot usa seu Chrome já logado — nenhuma senha é armazenada no código
• Modo dry-run para testar com segurança antes de ativar
• Screenshots salvos apenas localmente
• Notificações via HTTPS (Telegram API)

🛣️ Roadmap

• Suporte a mais plataformas (Catho, Trampos, etc.)
• CAPTCHA handling via Telegram (humano resolve, bot continua)
• Blacklist de empresas/títulos
• Mensagem automática para recrutadores
• Multi-LLM (Gemini + Ollama local como fallback)
• Anonimização de dados antes de enviar ao LLM
• Docker support
• Tracking de custo de tokens

🤝 Contributing

Contribuições são bem-vindas! Abra uma issue ou pull request.

1. Fork o repositório
2. Crie uma branch (git checkout -b feature/minha-feature)
3. Commit suas mudanças (git commit -m 'feat: adiciona minha feature')
4. Push (git push origin feature/minha-feature)
5. Abra um Pull Request

⚠️ Disclaimer

Este projeto é para fins educacionais e de automação pessoal. Use com responsabilidade:

• Respeite os termos de serviço de cada plataforma
• Não faça spam ou candidaturas em massa sem critério
• Use o modo dry-run para testar antes
• O autor não se responsabiliza pelo uso indevido

📄 License

MIT License — veja LICENSE para detalhes.