Ulrik la Cour Christiansen / Cases

Sifter

Et system, der sorterer virksomheder efter match og skriver udkast til henvendelsen, bygget til min egen jobsøgning.

EffektGør aftener med at læse virksomheders hjemmesider til en rangeret kortliste med udkast, der er klar til at gennemse og sende.

Bygget oktober 2026

Rolle
Designet, bygget og testet af mig i Python
Mål
Find de rigtige virksomheder, personer og jobopslag, og forbered hver ansøgning
Bygget
Oktober 2026
Resultat
I første brug. Tal følger, når der er nok

Resumé

En flertrins AI-pipeline i Python til lead-kvalificering i min egen jobsøgning. En lokal LLM læser virksomheders hjemmesider, scorer matchet mod min profil og skriver udkast til personlige beskeder og CV-ændringer, med prompt engineering bag scoringen og et nøgleordsfilter før ethvert modelkald. Dataene ligger i SQLite på min egen pc, så virksomheds- og kontaktoplysninger aldrig forlader den (datasuverænitet, GDPR). Postkassen åbnes kun til læsning, og systemet sender eller søger aldrig: hver afsendelse er human-in-the-loop.

Direkte henvendelseOpslåede stillingerVirksomheds-listeLæshjemmesidenMatch-tjek(lokal AI)VælgpersonenUdkast tilbeskedDu senderJobagent-mail(kun læsning)Hent opslagetMatch-tjekCV-ændringer+ ansøgningDu søgerMaskinen læser og skriver udkast. At sende og søge bliver hos mig.
Sådan virker Sifter: to spor, ét menneskeligt skridt til sidst i hvert.

Problem

En jobsøgning i Danmark betyder hundredvis af virksomheder, de fleste forkerte for dig, og at finde den ene rigtige person i hver af resten. Gjort i hånden er det at læse hjemmesider hele aftenen og skrive beskeder, der ender generiske.

Hvad jeg byggede

Et desktopprogram til lead-kvalificering og henvendelser. Det tager en liste over virksomheder, læser hver hjemmeside, scorer matchet mod min profil, vælger den person, der skal skrives til, finder adressen og skriver et udkast til en kort personlig besked. Et andet spor læser min jobagent-mail (kun læsning), henter hvert opslag, scorer det og forbereder CV-ændringer og en indledning.

Sprogmodellen kører lokalt på min egen pc, begrænset til under halvdelen af dens kapacitet, så den kan arbejde i baggrunden. Et nøgleordsfilter sorterer oplagte ikke-match fra, før modellen overhovedet kaldes, og hver afsendelse forbliver human-in-the-loop.

Status

Det er bygget og testet på testdata, og jeg er ved at tage det i brug i min egen jobsøgning nu. De tal, der betyder noget (virksomheder screenet, beskeder sendt, svar, samtaler), kommer her, når der er nok af dem til at sige noget.

Hvad der forbliver manuelt

At sende, at søge og hvert eneste endelige ord. Systemet sender aldrig mail og søger aldrig på egen hånd.

Teknologi: Python, en lokal sprogmodel, SQLite.

Kode: Ved henvendelse.