Laddro DocsLaddro Docs

Bygga AI-agenter med Laddro

Bygga AI-agenter med Laddro

Använd Laddro Career API för att bygga autonoma agenter som hanterar karriäruppgifter, från CV-anpassning till massansökningar.

Vad agenter kan göra

AgenttypBeskrivning
CV-anpassningsagentTar ett CV och en lista med jobb-URL:er, anpassar CV:t för varje jobb, exporterar PDF:er
JobbansökningsbotTolkar ett CV, matchar mot jobbsajter, anpassar och genererar personliga brev för varje
Karriärcoach-agentAnalyserar ett CV, föreslår förbättringar, skriver om svaga sektioner
Massexport-agentRenderar ett CV med alla 22 mallar, jämför layouter
Intervjuförberedelse-agentLäser anpassat CV och jobbeskrivning, genererar troliga intervjufrågor

Arkitektur

Användare
Agent (Claude Code / LangChain / Anpassad)
Laddro Career API
Tolka CV
Anpassa för jobb
Generera personligt brev
Exportera PDF

Din agent anropar API-endpoints direkt (REST) eller använder MCP-servern (för Claude-baserade agenter). API:et hanterar AI-bearbetning, PDF-rendering och datalagring.

Alternativ 1: MCP-baserad agent (Claude Code)

Det snabbaste sättet. Konfigurera MCP-servern och Claude anropar verktygen automatiskt.

{
  "mcpServers": {
    "laddro": {
      "command": "npx",
      "args": ["-y", "@laddro/career-mcp"],
      "env": { "LADDRO_API_KEY": "YOUR_API_KEY" }
    }
  }
}

Be sedan Claude:

"Tolka mitt CV från resume.pdf, anpassa det för denna jobbannons
på https://example.com/senior-engineer, och generera ett personligt brev.
Exportera båda som PDF:er med Graphite-mallen."

Claude kedjar API-anropen: tolka, anpassa, generera personligt brev, exportera.

Alternativ 2: REST API-agent (valfritt ramverk)

Bygg en anpassad agent med valfritt ramverk som LangChain, CrewAI, AutoGen eller ren kod.

CV-anpassningsagent (Python)

import requests

API_KEY = "YOUR_API_KEY"
BASE = "https://api.laddro.com/v1"
HEADERS = {"x-api-key": API_KEY, "Content-Type": "application/json"}

def tailor_for_jobs(resume_id, job_descriptions):
    results = []
    for jd in job_descriptions:
        resp = requests.post(f"{BASE}/tailor", headers=HEADERS, json={"resumeId": resume_id, "jobDescription": jd})
        tailored = resp.json()
        resp = requests.post(f"{BASE}/cover-letters/generate", headers=HEADERS, json={"resumeId": resume_id, "jobDescription": jd})
        cover_letter = resp.json()
        resp = requests.post(f"{BASE}/export", headers=HEADERS, json={"resumeId": resume_id, "templateId": "graphite"})
        results.append({"job": jd[:50], "tailored": tailored, "coverLetter": cover_letter})
    return results

API-endpoints för agenter

EndpointKrediterAnvändning
POST /v1/resumes/parse2Ladda in CV från PDF/DOCX
POST /v1/tailor3Anpassa CV för ett specifikt jobb
POST /v1/cover-letters/generate2Generera riktat personligt brev
POST /v1/export1Exportera CV som PDF
PUT /v1/resumes/{id}/render1Rendera med specifik mall
GET /v1/templates0Lista tillgängliga mallar
GET /v1/resumes0Lista användarens CV:n

Kreditplanering för agenter

Ett typiskt arbetsflöde per jobbansökan:

StegKrediter
Tolka CV (en gång)2
Anpassa för jobb3
Generera personligt brev2
Exportera CV-PDF1
Exportera personligt brev-PDF1
Totalt per jobb9 (7 efter första tolkningen)

Med gratisversionen (50 krediter/månad) kan du söka ca 7 jobb. Prenumeranter (200/månad) kan söka ca 28. Köp kreditpaket för högre volymer.

Bästa praxis

  1. Tolka en gång, anpassa många Tolka CV:t en gång och återanvänd resumeId för all anpassning och generering av personliga brev.
  2. Använd streaming För användarvänliga agenter, använd SSE-streaming (Accept: text/event-stream) så att användare ser resultat i realtid.
  3. Hantera 402-fel Kontrollera kreditsaldot före batchoperationer. API:et returnerar 402 Payment Required när krediterna tar slut.
  4. Använd BYOK för volym Om du bygger en agent med hög volym, använd BYOK med din egen AI-leverantörsnyckel för att undvika AI-kostnader per förfrågan.
  5. Var medveten om hastighetsbegränsningar Publika endpoints: 30 förfr/min. Skyddade: 100 förfr/min. Bygg in backoff för 429-svar.

On this page