resume ranking

Aplicación de clasificación de reanudación

Descripción general

La aplicación de clasificación de currículums es una herramienta de reclutamiento de IA que aprovecha los modelos de idiomas grandes (LLM) y las técnicas avanzadas de PNL para evaluar, analizar y clasificar automáticamente currículums según los requisitos de trabajo. Construido con Fastapi, Next.js y los modelos GPT de OpenAI, proporciona una coincidencia inteligente de trabajo candidato con puntuación y análisis detallados.

Video de demostración

Haga clic en la imagen de arriba para ver el video de demostración en YouTube.

Arquitectura

Arquitectura del sistema

Tecnologías clave

• Backend : Fastapi, Flask, MongoDB
• Frontend : next.js, typeScript, tailwindcss
• AI/ML : Modelos Operai GPT, Langchain
• Infraestructura : Docker, Nginx, Github Actions, AWS

Características

Análisis de descripción del trabajo

• Parsing inteligente de JD :
  • Extrae requisitos, habilidades y calificaciones clave utilizando LLM
  • Estructura datos en formato estandarizado para la coincidencia
  • Admite múltiples idiomas a través de las capacidades multilingües de GPT
  • Tiempo de procesamiento promedio: 3 segundos

Análisis de reanudación

• Procesamiento avanzado de CV :
  • Maneja documentos PDF y Word
  • Extrae y estructuras información candidata utilizando LLM
  • Identifica habilidades, experiencia y calificaciones
  • Admite currículums multilingües
  • Tiempo de procesamiento promedio: 5-10 segundos

Coincidencia de IA

• Algoritmo de juego sofisticado :
  • Utiliza langchain para orquestaciones de operaciones de LLM complejo
  • Función que pide extracción de datos estructurados
  • Comprensión semántica de los requisitos de trabajo y calificaciones de candidatos
  • Apoyo a la relación de muchos a muchos
  • Tiempo de procesamiento promedio: 3-5 segundos

Ranking inteligente

• Sistema de evaluación inteligente :
  • Genera un análisis de coincidencia detallado utilizando modelos GPT
  • Proporciona puntuación basada en criterios múltiples
  • Ofrece comentarios y comentarios generados por IA
  • Rangos de los candidatos basados ​​en el ajuste general

Características técnicas

• Integración de Fastapi :

  • Manejo de solicitudes de async
  • Documentación automática de la API con UI Swagger
  • Validación de tipo con modelos pydantic

• Implementación de Langchain :

  • Ingeniería rápida personalizada
  • Análisis de salida estructurado
  • Razonamiento de la cadena de pensamiento

• Función OpenAI llamando :

  • Extracción de datos estructurados
  • Formato de salida consistente
  • Control mejorado sobre las respuestas de LLM

Documentación

La documentación detallada sobre la arquitectura del sistema, los puntos finales de API y las opciones de configuración está disponible en la guía del usuario.

Empezando

1. Clon el repositorio :

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

2. Configurar entorno :

   • Configurar la tecla API de OpenAI:

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

   • Configurar URL API frontend:

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

3. Construir y ejecutar :

    cd resume-ranking
   docker compose build
   docker compose up

4. Aplicación de acceso :

   • Frontend: http://your-ip-address

Desarrollo

• Calidad del código :

  • Ruff para pelusas de Python
  • Eslint para TypeScript/JavaScript
  • Ganchos previos al compromiso para el formato de código

• Prueba :

  • Pruebas unitarias con pytest
  • Pruebas de integración para puntos finales de API
  • Prueba de frontend con la biblioteca de pruebas react

• CI/CD :

  • Pruebas automatizadas con acciones de GitHub
  • Se construye la imagen de Docker
  • Automatización de implementación

Colaboradores

• Pham Phu Ngoc Trai
• Vector Nguyen

Licencia

Este proyecto tiene licencia bajo la licencia MIT.