Recruitment Agency के लिए Claude Code: Job Post और Scout Message तेज़ी से बनाने का तरीका

शुक्रवार की शाम थी, और मेरे बगल वाली सीट पर बैठा career advisor सिर पकड़े बैठा था।

इस हफ्ते उसके पास 12 नई vacancies आ गई थीं। हर एक के लिए job post तैयार करना, हर पद के लिए 10-10 candidates ढूंढना, और फिर हर candidate को scout message लिखना। काम संभल नहीं रहा था, तो उसने पिछली बार भेजे गए एक scout message को copy-paste किया और सिर्फ company का नाम और पद बदलकर भेज दिया। अगले दिन एक candidate का जवाब आया: “आपने जो पिछली कंपनी का नाम लिखा है, वह मेरी कंपनी नहीं है।”

बदलना भूल गया था। Recruitment agency में काम करते हुए यह गलती हर किसी से एक बार ज़रूर होती है। Scout message में संख्या मायने रखती है, लेकिन एक message की लापरवाही पूरा भरोसा एक झटके में तोड़ देती है। इस “quantity बनाम quality” की उलझन को मैंने Claude Code के साथ एक practical हद तक हल करके देखा। आज मैं वही तरीका copy-paste करने लायक रूप में बता रहा हूं।

मुख्य बातें

• Recruitment agency में job post और scout message बनाने का काम तब तेज़ होता है जब “draft बनाने का काम” Claude Code को सौंपा जाए और सिर्फ final फैसला इंसान अपने हाथ में रखे।
• पूरा काम AI पर मत छोड़िए; job की जानकारी और candidate summary को structured रूप में दीजिए, और tone व मना किए गए शब्दों को rule बना दीजिए — यही असली बात है।
• Personal data के मामले में नाम और contact छुपाइए, सिर्फ पद, अनुभव और skill दीजिए। यह मानकर चलिए कि raw data को training में इस्तेमाल न होने देने का setting पहले से हो।
• 10 scout messages के draft मेरे यहां लगभग 90 मिनट से घटकर 20 मिनट कुछ ज़्यादा रह गए। “बदलना भूल जाने” वाली गलती को एक check script रोक देता है।
• copy-paste करने लायक prompt template और company-name की गलती को मशीन से जांचने वाला Node.js script नीचे दिया है।

Recruitment agency में समय कहां पिघल जाता है

जिस पाठक को मैं सामने रखकर लिख रहा हूं, वह दोनों तरफ संभालने वाला (both-sided) या candidate-side career advisor है। एक अकेला व्यक्ति 20 से 40 vacancies संभालता है और हफ्ते में दर्जनों scout भेजता है। client कंपनियों के साथ meetings भी होती हैं। मेज़ पर बैठकर लिखने का समय असल में उतना मिलता ही नहीं।

लिखने के नज़रिए से recruitment agency का workflow कुछ इस तरह दिखता है:

1. client कंपनी से सुनकर hiring requirements लेना
2. requirements को job board या अपने DB में डालने लायक job post में ढालना
3. database से candidates खोजना और match के हिसाब से छांटना
4. हर candidate के लिए scout message (या recommendation) लिखना
5. जवाब का इंतज़ार करना और interview की तारीख तय करना

इनमें से step 2 और 4 हाथ से लिखने का काम है। एक ही पद के लिए भी job post हर कंपनी में थोड़ा अलग होता है, और scout message में हर candidate के लिए “आपको ही क्यों” वाली एक पंक्ति न हो तो message खुला तक नहीं जाता। यह सब हाथ से करने पर एक व्यक्ति का दिन में 2 से 3 घंटे चला जाता है।

आम rework और परेशानियां

मैंने field में जो बार-बार होने वाली परेशानियां सुनीं, उन्हें table में रखा है।

परेशानी	वजह	नतीजा
scout में company/पद बदलना भूल जाना	copy-paste आदत	भरोसा गया, जवाब शून्य
job post की भाषा board के नियम तोड़ती है	उम्र/लिंग सीमित करने वाले शब्द	listing वापस
हर candidate की पंक्ति template जैसी	समय की कमी, बार-बार वही	open rate गिरती है
भाषा पुरानी, फालतू लंबी	पुराने text का दोबारा इस्तेमाल	पढ़ा नहीं गया

ये सब “नए सिरे से लिखने की मेहनत” और “लापरवाही से copy-paste करने के लालच” के बीच होती हैं। Claude Code इसी बीच की जगह में काम आता है — यानी “base अपने आप बना लो, और सिर्फ आखिरी पंक्ति और तथ्य की जांच इंसान करे”।

AI को क्या सौंपें और इंसान क्या ज़रूर तय करे

यह रेखा शुरू में ही न खींची जाए तो गलती होती है। मेरा rule यह है।

step	Claude Code को सौंपें	इंसान ज़रूर तय करे
job post सुधारना	structure और भाषा का draft	salary, location, ज़रूरी requirements के तथ्य
board नियम जांचना	खतरनाक शब्दों की ओर इशारा	listing करने या न करने का final फैसला
scout draft	message का ढांचा और एक पंक्ति का सुझाव	candidate से वादे, बढ़ा-चढ़ाकर तो नहीं
candidate summary	अनुभव के मुख्य बिंदु	personal data का इस्तेमाल

मूल बात एक ही है। तथ्य और वादे इंसान के हाथ में रहें। AI “तेज़ और देखने में अच्छा” लिखने में माहिर है, पर उसे यह नहीं पता कि वह vacancy सचमुच 70 lakh की package देती है या नहीं, और वह candidate सचमुच वह skill रखता है या नहीं। AI को सौंपने लायक चीज़ भाषा है, तथ्य नहीं। इन दोनों को गड्डमड्ड किया तो बढ़ा-चढ़ाकर लिखे scout से शिकायत आएगी।

अगर आप AI या Claude Code को पहली बार छू रहे हैं, तो पहले non-engineers के लिए Claude Code introduction पढ़ लीजिए — इससे यह अंदाज़ा बनेगा कि क्या सौंपा जा सकता है और क्या नहीं।

Use case 1: requirements memo से job post का draft बनाना

client कंपनी से सुनकर लिया गया memo अक्सर बिखरे हुए bullet points होता है। इसे पढ़ने लायक job post में ढालना पहला automation point है।

सौंपने से पहले दी जाने वाली जानकारी को structured कीजिए। बिखरा memo ऐसे ही फेंक देंगे तो AI कमी वाली जानकारी अपने आप भर देगा और न होने वाली सुविधाएं भी लिख देगा। इन हिस्सों में बांटकर देना ट्रिक है।

• पद / position का नाम
• ज़रूरी और पसंदीदा requirements (सिर्फ तथ्य)
• salary range, location, employment type
• hiring की वजह (नई जगह, खाली पद आदि)
• जो शब्द नहीं डालने (उम्र, लिंग की सीमा आदि)

इस समय job post के template और मना किए शब्दों को project के rule के रूप में याद करा दें तो हर बार बताना नहीं पड़ेगा। तरीका CLAUDE.md लिखने का तरीका में मिलेगा।

Use case 2: candidate summary से scout message बड़ी संख्या में बनाना

असली मोर्चा यहीं है। हर candidate के लिए एक ऐसी पंक्ति डालनी है कि message खोलने का मन हो। हाथ से करने पर यह सबसे थकाऊ step है, पर structure कर दिया जाए तो यह AI का पसंदीदा क्षेत्र है।

scout message में जो चीज़ें ज़रूर हों, उनकी checklist बनाई है। draft तैयार हो जाए तो इंसान इससे आंख से जांचे।

• शुरुआत में “आपको ही क्यों भेजा” साफ़ है?
• vacancy का company नाम और पद सही है (बदलना नहीं भूले)?
• कोई बढ़ा-चढ़ाकर या तथ्य से अलग वादा तो नहीं?
• candidate के अनुभव पर कोई अपमानजनक धारणा तो नहीं?
• अंत में action (interview की पेशकश) एक ही पर सिमटी है?

10 लोगों के लिए एक-एक हाथ से लिखें तो डेढ़ घंटा। summary को structured करके एक साथ draft निकालें और ऊपर वाली checklist से इंसान सुधारे, तो मेरे यहां 20 मिनट कुछ ज़्यादा लगे।

Use case 3: board नियम और भाषा की self-check

job post और scout message में कुछ शब्द employment law और board नियमों के तहत टालने चाहिए। “young candidates welcome”, “currently many men working here” जैसे उम्र/लिंग सीमित करने वाले शब्द इसके आम उदाहरण हैं। इन्हें Claude Code से पहली जांच करवाइए।

लेकिन final फैसला इंसान का है। AI का इशारा “चूक रोकने वाला alert” है, यह कानूनी रूप से सही या गलत होने की गारंटी नहीं देता। इसे बस इंसान की आंख की मदद करने वाला मानकर रखिए।

copy-paste करने लायक scout message prompt template

यह prompt सीधे चिपकाकर इस्तेमाल कर सकते हैं। candidate की जानकारी में नाम और contact हटाकर डालिए।

आप एक recruitment agency के career advisor के लेखन सहायक हैं।
नीचे दी शर्तों पर scout message का draft बनाइए।

# vacancy की जानकारी
- company नाम: (आधिकारिक नाम ज्यों का त्यों)
- पद:
- ज़रूरी requirements:
- आकर्षक बिंदु: (सिर्फ तथ्य, बढ़ा-चढ़ाकर मना)

# candidate summary (नाम और contact शामिल न करें)
- मौजूदा पद और industry:
- मुख्य अनुभव और skill:
- संभावित रुझान:

# output नियम
- 200 से 300 अक्षर। शुरुआत में "इस व्यक्ति को क्यों भेज रहे हैं" साफ़ लिखें।
- तथ्य से बाहर का record या package न लिखें। वादे न बढ़ाएं।
- उम्र या लिंग सीमित करने वाले शब्द न इस्तेमाल करें।
- अंत में action सिर्फ "casual interview की पेशकश" एक ही रखें।
- company नाम और पद दिए गए text को ज्यों का त्यों रखें, बदलें नहीं।

इस prompt की जान आखिरी दो पंक्तियां हैं। action को एक पर सिमटाना और company नाम/पद को बदलने न देना। इतने भर से reply rate और गलती की दर काफी बदल जाती है। prompt की सटीकता और बढ़ानी हो तो prompt design के advanced तरीके भी देख लीजिए।

“बदलना भूल जाने” को मशीन से रोकने वाला check script

शुरुआत में बताई गई company-name वाली गलती। वह सिर्फ इंसान की आंख से ज़रूर दोबारा होगी। इसलिए तैयार scout message में कोई “गलत company नाम” तो नहीं घुसा, यह मशीन से जांचते हैं। Node.js पर चलने वाला छोटा script है। scout.txt में draft और allow.json में इस बार इस्तेमाल करने लायक company नाम डालकर चलाइए।

import { readFile } from "node:fs/promises";

// allow list: { "company": "सही company नाम", "ng": ["पुराने case के company नाम आदि"] }
const allow = JSON.parse(await readFile(new URL("./allow.json", import.meta.url), "utf8"));
const text = await readFile(new URL("./scout.txt", import.meta.url), "utf8");

const problems = [];

// 1. क्या सही company नाम message में है
if (!text.includes(allow.company)) {
  problems.push(`सही company नाम "${allow.company}" message में नहीं है`);
}

// 2. जो company नाम नहीं घुसने चाहिए वे तो नहीं (बदलना भूलने की जांच)
for (const ng of allow.ng ?? []) {
  if (text.includes(ng)) {
    problems.push(`मना किया company नाम "${ng}" बचा है। शायद बदलना भूल गए`);
  }
}

// 3. उम्र/लिंग सीमित करने वाले शब्द तो नहीं
const banned = ["young", "men only", "women only", "20s only"];
for (const word of banned) {
  if (text.includes(word)) problems.push(`सावधानी वाला शब्द "${word}" शामिल है`);
}

if (problems.length === 0) {
  console.log("check OK: भेजने से पहले की मशीन जांच पास हुई");
} else {
  console.log("भेजना रोकें। नीचे की चीज़ें ठीक करें:");
  for (const p of problems) console.log(" - " + p);
  process.exit(1);
}

चलाना बस इतना है।

node check-scout.mjs

allow.json का उदाहरण ऐसा होगा।

{
  "company": "Sample Pvt Ltd",
  "ng": ["पिछली बार वाला company नाम", "दूसरे case का company नाम"]
}

समस्या हुई तो exit code 1 के साथ रुक जाएगा, इसलिए इसे भेजने के flow में जोड़ देने पर “बदलना भूलकर भेज देना” physically होना ही बंद हो जाता है। शुरुआत में मेरे साथी की गलती, यह script होती तो रुक जाती। Claude Code खुद कैसे शुरू करें, यह पहली बार Claude Code देखकर 10 मिनट में चल जाता है।

Personal data और security की सावधानियां

Recruitment agency तो वैसे ही इंसान के career जैसी सबसे संवेदनशील personal जानकारी संभालने वाला काम है। यहां लापरवाही की तो efficiency नहीं, गलती होगी। मैं जो rule मानता हूं वे ये हैं।

• नाम, फोन नंबर, email, मौजूदा कंपनी का पहचान बता देने वाला department नाम — ये AI को न दें। सिर्फ पद, अनुभव के साल और skill रखें।
• candidate की पहचान बता सकने वाली जानकारी कंपनी के बाहर वाली unmanaged service में paste न करें। जिस AI का इस्तेमाल कर रहे हैं उसकी setting में input data को training में इस्तेमाल न होने देने वाला contract/setting रखें।
• निकला हुआ draft भेजने से पहले इंसान तथ्य और नामों को ज़रूर जांचे।
• client कंपनी की गोपनीय जानकारी (company-name छुपी vacancy आदि) के मामले में कंपनी से तय सीमा से बाहर न जाएं।

employment law के दिशानिर्देश जैसे भाषा और personal data के इस्तेमाल की पहली जानकारी Anthropic के usage policies पेज पर मिलती है। हर board के नियमों के साथ इन्हें अपनी कंपनी के rule में ढाल लीजिए।

इस्तेमाल से पहले और बाद में क्या बदला (ROI का अंदाज़ा)

ये आंकड़े मेरे अपने अनुमान हैं, इन्हें reference मानकर देखिए।

चीज़	पहले	बाद में
10 scout messages का draft	लगभग 90 मिनट	लगभग 20 मिनट
1 job post सुधारना	लगभग 30 मिनट	लगभग 10 मिनट
company नाम बदलना भूलना	कभी-कभी होता था	check script से शून्य

10 scout में लगभग 70 मिनट बचने का हिसाब है। हफ्ते में 30 भेजते हों तो मोटे तौर पर 3 घंटे से ज़्यादा candidates से बातचीत और सुनने में लगा सकते हैं। Recruitment agency की कीमत लिखने में नहीं, बल्कि इंसान और कंपनी को परखने में है, इसलिए बचा हुआ समय वहीं लौटा पाना ही असली फायदा है, ऐसा मुझे लगता है।

अक्सर पूछे जाने वाले सवाल

Q. AI के लिखे job post या scout message को ज्यों का त्यों भेज दूं तो ठीक है? नहीं। उसे draft की तरह इस्तेमाल कीजिए, और company नाम, salary, requirements जैसे तथ्य व नाम इंसान ज़रूर जांचे। AI को तथ्य नहीं पता होते।

Q. candidate का नाम और contact दिए बिना अच्छा scout message कैसे बनेगा? बन जाएगा। scout message को चाहिए सिर्फ “इस अनुभव वाले व्यक्ति को क्यों भेज रहे हैं”, और इसके लिए पद, अनुभव व skill काफी हैं। नाम और contact का message की quality से कोई संबंध नहीं।

Q. क्या सारे message एक जैसे (template जैसे) नहीं हो जाएंगे? structured candidate summary एक-एक करके देंगे तो शुरुआत की पंक्ति बदलती रहेगी। template जैसा तब लगता है जब summary को लापरवाही से समेटकर फेंक दिया जाए।

Q. हमारे यहां IT department नहीं है, क्या check script चला पाएंगे? Node.js डालने पर कुछ ही पंक्तियों में चल जाता है। मुश्किल लगे तो कंपनी के business-improvement वाले व्यक्ति से training/परामर्श के ज़रिए इसे जोड़ने पर बात कर सकते हैं।

असल में आज़माने के बाद का नतीजा

मैंने असली vacancies जैसी काल्पनिक data से 3 job post और 10 scout messages बनाकर जांचा। मैंने तीन चीज़ें परखीं।

पहली, 10 scout messages का draft समय। हाथ से लिखने के अनुभव वाले 90 मिनट के मुकाबले, structured summary देने पर 20 मिनट कुछ ज़्यादा तक गिर गया। शुरुआत की पंक्ति भी, summary एक-एक करके बदलने पर template जैसी नहीं रही।

दूसरी, check script का असर। जानबूझकर पुराने case का company नाम छोड़े 4 draft मिला दिए, तो चारों में exit code 1 आया और रुक गए। उम्र सीमित करने वाले शब्द भी पकड़े गए। सिर्फ इंसान की आंख पर भरोसा करता तो कुछ message ज़रूर छूट जाते।

तीसरी, personal data दिए बिना quality गिरती है या नहीं। नाम और contact हटाकर सिर्फ पद और अनुभव देने पर भी scout message का असर वैसा ही रहा। उल्टा “career की इस बात ने खींचा” वाला मूल बना रहा और पढ़ने में आसान लगा।

निष्कर्ष यह कि recruitment agency का scout काम “पूरी तरह automatic” से ज़्यादा “draft AI, तथ्य और एक पंक्ति इंसान, final जांच मशीन” वाला तीन-स्तरीय तरीका सबसे practical निकला। अपनी efficiency और बढ़ानी हो तो productivity tips भी काम के हैं। कंपनी के तौर पर काम में जोड़ना हो तो training/परामर्श से शुरू कीजिए, और खुद पहले हाथ चलाना चाहें तो शिक्षण सामग्री/free PDF से।