Proyek ini mengevaluasi CVS untuk kualifikasi visa O-1A menggunakan fastapi backend dan model bahasa Openai. Ia menggunakan sistem generasi pengambilan (RAG) pengambilan untuk meningkatkan proses evaluasi dengan memanfaatkan konteks dokumen yang relevan.
Klon Repositori:
git clone git clone https://github.com/ako1983/simple_cv_evaluation_for_O1.git
cd my_cv_evaluation_appBuat lingkungan virtual dan instal dependensi:
python -m venv venv
source venv/bin/activate # On Windows, use `venvScriptsactivate`
pip install -r requirements.txtJalankan aplikasi FASTAPI:
uvicorn app:app --reload --port 8000Gunakan skrip loader untuk mengevaluasi CV:
python query_data.py " how do you get qualified for O1 Visa " App.py: Kode aplikasi FASTAPI, termasuk titik akhir untuk membuat database, menanyakan, dan mengevaluasi CVS.
create_database.py: skrip untuk menginisialisasi dan mengelola toko vektor chroma.
get_embedding_function.py: Menentukan fungsi embedding yang digunakan untuk pemrosesan dokumen.
loader.py: skrip untuk mengirim file cv ke titik akhir fastapi untuk evaluasi.
query_data.py: Menangani permintaan database Chroma untuk konteks dokumen yang relevan.
Persyaratan.txt: Daftar dependensi yang diperlukan untuk proyek.
README.MD: Tinjauan Proyek, Instruksi Pengaturan, dan Pedoman Penggunaan.
/ create_database Deskripsi: Menginisialisasi atau mengatur ulang toko vektor chroma dengan dokumen dari data/ direktori.
Metode: Parameter Posting: Reset (boolean, opsional) - Reset database jika benar. Respons: Pesan yang menunjukkan status pembuatan database.
/query_database Deskripsi: Mengambil dokumen yang relevan dari database berdasarkan kueri. Metode: Badan Permintaan Posting: query_text (String): Kueri untuk mencari dokumen yang relevan. Respons: Respons (String): Tanggapan yang dihasilkan dari model. Sumber (Daftar): Daftar ID dokumen yang digunakan sebagai konteks.
/Mengevaluasi Deskripsi: Mengevaluasi CV untuk kualifikasi visa O-1A menggunakan konteks dokumen dari database. Metode: Badan Permintaan Posting: CV_TEXT (String): Konten CV yang akan dievaluasi. Respons: Evaluasi (String): Penilaian model atas kualifikasi CV.
Lihat docs/ Direktori untuk informasi terperinci tentang pilihan desain dan cara mengevaluasi output.
Membuat database:
curl -X POST " http://127.0.0.1:8000/create_database?reset=true "Menanyakan database:
curl -X POST " http://127.0.0.1:8000/query_database " -H " Content-Type: application/json " -d ' {"query_text": "specific question or keyword"} 'Mengevaluasi CV:
curl -X POST " http://127.0.0.1:8000/evaluate " -H " Content-Type: application/json " -d ' {"cv_text": "CV content here"} '