履歴書ランキングアプリケーション
概要
Resumeランキングアプリケーションは、大規模な言語モデル（LLM）と高度なNLPテクニックを活用して、ジョブ要件に基づいて履歴書を自動的に評価、分析、ランク付けするAI駆動の募集ツールです。 Fastapi、Next.js、およびOpenaiのGPTモデルで構築され、詳細なスコアリングと分析と一致するインテリジェントな候補ジョブを提供します。
デモビデオ
上の画像をクリックして、YouTubeでデモビデオをご覧ください。
建築
システムアーキテクチャ
重要なテクノロジー
- バックエンド：Fastapi、Flask、Mongodb
- FRONTEND ：next.js、typescript、tailwindcss
- AI/ML ：Openai GPTモデル、Langchain
- インフラストラクチャ：Docker、Nginx、Github Actions、AWS
特徴
職務内容分析
- インテリジェントなJD解析：
- LLMを使用した主要な要件、スキル、および資格を抽出します
- データをマッチングのために標準化された形式に構成します
- GPTの多言語機能を通じて複数の言語をサポートします
- 平均処理時間：3秒
履歴書分析
- 高度なCV処理：
- PDFとWordドキュメントを処理します
- LLMを使用した抽出および構造候補情報
- スキル、経験、資格を特定します
- 多言語の履歴書をサポートします
- 平均処理時間：5〜10秒
AI駆動のマッチング
- 洗練されたマッチングアルゴリズム：
- 複雑なLLM操作を調整するためにLangchainを使用します
- 構造化されたデータ抽出を要求する関数
- 職務要件と候補者の資格に関する意味的な理解
- 多くの関係のサポート
- 平均処理時間：3〜5秒
インテリジェントランキング
- スマート評価システム：
- GPTモデルを使用して詳細な一致分析を生成します
- 複数の基準に基づいてスコアリングを提供します
- AIに生成されたフィードバックとコメントを提供します
- 全体的な適合に基づいて候補者をランク付けします
技術的な機能
Fastapi統合：
- 非同期リクエスト処理
- Swagger UIを使用した自動APIドキュメント
- Pydanticモデルを使用したタイプ検証
Langchain実装：
- カスタムプロンプトエンジニアリング
- 構造化された出力解析
- 思考の推論の連鎖
Openai関数呼び出し：
- 構造化されたデータ抽出
- 一貫した出力フォーマット
- LLM応答に対する制御の強化
ドキュメント
システムアーキテクチャ、APIエンドポイント、および構成オプションに関する詳細なドキュメントは、ユーザーガイドで入手できます。
はじめる
リポジトリをクローンします：
git clone https://github.com/vectornguyen76/resume-ranking.git
環境の構成：
- Openai APIキーをセットアップします：
# analysis_service/.env
OPENAI_API_KEY= " your-key "
- フロントエンドAPI URLを構成します：
# frontend/.env.production
NEXT_PUBLIC_API_URL=http:// < your-ip-address > /backend
ビルドと実行：
cd resume-ranking
docker compose build
docker compose up
アクセスアプリケーション：
- FrontEnd：
http://your-ip-address
発達
コード品質：
- Python LintingのRuff
- TypeScript/JavaScriptのESLINT
- コードフォーマット用の事前コミットフック
テスト：
- pytestを使用した単体テスト
- APIエンドポイントの統合テスト
- Reactテストライブラリを使用したフロントエンドテスト
CI/CD ：
- GitHubアクションによる自動テスト
- Docker画像がビルドします
- 展開自動化
貢献者
- Pham Phu ngoc Trai
- ベクターnguyen
ライセンス
このプロジェクトは、MITライセンスの下でライセンスされています。
