🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

How to Build an autonomous AI powered job-hunting system with HERMES Agent (Full tutorial)를 중심으로, 구직자는 수백 건의 지원서를 보내도 응답이 없고, CV가 공고와 제대로 맞지 않는 문제가 반복되며 자동화 수요가 생긴다 [00:1를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 구직자는 수백 건의 지원서를 보내도 응답이 없고, CV가 공고와 제대로 맞지 않는 문제가 반복되며 자동화 수요가 생긴다 [00:12]
2. 설정이 끝나면 Telegram Messenger에서 공고 검색, 공고 승격, 맞춤 CV 다운로드가 가능해지고, 휴대폰만으로 전체 흐름을 제어할 수 있다 [01:04]
3. 데모에는 독일인 소프트웨어 개발자 Lucas Weber의 예시 CV가 사용되며, 프로필·기술·언어·경력 정보가 에이전트의 입력 데이터가 된다 [02:13]
4. Overview 탭에서는 현재 작업 중인 에이전트가 색상과 카드 강조로 표시되며, Scout 카드가 파란색으로 빛나면 공고 탐색이 진행 중이다 [03:16]
5. 사용자가 관심 있는 공고에서 tailor를 누르면 Job Reader가 해당 공고의 핵심 정보를 추출하고, 이후 CV를 그 직무에 맞게 조정할 수 있는 구조화 데이터가 생긴다 [04:14]

🧩 배경과 문제 정의

• 구직 과정은 수많은 지원서 작성, 낮은 응답률, 직무와 맞지 않는 CV 수정 등으로 반복 비용이 크다.
• 이 영상의 목표는 CV를 한 번 업로드하면 채용공고 탐색, 직무 정보 구조화, CV 맞춤 수정, 문서 다운로드까지 여러 AI 에이전트가 순차적으로 처리하는 자동 구직 시스템을 만드는 것이다.
• 시스템은 Hermes Agent를 중심으로 Forge, Scout, Job Reader, CV Adapter 등 역할별 에이전트를 구성하고, 각 에이전트가 독립적인 메모리와 작업 범위를 갖도록 설계된다.
• 사용자는 Telegram과 웹 대시보드에서 검색 실행, 공고 확인, 공고 승격, 맞춤 CV 생성, 로그 확인을 처리할 수 있으며, 직접 스크립트를 실행하지 않고도 전체 흐름을 제어할 수 있다.
• 구직 자동화는 하나의 활용 사례이며, 핵심은 오케스트레이터 에이전트와 전문 에이전트를 연결해 고객지원, 리드 생성, 콘텐츠 자동화 등 다른 업무에도 재사용 가능한 멀티 에이전트 구조를 만드는 것이다.

🕒 시간순 섹션별 상세정리

1. 구직 자동화 시스템의 전체 구조

• 구직자는 수백 건을 지원해도 응답을 받지 못하고, CV가 각 공고와 맞지 않아 기회를 놓치는 문제가 반복된다 [00:12]
• 네 개의 AI 에이전트는 CV 프로필에 맞는 공고를 찾고, 정해진 일정에 결과를 전달하며, 선택한 공고에 맞춰 CV를 빠르게 수정한다 [00:27]

2. Telegram과 대시보드 기반 운영 방식

• 설정이 끝나면 Telegram에서 공고 검색, 공고 승격, 맞춤 CV 다운로드를 휴대폰으로 직접 제어할 수 있다 [01:04]
• 웹 대시보드는 발견된 공고, 수정된 CV, 에이전트 실행 로그를 한곳에 모아 관리하는 미션 컨트롤 역할을 한다 [01:16]

3. 대시보드에서 CV 업로드와 프로필 추출

• 데모에는 독일인 소프트웨어 개발자 Lucas Weber의 예시 CV가 사용된다 [02:13]
• CV에 담긴 프로필, 기술, 언어, 경력 정보가 에이전트가 작업을 시작하는 입력 데이터가 된다 [02:28]

4. Scout의 공고 탐색과 랭킹 결과

• Overview 탭에서는 현재 실행 중인 에이전트가 색상과 카드 강조로 표시된다 [03:16]
• Scout 카드가 파란색으로 빛나면 공고 탐색 작업이 진행 중임을 의미한다 [03:31]

5. Job Reader와 CV Adapter의 맞춤 CV 생성

• 사용자가 관심 있는 공고에서 tailor를 누르면 Job Reader가 해당 공고의 핵심 정보를 추출한다 [04:14]
• 추출된 정보는 CV를 해당 직무에 맞게 조정하는 데 쓰이는 구조화 데이터가 된다 [04:29]

6. Telegram 명령과 기본 실행 흐름

• Telegram에서는 /commands 기반으로 find 명령을 보내 공고 검색을 시작할 수 있다 [05:47]
• 각 공고에는 적합도 순위, 원문 소스, 승격에 사용할 고유 번호가 함께 표시된다 [06:02]

7. VPS 자격 증명 확보와 접속 준비

• 자동 백업을 켜면 VPS의 일일 스냅샷이 생성되어 장애 발생 시 전체 설정을 복구하기 쉽다 [12:01]
• 자동 백업 선택은 추가 비용과 복구 안정성 사이에서 판단해야 하는 항목이다 [12:16]

8. PowerShell과 Terminal을 통한 SSH 접속

• VPS 접속에는 Windows의 PowerShell 또는 macOS의 Terminal을 사용할 수 있다 [13:44]
• 두 운영체제 모두 동일한 SSH 명령 구조로 서버에 접속한다 [13:59]

9. Hermes Agent 리눅스 터미널 설치

• Hermes Agent 공식 웹사이트에서 데스크톱 앱이 아니라 터미널 설치 방식을 선택한다 [15:27]
• VPS가 Linux 환경이므로 Linux 또는 macOS용 설치 명령을 복사해 사용한다 [15:42]

10. 계정 연결과 기본 런타임 옵션 선택

• Nous Research 계정에 로그인한 뒤 서버 연결 절차를 완료한다 [17:23]
• 연결이 끝나면 PowerShell 화면에서도 로그인 성공 상태를 확인할 수 있다 [17:38]

11. Telegram 봇 토큰과 사용자 바인딩 설정

• 메시징 플랫폼 목록에서 Telegram은 Enter가 아니라 Space로 먼저 선택해야 한다 [18:42]
• 선택 표시가 된 뒤 Enter를 눌러야 설치기가 Telegram 채널을 정상적으로 인식한다 [18:57]

12. 게이트웨이 서비스 설치와 외부 AI 모델 선택

• Hermes gateway를 시스템 서비스로 설치하면 서버 재부팅 후에도 백그라운드에서 자동으로 다시 시작된다 [21:20]
• VPS 환경에서는 user service보다 system service 방식이 더 적합하다 [21:35]

13. OpenAI Codex 모델 연결과 인증

• Hermes 모델 추가 명령에서 OpenAI 계열을 선택한다 [24:25]
• ChatGPT 구독을 활용한다면 종량제 OpenAI API보다 OpenAI Codex 선택이 더 적합하다 [24:40]

14. Hermes 터미널 UI로 모델 연결 확인

• Hermes 명령을 실행하면 터미널 기반 메시징 인터페이스가 열린다 [26:23]
• 간단한 인사에 에이전트가 응답하면 설치와 모델 연결이 정상적으로 완료된 상태다 [26:38]

15. Telegram 봇 연결 확인과 본격 설정 진입

• BotFather에서 받은 URL로 봇을 열고, 첫 대화라면 Start를 누른다 [27:33]
• Start만으로는 부족하므로 별도의 첫 메시지를 보내야 Hermes가 응답을 처리한다 [27:48]

16. Forge 오케스트레이터 온보딩과 장기 기억 저장

• 초기 온보딩 프롬프트에는 에이전트 이름, 사용자 이름, 자동 구직 시스템의 목표가 포함된다 [29:29]
• 함께 일할 팀 구성과 운영 규칙도 같은 온보딩 프롬프트에 담는다 [29:44]

17. Scout·Job Reader·CV Adapter 역할 분담

• 온보딩 메시지를 받은 Forge는 사용자 Larry와 자신의 이름 Forge를 장기 기억에 저장한다 [31:56]
• Forge는 오케스트레이터 역할과 자동 구직 시스템의 흐름도 장기 기억에 기록한다 [32:11]

18. 전문 에이전트 생성, 권한 승인, 프로필 검증

• Forge에게 전문 에이전트 생성 명령을 보내면 작업이 여러 단계로 나뉘어 진행된다 [34:24]
• step one of four 같은 진행 표시로 현재 처리 단계를 확인할 수 있다 [34:39]

19. 에이전트별 독립 메모리와 역할 경계 설정

• 각 에이전트는 역할이 다르므로 별도의 memory file을 가져야 한다 [36:01]
• 네 에이전트가 하나의 메모리를 공유하면 내용이 뒤섞이고 파일이 불필요하게 커진다 [36:16]

20. 팀 구조 공유와 Telegram 라우팅 설계

• shared team awareness 단계에서는 모든 에이전트의 장기 메모리에 팀 구조가 저장된다 [37:47]
• 각 에이전트는 함께 일하는 다른 구성원의 역할을 이해하게 된다 [38:02]

21. slash command 테스트와 fallback 동작 보정

• Discord의 agent별 dedicated channel 방식은 현재 목표에는 과하다고 판단된다 [38:59]
• 모든 상호작용은 Telegram 안에서 처리하는 방식으로 바뀐다 [39:14]
• /scout 같은 slash command는 특정 에이전트에게 메시지를 보낸다 [39:19]
• find 같은 action shortcut은 Scout의 free job search를 시작하는 트리거가 된다 [39:34]

22. 에이전트 작업 로그 데이터베이스 구축

• 네 개 에이전트를 운영할 때는 각 에이전트의 작업 내용과 마지막 task를 확인하는 장치가 중요하다 [40:35]
• 작업 성공 여부와 실패 여부도 추적해야 한다 [40:50]
• VPS의 SQLite database에는 agent name, task description, job status가 기록된다 [41:05]
• used model과 task timestamp도 task마다 저장된다 [41:20]

23. 대시보드 백엔드와 SSH tunneling 접근 구조

• Hermes 설정, 네 개 에이전트 활성화, agent logging database 구성이 끝나면 dashboard 구축으로 넘어간다 [42:29]
• dashboard는 전체 orchestration layer 역할을 한다 [42:44]
• PC에서는 web database로 전체 상태를 볼 수 있다 [42:50]
• Telegram에서도 orchestration할 수 있는 구조를 목표로 한다 [43:05]

24. HTML template 업로드와 overview tab 디자인 보정

• dashboard front end는 premium shell design을 목표로 한다 [44:40]
• Forge는 design orientation과 HTML template을 참고해 구조를 맞춘다 [44:55]
• prompt 순서가 어긋나 template upload point를 만들기 전에 template reference를 요구하는 문제가 생긴다 [45:02]
• Forge는 VPS에서 template을 찾지 못해 작업 흐름이 막힌다 [45:17]

25. 대시보드 카드와 활동 화면 정비

• Forge가 수정한 대시보드 디자인은 원본 템플릿에 가까워진다 [48:05]
• 에이전트 카드와 세부 요소에는 여전히 추가 조정 여지가 남는다 [48:20]
• 에이전트 카드에는 작업 중인 에이전트를 구분하는 glow 상태가 필요하다 [48:21]
• 사용자는 카드만 보고 에이전트가 활성 상태인지 작업을 마쳤는지 판단할 수 있어야 한다 [48:36]

26. 채용 데이터 접근 방식을 API 중심으로 전환

• 다음 핵심은 에이전트가 직접 검색할 채용 데이터 접근권을 확보하는 것이다 [49:32]
• 단순 웹 스크래핑은 풍부한 데이터 확보와 안정성 측면에서 한계가 크다 [49:47]
• 일부 채용 사이트는 AI 에이전트가 페이지 정보를 긁어오기 어렵게 설계되어 있다 [49:52]
• 스크래핑 방식은 검색 누락과 데이터 품질 저하 위험을 만든다 [50:07]

27. API 인증 저장과 CV 업로드 기능 구축

• Adzuna app ID와 app key는 보안 위치에 저장된다 [50:57]
• Forge는 저장된 인증정보로 테스트 호출을 수행해 채용공고 접근 가능성을 확인한다 [51:12]
• 첫 smoke test는 성공했지만 결과 수가 0으로 나온다 [51:18]
• 실제 검색 가능성에 의문이 생기고, 원인은 Germany 필터 쿼리 설정으로 좁혀진다 [51:33]

28. CV 추출 오류 수정과 프로필 검증

• 더미 CV에는 베를린의 소프트웨어 개발자 Lucas Va와 기술 경험이 들어 있다 [52:33]
• 에이전트는 이 내용을 바탕으로 기술 전문성과 직무 적합성을 파악해야 한다 [52:48]
• 첫 업로드 후 아무 동작이 일어나지 않는다 [53:03]
• PDF-to-text 변환이 트리거되지 않아 CV 정보가 조용히 사라지는 오류가 발생한다 [53:18]

29. Scout 검색 통합과 매칭 점수 설계

• Scout는 Adzuna와 Remotive에서 채용공고를 가져오도록 구성된다 [55:36]
• 두 쿼리 결과를 하나의 목록으로 합쳐 jobs 페이지에 표시해야 한다 [55:51]
• smoke test에서 Adzuna와 Remotive 양쪽 모두 채용공고를 가져올 수 있음이 확인된다 [55:57]
• 다중 소스 기반 검색 흐름의 기본 연결이 작동한다 [56:12]

30. 수동 검색 버튼, 잡 메모리, 실제 검색 검증

• 대시보드에는 템플릿에 있던 find jobs와 scan now 버튼이 빠져 있다 [57:06]
• 사용자가 업로드된 CV 프로필 기준으로 직접 구직 검색을 시작할 수 없는 상태다 [57:21]
• 버튼 추가 후 jobs 화면의 기존 템플릿 데이터를 지우는 과정에서 남아 있는 항목이 발견된다 [58:03]
• Forge의 스크린샷 확인 뒤 대시보드에서도 빈 jobs 탭이 확인된다 [58:18]

31. 중복 공고 방지와 검색 진행 상태 표시

• 검색 결과는 점수 기준으로 정렬된다 [1:00:01]
• 주기적 검색에서는 이미 발견했거나 사용자에게 제시한 공고를 메모리에 기록해 반복 전송을 방지한다 [1:00:16]

32. 공고별 CV 맞춤화와 JD 구조화

• 채용공고마다 요구 역량과 경험의 중요도가 다르다 [1:01:54]
• 하나의 CV 문구를 모든 지원에 그대로 적용하면 적합도가 낮아지므로 공고별 맞춤화가 필요하다 [1:02:09]

33. 문서·PDF 내보내기와 맞춤 CV 품질 개선

• 구조화된 JD는 원본 공고 전체보다 에이전트가 처리하기 쉬운 JSON·마크다운식 입력에 가깝다 [1:04:33]
• CV writer는 이 구조화된 JD를 바탕으로 특정 공고에 맞는 CV를 생성한다 [1:04:48]

34. 대시보드 범례와 검색 설정 제어

• JD, doc, PDF, new 같은 표시가 늘어나면서 사용자가 각 버튼과 상태의 의미를 즉시 이해하기 어려워진다 [1:08:29]
• 대시보드에 범례를 추가해 기능과 상태를 해석하는 부담을 줄인다 [1:08:44]

35. Telegram 오케스트레이션과 추가 자동화 옵션

• 기존 흐름에서는 검색 실행, 공고 promote, CV 다운로드가 모두 대시보드 안에서만 이루어졌다 [1:09:48]
• 구직 파이프라인을 Telegram 명령으로도 조작할 수 있도록 확장한다 [1:10:03]

36. CV 맞춤화 실행과 결과 검증

• 관심 있는 소프트웨어 엔지니어 공고를 promote 입력과 공고 번호 5로 선택한다 [1:12:00]
• CV adapt 에이전트가 해당 공고에 맞춰 CV를 재작성하는 작업을 시작한다 [1:12:15]

37. 대시보드 구성과 구직 자동화 조정 기능

• 대시보드는 텍스트 디자인과 표시 항목을 일부 조정해 구직 자동화 상태를 더 명확히 보여준다 [1:12:52]
• “active agents”와 tokenized load가 추가되어 활성 에이전트 상태와 토큰 사용량을 확인할 수 있다 [1:13:07]

🧾 결론

• How to Build an autonomous AI powered job-hunting system with HERMES Agent (Full tutorial)를 중심으로, 구직자는 수백 건의 지원서를 보내도 응답이 없고, CV가 공고와 제대로 맞지 않는 문제가 반복되며 자동화 수요가 생긴다 [00:1를 핵심 판단 포인트로 압축 정리한다.
• 설정이 끝나면 Telegram Messenger에서 공고 검색, 공고 승격, 맞춤 CV 다운로드가 가능해지고, 휴대폰만으로 전체 흐름을 제어할 수 있다 [01:04]
• 댓글에는 설정 중 생긴 질문이나 함께 만들고 싶은 기능 요청을 남길 수 있고, 별도 튜토리얼 주제로 확장될 수 있다 [1:14:43]

📈 투자·시사 포인트

• 데모에는 독일인 소프트웨어 개발자 Lucas Weber의 예시 CV가 사용되며, 프로필·기술·언어·경력 정보가 에이전트의 입력 데이터가 된다 [02:13]
• 반복 운영과 예외 대응이 많은 조직일수록 자동화 ROI를 비교적 빠르게 확인할 가능성이 있다.
• 공통 워크스페이스, 메모리 구조, API 연동 기반에 대한 투자 필요성이 커질 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 영상에서 언급된 VPS 가격, 사양, 리전 옵션, 백업 비용은 업로드 시점 기준일 수 있으므로 실제 구매 전 RackNerd·Contabo의 최신 플랜과 약관을 확인해야 한다.
• ChatGPT Plus/Pro 구독으로 Hermes에서 Codex 모델을 사용할 수 있다는 설명은 계정 상태, Hermes 버전, OpenAI 정책에 따라 달라질 수 있어 현재 지원 여부와 사용 한도를 별도로 검증해야 한다.
• Adzuna가 무료 API로 대규모 채용공고를 제공한다는 내용과 예시 검색 결과 수는 실제 국가, 쿼리, API 제한, 시점에 따라 달라질 수 있다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 사용할 실행 환경을 정한다: 개인 PC 대신 VPS를 쓸지, 단기 구직용으로만 운영할지, 장기 자동화 서버로 유지할지 결정한다.
• Hermes Agent를 서버에 설치하고, Nous Research 계정 연결과 기본 런타임 설정을 완료한다.
• Telegram BotFather로 봇을 만들고, bot token과 사용자 ID 바인딩을 설정해 본인만 에이전트를 조작할 수 있게 한다.
• OpenAI Codex 또는 OpenRouter 등 실제 추론에 사용할 모델을 Hermes에 연결하고, 짧은 대화로 응답 여부를 확인한다.

❓ 열린 질문

• CV를 얼마나 공격적으로 재작성할 것인지, 원본 이력 보존과 직무 맞춤화 사이의 기준을 어디에 둘 것인가?
• Scout의 매칭 점수는 기술 스택, 경력 연수, 지역, 원격 여부, 언어 요건 중 무엇에 가장 큰 가중치를 둬야 하는가?
• 반복 검색 주기는 아침·저녁 정도가 적절한가, 아니면 2~3시간 단위의 더 촘촘한 탐색이 필요한가?