simple_cv_evaluation_for_O1

CV評価アプリ

このプロジェクトは、FastAPIバックエンドとOpenaiの言語モデルを使用して、O-1A Visa資格のCVSを評価します。関連するドキュメントのコンテキストを活用することにより、検索された生成（RAG）システムを採用して評価プロセスを強化します。

設定

1. リポジトリをクローンします：

   git clone git clone https://github.com/ako1983/simple_cv_evaluation_for_O1.git
   cd my_cv_evaluation_app

2. 仮想環境を作成し、依存関係をインストールします。

   python -m venv venv
   source venv/bin/activate  # On Windows, use `venvScriptsactivate`
   pip install -r requirements.txt

3. FASTAPIアプリケーションを実行します：

   uvicorn app:app --reload --port 8000

4. ローダースクリプトを使用して、履歴書を評価します。

   python query_data.py " how do you get qualified for O1 Visa " 

プロジェクト構造

App.py：データベースの作成、クエリ、および評価のためのエンドポイントを含むFastAPIアプリケーションコード。

create_database.py：Chroma Vectorストアの初期化と管理のためのスクリプト。

get_embeding_function.py：ドキュメント処理に使用される埋め込み関数を定義します。

Loader.py：評価のためにCVファイルをFastAPIエンドポイントに送信するスクリプト。

query_data.py：関連するドキュメントコンテキストのChromaデータベースのクエリを処理します。

要件：TXT：プロジェクトに必要な依存関係のリスト。

readme.md：プロジェクトの概要、セットアップ手順、および使用ガイドライン。

APIエンドポイント

/ create_database説明：データ/ディレクトリのドキュメントでChroma Vectorストアを初期化またはリセットします。

方法：パラメーターの投稿：リセット（ブール、オプション） - trueの場合はデータベースをリセットします。応答：データベース作成のステータスを示すメッセージ。

/query_database説明：クエリに基づいてデータベースから関連するドキュメントを取得します。方法：リクエストボディ：query_text（string）：関連するドキュメントを検索するクエリ。応答：応答（文字列）：モデルからの生成された応答。ソース（リスト）：コンテキストとして使用されるドキュメントIDのリスト。

/評価説明：データベースのドキュメントコンテキストを使用して、O-1Aビザの資格のCVを評価します。方法：リクエストボディ：CV_Text（String）：評価されるCVコンテンツ。応答：評価（文字列）：CVの資格に関するモデルの評価。

ドキュメント

設計の選択と出力の評価方法に関する詳細については、 docs/ Directoryを参照してください。

使用例

データベースの作成：

curl -X POST " http://127.0.0.1:8000/create_database?reset=true "

データベースのクエリ：

curl -X POST " http://127.0.0.1:8000/query_database " -H " Content-Type: application/json " -d ' {"query_text": "specific question or keyword"} '

CVの評価：

curl -X POST " http://127.0.0.1:8000/evaluate " -H " Content-Type: application/json " -d ' {"cv_text": "CV content here"} '