SnapplAI: un pipeline con Gemini para cazar ofertas de LinkedIn antes que los demás
Un desarrollador ha publicado un proyecto open source que rastrea ofertas de LinkedIn, las puntúa con Gemini y envía por correo las mejores coincidencias.
SnapplAI es la respuesta de un desarrollador a un problema de tiempo: cuando LinkedIn publica una oferta, recibe cientos de solicitudes en menos de 48 horas. Para cuando llega el resumen diario, las mejores oportunidades ya llevan horas de retraso. El proyecto rastrea los anuncios recién publicados, los resume con Gemini, los puntúa contra el CV y envía por correo solo los que mejor encajan.
El código está disponible en GitHub bajo licencia MIT. Se puede ejecutar en local, en un contenedor Docker o como una tarea cron de GitHub Actions. Su autor lo plantea sin frameworks de agentes: Python orquesta el proceso y los modelos de Gemini actúan como evaluadores.
Cómo funciona
El flujo consta de cuatro pasos apoyados en una estructura de pandas. Primero, un scraper obtiene los anuncios más recientes de LinkedIn según los filtros que defina el usuario. Después, Gemini extrae los campos relevantes y los emite como JSON. En la tercera fase, el modelo compara cada anuncio con el CV y asigna una puntuación, con una instrucción para que razone antes de dar el veredicto. La última fase envía por correo las ofertas con mejor nota.
El autor asegura que la configuración completa lleva cinco minutos. Si una llamada a la API de Gemini falla por límites de tasa, el sistema reintenta con backoff exponencial y tiene una cadena de modelos alternativos, así que una respuesta estrangulada no interrumpe la ejecución.
El proyecto no incluye métricas de eficacia ni comparaciones con una búsqueda manual. Es una pieza pequeña y reciente, sin demos públicas: lo que hay es el código y las instrucciones de uso.
Qué aporta
Para quien trabaja con datos y modelos de lenguaje, SnapplAI es un ejemplo de un patrón útil: usar un LLM para puntuar o filtrar una cola de datos y conservar la lógica de negocio en Python normal. Ese esquema sirve para otras alertas o recomendaciones sobre texto, no solo para ofertas de empleo. Queda por ver si la puntuación de Gemini resiste el volumen real de anuncios y si el scraping de LinkedIn resulta práctico a largo plazo.
