ResumeFlow

ResumeFlow: un pipeline facilitée par la LLM pour la génération et le raffinement de CV personnalisés

Pour une démonstration vidéo, visitez le lien YouTube: https://youtu.be/agl7UGYU1N4

Le projet peut être:

• Accès en tant qu'outil Web à partir de https://resumeflow.streamlit.app/
• Installez en tant que package Python à partir de https://pypi.org/project/zlm/
• Téléchargez comme code source depuis https://github.com/ztrimus/job-llm.git

Tous les autres bogues, correctifs, commentaires et demandes de fonctionnalités connus peuvent être signalés sur la page des problèmes GitHub.

Autonomiser les autres, tout comme ils vous ont aidé! Contribuer à ce projet open source et faire une différence. Créez une branche, améliorez le code et soulevez une demande de traction!

Liste des auteurs et des contributeurs

• Saurabh Zinjad | Ztrimus | [email protected]
• Amey Bhilegaonkar | Ameygoes | [email protected]
• Amrita Bhattacharjee | Amritabh | [email protected]

1. Introduction:

1.1. Notre proposition

Nous visons à créer un système automatisé qui fait de la demande d'emplois un jeu d'enfant. La chasse au travail a de nombreuses étapes, et nous voyons une chance d'automatiser les choses et d'utiliser LLM (modèle de langue) pour la rendre encore plus fluide. Nous examinons différentes manières, à la fois l'habitude et certaines nouvelles idées, pour intégrer LLM dans le processus de demande d'emploi. L'objectif est de réduire ce que vous devez faire et de laisser LLM faire son truc, ce qui vous facilite le processus.

1.2. Références

• 40+ statistiques de CV génial [2023]: ce que les demandeurs d'emploi doivent savoir

1.3. Reportez-vous à ce document pour plus de détails.

2. Configuration, installation et utilisation

2.1. Condition préalable

• OS: Linux, Mac
• Python: 3.11.6 et supérieur
• Clé API LLM: Openai ou Gemini Pro

2.2. Installation du package - Utiliser comme bibliothèque

pip install zlm

• Usage

 from zlm import AutoApplyModel

job_llm = AutoApplyModel (
    api_key = "PROVIDE_API_KEY" , 
    provider = "ENTER PROVIDER <gemini> or <openai>" ,
    downloads_dir = "[optional] ENTER FOLDER PATH WHERE FILE GET DOWNLOADED, By default, 'downloads' folder"
)

job_llm . resume_cv_pipeline (
    "ENTER_JOB_URL" , 
    "YOUR_MASTER_RESUME_DATA" # .pdf or .json
) # Return and downloads curated resume and cover letter.

2.4. Code de configuration et d'exécution - Utiliser comme projet

git clone https://github.com/Ztrimus/job-llm.git
cd job-llm

1. Créez et activez un environnement Python (utilisez python -m venv .env ou Conda ou etc.) pour éviter tout conflit de dépendance de package.
2. Installer le package de poésie (outil de gestion des dépendances et d'emballage)

   pip install poetry

3. Installez tous les packages requis.
   • Reportez-vous à pyproject.toml ou poésie.lock pour la liste des packages.

     poetry install

     OU
   • Si la commande ci-dessus ne fonctionne pas, nous avons également fourni le fichier exigence.txt. Mais, nous vous recommandons d'utiliser la poésie.

     pip install -r resources/requirements.txt

4. Nous devons également installer des packages suivants en conversion du latex en PDF
   • Pour Linux

     sudo apt-get install texlive-latex-base texlive-fonts-recommended texlive-fonts-extra

     Remarque: essayez sudo apt-get update si le terminal incapable de localiser le package.
   • Pour mac

     brew install basictex
     sudo tlmgr install enumitem fontawesome

5. Si vous voulez exécuter des modèles Olllama

   ollama pull llama3.1

6. Exécutez le script suivant pour obtenir le résultat

>>> python main.py /
    --url " JOB_POSTING_URL " /
    --master_data= " JSON_USER_MASTER_DATA " /
    --api_key= " YOUR_LLM_PROVIDER_API_KEY " / # put api_key considering provider
    --downloads_dir= " DOWNLOAD_LOCATION_FOR_RESUME_CV " /
    --provider= " openai " # openai, gemini 

3. Citations

Si vous trouvez Jobllm utile dans vos recherches ou vos applications, veuillez envisager de nous donner une étoile? et le citant.

 @inproceedings { 10.1145/3626772.3657680 ,
author = { Zinjad, Saurabh Bhausaheb and Bhattacharjee, Amrita and Bhilegaonkar, Amey and Liu, Huan } ,
title = { ResumeFlow: An LLM-facilitated Pipeline for Personalized Resume Generation and Refinement } ,
series = { SIGIR '24 } ,
booktitle = { Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval } ,
publisher = { Association for Computing Machinery } ,
doi = { 10.1145/3626772.3657680 } ,
url = { https://doi.org/10.1145/3626772.3657680 } ,
year = { 2024 } ,
isbn = { 9798400704314 } ,
location = { Washington DC, USA } ,
address = { New York, NY, USA } ,
}

 @misc { zinjad2024resumeflow ,
      title = { ResumeFlow: An LLM-facilitated Pipeline for Personalized Resume Generation and Refinement } , 
      author = { Saurabh Bhausaheb Zinjad and Amrita Bhattacharjee and Amey Bhilegaonkar and Huan Liu } ,
      year = { 2024 } ,
      eprint = { 2402.06221 } ,
      archivePrefix = { arXiv } ,
      primaryClass = { cs.CL }
}

4. Licence

JoBLLM est sous la licence MIT et est soutenu pour l'utilisation commerciale.

5. TODO

Besoin de trouver un moyen d'installer la commande suivante dans Streamlit

ollama
playwright
" ollama pull llama3.1 "
" ollama pull bge-m3 " 

4. Références

• Directives d'ingénierie rapide
• Modèle de curriculum vitae de latex surtouche
• Combinant latex avec Python
• Documentation OpenAI