Was macht Job-Applications-Multi-Ai-Agents?
🤖 Automatisieren Sie Bewerbungen mit einem Multi-Agenten-System, das Kafka für nahtlose Datenerfassung und effiziente Dokumentenvorbereitung nutzt.
🤖 Automatisieren Sie Bewerbungen mit einem Multi-Agenten-System, das Kafka für nahtlose Datenerfassung und effiziente Dokumentenvorbereitung nutzt.
Dieses Skill-Set automatisiert den gesamten Bewerbungsprozess mithilfe eines Multi-Agenten-Systems, das Kafka zur Verarbeitung eingehender Daten und zur Erstellung maßgeschneiderter Bewerbungsunterlagen verwendet. Es ist besonders nützlich für Entwickler und Arbeitsuchende, die wiederholende Aufgaben wie das Verfassen von Anschreiben, das Anpassen von Lebensläufen und das Verfolgen von Bewerbungen eliminieren möchten. Das System besteht aus spezialisierten KI-Agenten, die Kommunikationsfeeds wie E-Mails oder Jobportale überwachen, relevante Stellenausschreibungen extrahieren und automatisch personalisierte Dokumente erstellen. Unterstützt werden gängige Plattformen wie Claude Code, Cursor und Codex, wobei die Integration über Kafka eine flexible und skalierbare Datenverarbeitung ermöglicht. Der Hauptvorteil liegt in der Zeitersparnis und der konsistenten Qualität der Bewerbungsunterlagen, die durch die Zusammenarbeit mehrerer spezialisierter Agenten erreicht wird.
npx skills add GurenMurasaki/Job-Applications-Multi-Ai-AgentsInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🤖 Automatisieren Sie Bewerbungen mit einem Multi-Agenten-System, das Kafka für nahtlose Datenerfassung und effiziente Dokumentenvorbereitung nutzt.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.