Нейросеть для резюме: как составить CV и письмо с ИИ

Нейросеть для резюме — это большая языковая модель (LLM), которой вы отдаёте свой опыт, вакансию или черновик CV и инструкцию («перепиши под вакансию X», «усиль достижения цифрами», «напиши сопроводительное письмо»), а она возвращает готовый текст. Чтобы составить резюме нейросетью с упором на качество — берут Claude Opus 4.7 / Sonnet 4.6 и GPT-5.5: они дают гладкие, не «машинные» формулировки и аккуратно держат деловой тон на русском. Для черновиков, массовой адаптации под десятки вакансий и сопроводительных «на потоке» — дешёвые модели DeepSeek V4 Pro, Qwen 3.6 Plus и GPT-5.4. Главное — все эти модели подключаются через один OpenAI-совместимый API, оплачиваются в рублях, и переключение между ними — это смена одной строки model в коде.

Этот гайд — про то, как составить резюме с ИИ под конкретную задачу: написать CV с нуля, улучшить существующее, адаптировать под вакансию, собрать сопроводительное письмо и профиль на hh.ru или LinkedIn. Внутри — готовые промпты, которые действительно работают, код для вызова модели и расчёт стоимости. А в конце — как HR-tech, кадровые агентства и джоб-борды генерируют резюме и письма пачками через тот же API. Цены — ровно те, что клиент видит на странице тарифов: 1-в-1 с провайдером по курсу ЦБ (71.668 ₽/$ на 2026-05-27), без наценки на токены. Тон — инженерный, на цифрах, без маркетинга.

Какие задачи с резюме решает нейросеть

Под фразой «нейросеть для резюме» обычно понимают не один сценарий, а целый набор задач вокруг поиска работы. LLM понимает смысл вашего опыта, держит деловой тон и следует инструкциям вроде «без воды» или «добавь метрики», поэтому она закрывает почти весь цикл подготовки к отклику. Разберём типовые задачи — под них и подбирается модель.

• Написать резюме с нуля. На вход — сырой опыт работы (даже в виде хаотичных заметок: «работал в компании X, делал то-то»), на выход — структурированное CV с разделами «Опыт», «Навыки», «Достижения». Модель превращает «занимался поддержкой клиентов» в «обрабатывал до 60 обращений в день, снизил время первого ответа на 30%».
• Улучшить существующее резюме. На вход — готовое CV плюс инструкция («усиль достижения цифрами», «убери канцелярит», «сделай раздел навыков конкретнее»). Самая частая задача: у человека уже есть резюме, но оно «никакое». LLM переписывает формулировки, добавляет глаголы действия и приводит к единому стилю.
• Адаптировать резюме под вакансию. На вход — ваше CV и текст конкретной вакансии, на выход — версия резюме, где наверх вынесен релевантный опыт, а формулировки подогнаны под требования. Это ключевой приём: одно и то же резюме под разные вакансии должно звучать по-разному, и нейросеть делает эту адаптацию за секунды.
• Сопроводительное письмо. На вход — резюме плюс вакансия, на выход — короткое персонализированное письмо, объясняющее, почему вы подходите. Здесь нейросеть особенно выигрывает: писать десять разных писем вручную утомительно, а модель генерирует их по одному шаблону с подстановкой деталей вакансии.
• Профиль на hh.ru и LinkedIn. Заголовок, раздел «О себе», summary-блок, описание навыков. Под каждую площадку — свой формат и длина, и LLM легко переписывает один и тот же опыт в формате hh.ru или в формате LinkedIn-headline.

Ключевая идея: нейросеть для резюме не привязана к конкретному сайту-«конструктору». Модели Claude, GPT, Gemini, DeepSeek доступны по API, а онлайн-сервисы «составь резюме за минуту» — это лишь оболочки поверх того же API с наценкой за интерфейс. Поэтому вопрос «какая нейросеть лучше для резюме» решается на уровне идентификатора модели в запросе. Сегодня вы генерируете черновик на дешёвой модели, завтра вычитываете финальную версию флагманом — в одном и том же коде. Это та же логика, что и в нашем гайде про нейросеть для генерации текста — резюме лишь частный случай.

Какую нейросеть брать для резюме

Универсальной «лучшей нейросети для резюме» нет — выбор зависит от того, насколько критично качество текста и какой у вас объём (одно резюме под себя или сотни откликов на потоке). Разберём кандидатов из нашего каталога с упором на то, что важно для резюме: естественность делового стиля, русский язык, и цена.

Claude Sonnet 4.6 — дефолт для резюме под себя

Claude Sonnet 4.6 — наш рекомендуемый выбор, когда вы готовите резюме для себя и хотите хороший результат с минимумом правок. Модель славится естественностью формулировок: текст реже звучит шаблонно, деловой тон выходит живым, а не канцелярским. Хорошо справляется и с улучшением существующего CV, и с адаптацией под вакансию, и с сопроводительным письмом. Контекст — 1 млн токенов, так что можно за раз скормить ей и резюме, и длинное описание вакансии, и примеры понравившихся формулировок.

Цена по каталогу: $3 / $15 за 1М токенов (вход / выход) — это 210 / 1070 ₽. Резюме — короткий текст, так что один полный цикл (резюме плюс письмо) обходится в доли рубля. Подробный разбор модели и подключение — в нашем материале про Claude API за рубли.

Claude Opus 4.7 и GPT-5.5 — когда резюме «дорогое»

Opus 4.7 — флагман Anthropic, GPT-5.5 — флагман OpenAI. Их берут, когда отклик особенно важен: топовая позиция, senior/lead-роль, резюме на английском для международной компании, где формулировки должны быть безупречны. Оба сильны в связной деловой прозе и аккуратно работают со сложными форматами (резюме плюс портфолио плюс письмо). Контекст у Opus 4.7 — 1 млн токенов, у GPT-5.5 — 1.05 млн.

Цены по каталогу:

Нюанс для Opus 4.7: модель использует новый токенайзер, который на том же тексте может потратить до 35% больше токенов. На резюме это копейки (текст короткий), но имейте в виду на больших объёмах. Для одного важного резюме разница в цене между Sonnet и Opus несущественна — берите флагман, если планка качества высокая. Полный разбор — Claude Opus 4.7 API за рубли и GPT-5.5 API за рубли.

Gemini 3.1 Pro — длинный контекст и низкая цена

Gemini 3.1 Pro Preview от Google — крепкий универсал с контекстом 1.05 млн токенов и самой низкой ценой среди «больших» флагманов. Для резюме это удобно, когда контекста много: весь профиль LinkedIn, несколько прошлых резюме, длинная вакансия — всё помещается в один запрос. Цена: $2 / $12 за 1М — 140 / 860 ₽. Хороший выбор, когда нужно качество, близкое к флагманскому, но дешевле.

DeepSeek V4 Pro, Qwen 3.6 Plus, GPT-5.4 — для черновиков и потока

Когда резюме и письма нужны массово — соискатель шлёт отклики на десятки вакансий, или это сервис, генерирующий CV пачками, — берут дешёвые модели:

• DeepSeek V4 Pro — open-weight модель, контекст 1 млн токенов. Цена сейчас $0.435 / $0.87 за 1М — 30 / 60 ₽. Это в десятки раз дешевле флагманов. Важная оговорка: в цену включена промо-скидка −75%, действующая до 2026-05-31; после промо базовая ставка вырастет примерно вчетверо — ориентировочно до $1.74 / $3.48 за 1М (всё равно дёшево). Полный разбор — DeepSeek V4 Pro API за рубли.
• Qwen 3.6 Plus (Alibaba) — многоязычная модель, контекст 1 млн токенов. Цена $0.325 / $1.95 — 20 / 130 ₽, самый дешёвый вход в каталоге.
• GPT-5.4 — дешёвый универсал семейства OpenAI. Цена $2.5 / $15 — 170 / 1070 ₽. Хороший компромисс «качество флагмана попроще за половину цены».

Типовая схема для потока — двухуровневая: дешёвая модель делает черновик резюме и десяток сопроводительных, флагман вычитывает только финальную версию для приоритетной вакансии.

Промпты для резюме, которые работают

Качество резюме, сгенерированного нейросетью, на 80% определяется промптом. Главная ошибка — попросить «напиши мне резюме» без контекста: модель выдаст шаблонную пустышку с выдуманными деталями. Ниже — рабочие промпты под каждую задачу. Структура у хорошего промпта одна: роль модели → ваши данные → формат и ограничения.

Анатомия промпта для резюме

Любой запрос на резюме стоит собирать из четырёх частей:

1. Роль. «Ты карьерный консультант и составитель резюме с опытом найма в IT» — задаёт лексику и глубину.
2. Вводные данные. Ваш опыт, должность, ключевые проекты, цифры. Чем больше фактуры, тем меньше модель домысливает.
3. Задача и формат. «Составь резюме на 1 страницу, разделы: О себе, Опыт, Навыки, Образование. Опыт — буллетами, каждый начинается с глагола действия».
4. Ограничения. «Не выдумывай факты и цифры, которых нет в моих данных. Деловой тон, без канцелярита и клише вроде „коммуникабельный, стрессоустойчивый“».

Последний пункт критичен: без явного запрета модель любит вписывать красивые, но ложные достижения. Резюме с выдуманными цифрами — прямой путь к провалу на собеседовании.

Промпт: написать резюме с нуля

Ты карьерный консультант. Составь резюме на русском языке по моим данным.

Мои данные:
- Должность, на которую претендую: Backend-разработчик (Python)
- Опыт: 3 года. Работал в финтех-стартапе: писал API на FastAPI,
 оптимизировал запросы к PostgreSQL (ускорил отчёты с 40 до 6 секунд),
 настроил CI/CD на GitHub Actions, менторил двух джунов.
- Стек: Python, FastAPI, PostgreSQL, Docker, Redis, Celery.
- Образование: МГТУ, прикладная математика, 2021.

Формат: одна страница. Разделы: «О себе» (2-3 строки),
«Опыт работы» (буллеты, каждый — с глаголом действия и метрикой,
где она есть), «Навыки», «Образование».

Ограничения: не выдумывай факты, цифры и проекты, которых нет выше.
Деловой тон, без клише («коммуникабельный», «стрессоустойчивый»).

Промпт: улучшить существующее резюме

Ты редактор резюме. Перепиши моё резюме сильнее, сохранив все факты.

Что улучшить:
- замени пассивные формулировки на глаголы действия;
- где есть числа — выведи их вперёд (метрики, объёмы, сроки);
- убери воду и клише;
- приведи буллеты к единому стилю и длине.

Не добавляй фактов, которых нет в исходнике. Верни только
переписанное резюме.

Текущее резюме:
<<< вставьте сюда ваш текст >>>

Промпт: адаптировать резюме под вакансию

Ты составитель резюме. Адаптируй моё резюме под конкретную вакансию.

Задача:
- вынеси наверх и усиль тот опыт и навыки, что релевантны вакансии;
- используй формулировки и ключевые слова из описания вакансии
 (там, где они честно соответствуют моему опыту);
- что нерелевантно — сократи или убери.

Не приписывай мне навыки, которых нет в моём резюме.

Моё резюме:
<<< резюме >>>

Вакансия:
<<< текст вакансии >>>

Промпт: сопроводительное письмо

Ты карьерный консультант. Напиши сопроводительное письмо к отклику.

Требования:
- объём: 4-6 предложений, без воды;
- структура: зацепка → почему я подхожу (1-2 конкретных факта из
 моего опыта под требования вакансии) → короткий призыв;
- тон: деловой, уверенный, без шаблона «прошу рассмотреть мою
 кандидатуру».

Моё резюме:
<<< резюме >>>

Вакансия:
<<< вакансия >>>

Эти же приёмы (роль, контекст, явные ограничения, низкая temperature для фактологии) работают для любых деловых текстов — подробнее в гайде по генерации текста. А если резюме нужно ещё и на английском, нейросеть сделает это в том же запросе — см. нейросеть для перевода.

Как сгенерировать резюме через API

Главное удобство: все перечисленные модели доступны через один OpenAI-совместимый endpoint. Если у вас уже есть код на официальном SDK OpenAI — меняется только base_url и идентификатор модели. Endpoint Promptra: https://api.promptra.ru/v1.

Резюме и сопроводительное письмо (Python)

from openai import OpenAI

client = OpenAI(
 api_key="prm-xxxxxxxxxxxx",
 base_url="https://api.promptra.ru/v1",
)

system = (
 "Ты карьерный консультант и составитель резюме. Пиши на русском, "
 "в деловом тоне, без клише и канцелярита. Не выдумывай факты и "
 "цифры, которых нет во входных данных."
)

user = (
 "Составь резюме на одну страницу. Разделы: О себе, Опыт, Навыки, "
 "Образование. Опыт — буллеты с глаголами действия и метриками.\n\n"
 "Данные: Backend-разработчик (Python), 3 года в финтехе. "
 "FastAPI, PostgreSQL (ускорил отчёты с 40 до 6 сек), CI/CD на "
 "GitHub Actions, менторил двух джунов. Стек: Python, FastAPI, "
 "PostgreSQL, Docker, Redis. Образование: МГТУ, 2021."
)

response = client.chat.completions.create(
 model="anthropic/claude-sonnet-4.6",
 messages=[
 {"role": "system", "content": system},
 {"role": "user", "content": user},
 ],
 temperature=0.4,
)

print(response.choices[0].message.content)

temperature=0.4 здесь не случайна: резюме — задача с фактами, и низкая температура снижает риск, что модель «занесёт» в выдуманные достижения. Для сопроводительного письма, где нужна лёгкая креативность, можно поднять до 0.6-0.7.

Чтобы сменить движок — поменяйте одну строку model. Идентификаторы из каталога: anthropic/claude-opus-4.7, anthropic/claude-sonnet-4.6, openai/gpt-5.5, openai/gpt-5.4, google/gemini-3.1-pro-preview, deepseek/deepseek-v4-pro, qwen/qwen3.6-plus. Остальной код не трогается.

Адаптация под вакансию (Node.js / TypeScript)

import OpenAI from "openai";

const client = new OpenAI({
 apiKey: process.env.PROMPTRA_API_KEY,
 baseURL: "https://api.promptra.ru/v1",
});

const res = await client.chat.completions.create({
 model: "openai/gpt-5.4",
 messages: [
 {
 role: "system",
 content:
 "Ты составитель резюме. Адаптируй резюме под вакансию: усиль " +
 "релевантный опыт, используй ключевые слова из вакансии там, " +
 "где они честно соответствуют опыту. Не приписывай навыков, " +
 "которых нет в резюме.",
 },
 {
 role: "user",
 content: `Резюме:\n${resume}\n\nВакансия:\n${jobPosting}`,
 },
 ],
 temperature: 0.4,
});

console.log(res.choices[0].message.content);

Проверка одним curl

Убедиться, что ключ и endpoint живые, можно без всякого SDK:

curl https://api.promptra.ru/v1/chat/completions \
 -H "Authorization: Bearer prm-xxxxxxxxxxxx" \
 -H "Content-Type: application/json" \
 -d '{
 "model": "deepseek/deepseek-v4-pro",
 "messages": [{"role": "user", "content": "Напиши заголовок резюме для Python-разработчика, одной строкой"}]
 }'

Если в ответе пришёл JSON с полем content — всё в порядке. Детальный разбор миграции на разных языках — в гайде про подключение ChatGPT по API в России.

Сравнительная таблица и цена в рублях

Всё в одном месте. Цены — вербатим из нашего каталога (1-в-1 с провайдером по курсу ЦБ 71.668 ₽/$), вход/выход за 1 млн токенов. Колонка «русский язык» — качественная оценка естественности делового стиля на русском (по практике, не бенчмарк).

Несколько уточнений к таблице:

• Сервисная комиссия 5% берётся отдельно — только при пополнении баланса, не от токенов. На саму генерацию резюме наценки нет; 5% — это плата за работу сервиса, эквайринг и поддержку, разовая при пополнении.
• DeepSeek 30/60 ₽ — промо до 2026-05-31, дальше ≈120/240 ₽ (производная оценка от каталожных USD после отмены промо).
• GPT-5.5/5.4 — при входе свыше 272K токенов ставка повышается (2× вход / 1.5× выход), но для резюме это неактуально: тексты короткие.
• Все цифры — из каталога на дату публикации; актуальные значения всегда на странице тарифов.

Грубый расчёт для интуиции. Резюме на одну страницу — это примерно 500 токенов входных данных и около 800 токенов готового текста на выход. Сопроводительное письмо — ещё меньше. Полный цикл «резюме плюс письмо» на Claude Sonnet 4.6 обойдётся примерно в 1 рубль, на Gemini 3.1 Pro — меньше рубля, на DeepSeek — доли копейки, на GPT-5.5 — около 2 рублей. Даже если отправлять по 30 откликов с уникальным сопроводительным под каждую вакансию, весь марафон поиска работы укладывается в десятки рублей на флагмане и в единицы рублей на дешёвой модели. Сравните это с ценником сервисов «составь резюме» (от нескольких сотен рублей за одно CV) или карьерного консультанта — экономика очевидна.

Резюме на потоке: HR-tech, агентства, джоб-борды

Отдельный пласт спроса — не один соискатель, а бизнес, которому резюме и письма нужны массово. API в рублях здесь даёт то же, что и в любом другом контент-сценарии: предсказуемую стоимость, единый код под все модели и легальную оплату.

• HR-tech и джоб-борды. Платформы вроде конструкторов резюме и карьерных сервисов встраивают функцию «улучшить резюме за минуту» прямо в продукт. Под капотом — вызов LLM по API с готовым промптом. Дешёвая модель (DeepSeek, Qwen) делает основной объём пользовательских запросов, флагман подключается для премиум-тарифа. Стоимость одного «улучшения» — доли рубля, что позволяет давать функцию даже на бесплатном плане.
• Кадровые агентства. Рекрутеры готовят резюме кандидатов под клиента: приводят к единому корпоративному формату, обезличивают, усиливают релевантный опыт под конкретную вакансию заказчика. Через API это пакетная операция: сотня резюме кандидатов адаптируется одним прогоном. Батчинг (несколько резюме в одном запросе) дополнительно снижает расход на повторяющийся системный промпт.
• Аутплейсмент и карьерные школы. Сервисы, помогающие с трудоустройством, генерируют сопроводительные письма под каждую вакансию из подборки для клиента. Шаблон промпта фиксируется, temperature стабилизируется, и письма выходят единообразными по качеству.
• ATS и парсинг. LLM не только пишет, но и читает резюме: извлекает из произвольного PDF структурированные поля (опыт, навыки, образование) для системы отслеживания кандидатов. Это родственная задача суммаризации — вход большой, выход короткий, выгодны дешёвые модели с длинным контекстом.

Во всех этих сценариях ключевое — себестоимость и масштабируемость. Поскольку одно резюме стоит доли рубля, а модель меняется одной строкой model, бизнес легко маршрутизирует запросы по сложности: массовый поток на дешёвой модели, премиум — на флагмане. Сравнение моделей между собой по качеству и цене — в обзоре топ-5 LLM 2026.

Оплата на юрлицо в рублях

Если генерация резюме нужна команде или сервису, важен не только сам API, но и то, как за него платить. Прямая оплата OpenAI, Anthropic или Google из России для юрлица упирается в две проблемы: эти сервисы не работают с российскими картами и реквизитами, а платёж за рубеж без правильно оформленных документов сложно принять к учёту.

Через Promptra доступ к моделям оплачивается на российское юрлицо — оплата в рублях по договору, полный пакет закрывающих документов. На каждое пополнение баланса выдаются договор-оферта, счёт, акт, счёт-фактура и УПД; документооборот ведётся через ЭДО (Диадок, СБИС), поэтому документы автоматически попадают в учётную систему. Расходы на генерацию текста через API корректно учитываются как услуги, без серых схем с возмещением сотруднику. Цены на токены — 1-в-1 с провайдером по курсу ЦБ, сервисная комиссия 5% удерживается только при пополнении баланса. Никакого VPN при этом не нужно: запросы уходят на endpoint агрегатора, а он сам связывается с провайдером. Подробно про документы и легальность — в посте легально ли использовать AI API на юрлицо.

FAQ

Какая нейросеть лучше всего составляет резюме?

Для резюме «под себя» с минимумом правок — Claude Sonnet 4.6: естественный деловой стиль, цена 210/1070 ₽ за 1М токенов. Для особенно важных откликов (топ-позиции, senior-роли, резюме на английском) — Claude Opus 4.7 или GPT-5.5. Если нужен дешёвый из «больших» флагманов — Gemini 3.1 Pro (140/860 ₽). Для черновиков и массового потока (десятки откликов, HR-сервис) — DeepSeek V4 Pro (30/60 ₽) или Qwen 3.6 Plus (20/130 ₽). Русский деловой язык уверенно тянут все перечисленные, разница — в гладкости стиля и цене.

Как составить резюме нейросетью, чтобы оно не звучало шаблонно?

Дайте модели максимум фактуры (конкретные проекты, цифры, метрики) и явные ограничения в промпте: «деловой тон без клише вроде „коммуникабельный, стрессоустойчивый“», «глаголы действия», «не выдумывай факты». Чем больше реальных деталей вы передадите и чем конкретнее опишете формат, тем меньше шаблонности на выходе. Ставьте temperature около 0.4 — это снижает риск выдуманных достижений. Готовые промпты под написание, улучшение и адаптацию резюме приведены выше.

Может ли нейросеть выдумать факты в резюме?

Да, и это главный риск. LLM может уверенно вписать красивое, но ложное достижение или цифру, которых не было в ваших данных, — особенно если промпт расплывчатый. Резюме с выдуманными фактами проваливается на собеседовании. Защита простая: в системном промпте прямо напишите «не выдумывай факты и цифры, которых нет во входных данных», ставьте низкую температуру (0.3-0.4) и обязательно перечитывайте результат перед отправкой. Нейросеть — помощник по формулировкам, а не источник вашего опыта.

Сколько стоит составить резюме нейросетью в рублях?

Резюме — короткий текст, поэтому очень дёшево. Полный цикл «резюме плюс сопроводительное письмо» обойдётся примерно в 1 рубль на Claude Sonnet 4.6, меньше рубля на Gemini 3.1 Pro, доли копейки на DeepSeek и около 2 рублей на GPT-5.5. Даже отправка 30 откликов с уникальным письмом под каждую вакансию укладывается в десятки рублей на флагмане. Платите за токены по официальному прайсу провайдера, пересчитанному по курсу ЦБ, без наценки на токены; сервисная комиссия 5% берётся только при пополнении баланса.

Как адаптировать резюме под конкретную вакансию с помощью ИИ?

Передайте модели два текста — ваше резюме и описание вакансии — и попросите усилить релевантный опыт, использовать ключевые слова из вакансии (там, где они честно соответствуют вашему опыту) и сократить нерелевантное. Обязательно добавьте ограничение «не приписывай навыков, которых нет в резюме». Модели с длинным контекстом (Gemini 3.1 Pro, Claude, GPT-5.5) легко держат оба текста в одном запросе. Готовый промпт и код на Node.js приведены выше. Под каждую новую вакансию делается отдельный прогон — это секунды и доли рубля.

Можно ли оплатить генерацию резюме от юрлица с документами?

Да. Оплата идёт на юр.лицо российское юр.лицо, полный пакет закрывающих документов через ЭДО. На каждое пополнение баланса выдаются договор-оферта, счёт, акт, счёт-фактура и УПД (Диадок или СБИС). Расходы на генерацию текста через API корректно принимаются к учёту как услуги — это актуально для HR-tech, кадровых агентств и карьерных сервисов. Цены на токены — 1-в-1 с провайдером по курсу ЦБ, сервисная комиссия 5% берётся только при пополнении баланса, VPN не требуется.

Если нужно подобрать модель под вашу задачу с резюме или посчитать стоимость генерации под объём (карьерный сервис, поток откликов кадрового агентства, функция «улучшить резюме» в продукте) — напишите команде Promptra напрямую в Telegram: promptra.ru. Не маркетингу и не боту, а живому человеку — вопрос с выбором моделей и расчётом бюджета обычно решается за один разговор.

{/* pillar-backlink:auto */} > 📚 Главный гайд по теме: Нейросеть для бизнеса: 18 задач и какие модели брать — связанные материалы и обзор всей категории.