Wie der Agent arbeitet
Zur Anmeldung

JobFunk ist ein persönlicher KI-Job-Scout, entstanden als Projekt mit dem Ziel, die Jobsuche einfacher zu gestalten. Die Grundidee ist ein Agent, der wiederkehrende Arbeit übernimmt; er richtet dein Suchprofil ein, durchsucht regelmäßig passende Jobbörsen, bewertet jeden Treffer nach Passung und lässt sich danach ganz normal per Chat steuern. Er soll nicht nur Vorschläge liefern, sondern echte Aktionen ausführen, und das technisch so sauber, wie ich es auch in einem produktiven Projekt bauen würde. Diese Seite erklärt, wie das unter der Haube funktioniert.

Was der Agent kann
Profil in unter einer Minute Du beschreibst in einem Satz, was du suchst, oder lädst deinen Lebenslauf hoch. Der Agent liest ihn aus, hakt bei Unklarheiten nach und legt daraus ein durchsuchbares Suchprofil an. Das lästige Formular am Anfang fällt weg.
Findet und bewertet Stellen automatisch Er durchsucht mehrere Jobbörsen, wirft Dubletten raus und vergibt pro Treffer einen Fit-Score von 0 bis 100. So stehen die wirklich passenden Stellen oben, statt in einer endlosen Liste unterzugehen.
Vollständig per Chat steuerbar Im laufenden Betrieb sagst du dem Agenten einfach, was er tun soll: nach Ort oder Rolle filtern, die interessantesten Treffer hervorheben, ein zugeschnittenes Bewerbungs-Kit oder ein Anschreiben erzeugen oder einen neuen Suchlauf starten.
Wie er arbeitet
Eine Action-API (SSOT) als einzige Wahrheit Jede Fähigkeit der App ist als typisierte, serverseitig geprüfte Aktion definiert. Egal ob ein Klick im Interface, ein HTTP-Aufruf oder der KI-Agent: alle laufen über exakt dieselben Aktionen.
Die KI-Werkzeuge sind dünne Wrapper darüber Dem Sprachmodell werden diese Aktionen als Tools angeboten. Jedes Tool trägt ein Schema, das die Eingaben des Modells validiert, bevor überhaupt etwas ausgeführt wird. Der Agent kann also grundsätzlich nichts tun, was die API nicht erlaubt.
Ein überschaubarer Agent-Loop Der Agent entscheidet in wenigen Runden, welche Werkzeuge er einsetzt, führt sie aus und reagiert auf das Ergebnis: jeder Schritt wird als Trace direkt im Chat sichtbar.
Visuelle Wirkung sauber getrennt Rein optische Effekte wie das Hervorheben oder Filtern des Boards laufen im Browser, strikt getrennt von Aktionen, die tatsächlich Daten verändern. So bleibt klar, was nur die Ansicht betrifft und was wirklich etwas schreibt.
Produktionsreife
Mandanten-Isolation über Row Level Security Wer welche Daten sehen und ändern darf, entscheidet die Datenbank selbst per Row Level Security. Der Agent wirkt ausschließlich auf die Daten des eingeloggten Nutzers, und dessen Identität stammt immer aus der Session, nie aus einer Eingabe des Sprachmodells.
Kosten und Nebenläufigkeit im Griff KI-Aufrufe kosten Geld, deshalb gibt es atomare Tages-Limits und Sperren gegen parallele Doppel-Aufrufe. Weder ein Fehler noch ein manipulierter Prompt können so die Kosten in die Höhe treiben.
Auf Fehlertoleranz ausgelegt Einzelne Ausfälle sollen nicht das Ganze kippen. Ein fehlgeschlagener Mailversand oder eine hängende Generierung lässt einen laufenden Suchlauf nicht scheitern, und wenn einmal eine Datenbank-Migration fehlt, läuft die App weiter statt abzustürzen. Verfügbarkeit war mir wichtiger als ein perfekter Ablauf im Fehlerfall.
Stack

Next.js 15 (App Router) · TypeScript (strict) · Supabase (Auth + Postgres RLS) · Anthropic (Sonnet + Haiku) · Vercel