resume ranking

Lebenslauf -Ranking -Anwendung

Überblick

Die Lebenslauf-Ranking-Anwendung ist ein Rekrutierungsinstrument mit KI-angetriebenen Rekrutierung, das Großsprachmodelle (LLM) und fortschrittliche NLP-Techniken nutzt, um die Lebensläufe automatisch zu bewerten, zu analysieren und zu rangieren, basierend auf den Arbeitsanforderungen. Es wurde mit Fastapi, Next.js und OpenAIs GPT-Modellen erstellt und bietet intelligente Kandidaten-Arbeiten mit detailliertem Wert und Analyse.

Demo -Video

Klicken Sie auf das Bild oben, um das Demo -Video auf YouTube anzusehen.

Architektur

Systemarchitektur

Schlüsseltechnologien

• Backend : Fastapi, Flask, MongoDB
• Frontend : Next.js, TypeScript, Tailwindcss
• AI/ML : OpenAI -GPT -Modelle, Langchain
• Infrastruktur : Docker, Nginx, GitHub -Aktionen, AWS

Merkmale

Stellenbeschreibung Analyse

• Intelligent JD Parsing :
  • Extrahiert die wichtigsten Anforderungen, Fähigkeiten und Qualifikationen mit LLM
  • Strukturdaten in standardisiertes Format für die Übereinstimmung
  • Unterstützt mehrere Sprachen durch die mehrsprachigen Fähigkeiten von GPT
  • Durchschnittliche Verarbeitungszeit: 3 Sekunden

Lebenslaufanalyse

• Erweiterte CV -Verarbeitung :
  • Behandelt PDF- und Wortdokumente
  • Auszüge und Strukturen Kandidateninformationen mit LLM
  • Identifiziert Fähigkeiten, Erfahrung und Qualifikationen
  • Unterstützt mehrsprachige Lebensläufe
  • Durchschnittliche Verarbeitungszeit: 5-10 Sekunden

AI-betriebene Matching

• Ausgefugter Matching -Algorithmus :
  • Verwendet Langchain zum Orchestrieren komplexer LLM -Operationen
  • Funktionsanruf für strukturierte Datenextraktion
  • Semantisches Verständnis der Arbeitsanforderungen und Kandidatenqualifikationen
  • Viele-zu-Viele-Beziehungsunterstützung
  • Durchschnittliche Verarbeitungszeit: 3-5 Sekunden

Intelligentes Ranking

• Smart Evaluation System :
  • Generiert eine detaillierte Übereinstimmungsanalyse mit GPT -Modellen
  • Bietet Bewertung basierend auf mehreren Kriterien
  • Bietet AI-generierte Feedback und Kommentare an
  • Ränge Kandidaten basierend auf der Gesamtanpassung

Technische Funktionen

• Fastapi -Integration :

  • Async -Anfragehandhabung
  • Automatische API
  • Typvalidierung mit pydantischen Modellen

• Langchain -Implementierung :

  • Benutzerdefinierte Eingabeaufforderung
  • Strukturierte Ausgangsanalyse
  • Gedankenkette

• OpenAI -Funktion Aufruf :

  • Strukturierte Datenextraktion
  • Konsistente Ausgangsformatierung
  • Verbesserte Kontrolle über LLM -Antworten

Dokumentation

Eine detaillierte Dokumentation zu Systemarchitektur, API -Endpunkten und Konfigurationsoptionen finden Sie im Benutzerhandbuch.

Erste Schritte

1. Klonen Sie das Repository :

   git clone https://github.com/vectornguyen76/resume-ranking.git

2. Umgebung konfigurieren :

   • Richten Sie den OpenAI -API -Schlüssel ein:

      # analysis_service/.env
     OPENAI_API_KEY= " your-key "

   • Konfigurieren Sie die Frontend -API -URL:

      # frontend/.env.production
     NEXT_PUBLIC_API_URL=http:// < your-ip-address > /backend

3. Bauen und rennen :

    cd resume-ranking
   docker compose build
   docker compose up

4. Zugriffsanwendung :

   • Frontend: http://your-ip-address

Entwicklung

• Codequalität :

  • Ruff für die Python -Linie
  • Eslint für Typscript/JavaScript
  • Pre-Commit-Haken für die Codeformatierung

• Tests :

  • Unit -Tests mit PyTest
  • Integrationstests für API -Endpunkte
  • Frontend -Test mit React Testing Library

• CI/CD :

  • Automatisierte Tests mit GitHub -Aktionen
  • Docker -Bild erstellt
  • Bereitstellungsautomatisierung

Mitwirkende

• Pham Phu Ngoc Trai
• Vektor Nguyen

Lizenz

Dieses Projekt ist unter der MIT -Lizenz lizenziert.