resume ranking

Application de classement de CV

Aperçu

L'application de classement de CV est un outil de recrutement alimenté par AI qui exploite les modèles de grandes langues (LLM) et les techniques de PNL avancées pour évaluer, analyser et rang des curriculum vitae automatiquement en fonction des exigences du travail. Construit avec Fastapi, Next.js et les modèles GPT d'OpenAI, il fournit une correspondance de candidats-emplois intelligente avec une notation et une analyse détaillées.

Vidéo de démonstration

Cliquez sur l'image ci-dessus pour regarder la vidéo de démonstration sur YouTube.

Architecture

Architecture du système

Technologies clés

• Backend : Fastapi, Flask, MongoDB
• Frontend : suivant.js, dactylographié, tailwindcss
• AI / ML : Modèles Openai GPT, Langchain
• Infrastructure : Docker, Nginx, Github Actions, AWS

Caractéristiques

Analyse des description du poste

• Analyse JD intelligente :
  • Extrait les exigences, les compétences et les qualifications clés à l'aide de LLM
  • Structure les données dans le format standardisé pour la correspondance
  • Prend en charge plusieurs langues via les capacités multilingues de GPT
  • Temps de traitement moyen: 3 secondes

Analyse de curriculum vitae

• Traitement CV avancé :
  • Gère les documents PDF et Word
  • Extrait et structure des informations candidates à l'aide de LLM
  • Identifie les compétences, l'expérience et les qualifications
  • Prend en charge les CV multilingues
  • Temps de traitement moyen: 5-10 secondes

Correspondance alimentée par AI

• Algorithme de correspondance sophistiqué :
  • Utilise Langchain pour orchestrer les opérations LLM complexes
  • Fonction appelant à une extraction de données structurée
  • Compréhension sémantique des exigences professionnelles et des qualifications des candidats
  • Support relationnel de plusieurs à plusieurs
  • Temps de traitement moyen: 3-5 secondes

Classement intelligent

• Système d'évaluation intelligente :
  • Génère une analyse de correspondance détaillée à l'aide de modèles GPT
  • Fournit une notation basée sur plusieurs critères
  • Propose des commentaires et des commentaires générés par l'AI
  • Classe les candidats en fonction de l'ajustement global

Caractéristiques techniques

• Intégration Fastapi :

  • Gestion de la demande asynchrone
  • Documentation automatique de l'API avec interface utilisateur de fanfaronnade
  • Validation de type avec des modèles pydantiques

• Implémentation de Langchain :

  • Ingénierie rapide personnalisée
  • Analyse de sortie structurée
  • Chaîne de raisonnement de pensée

• Calling de fonction Openai :

  • Extraction de données structurées
  • Formatage de sortie cohérent
  • Contrôle amélioré sur les réponses LLM

Documentation

Une documentation détaillée sur l'architecture système, les points de terminaison API et les options de configuration sont disponibles dans le guide de l'utilisateur.

Commencer

1. Clone le référentiel :

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

2. Configurer l'environnement :

   • Configurez la clé de l'API Openai:

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

   • Configurer l'URL de l'API Frontend:

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

3. Construire et courir :

    cd resume-ranking
   docker compose build
   docker compose up

4. Application d'accès :

   • Frontend: http://your-ip-address

Développement

• Qualité du code :

  • Ruff pour python lineting
  • Eslint pour TypeScript / JavaScript
  • Crochets pré-comités pour la mise en forme du code

• Tests :

  • Tests unitaires avec Pytest
  • Tests d'intégration pour les points de terminaison de l'API
  • Test de frontend avec bibliothèque de tests React

• CI / CD :

  • Tests automatisés avec des actions GitHub
  • Bâtes d'image Docker
  • Automatisation du déploiement

Contributeurs

• Pham phu ngoc trai
• Vecteur nguyen

Licence

Ce projet est autorisé sous la licence du MIT.