simple_cv_evaluation_for_O1

CV 평가 앱

이 프로젝트는 Fastapi 백엔드 및 OpenAi의 언어 모델을 사용하여 O-1A 비자 자격에 대한 CV를 평가합니다. 관련 문서 컨텍스트를 활용하여 평가 프로세스를 향상시키기 위해 검색 된 세대 생성 (RAG) 시스템을 사용합니다.

설정

1. 저장소 복제 :

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

2. 가상 환경을 만들고 종속성을 설치하십시오.

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

3. Fastapi 응용 프로그램 실행 :

   uvicorn app:app --reload --port 8000

4. 로더 스크립트를 사용하여 CV를 평가하십시오.

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

프로젝트 구조

app.py : 데이터베이스 생성, 쿼리 및 CV 평가를위한 엔드 포인트를 포함한 FastApi 응용 프로그램 코드.

Create_database.py : Chroma 벡터 저장소를 초기화하고 관리하기위한 스크립트.

get_embedding_function.py : 문서 처리에 사용되는 임베딩 기능을 정의합니다.

loader.py : 평가를 위해 CV 파일을 Fastapi 엔드 포인트로 보내는 스크립트.

query_data.py : 관련 문서 컨텍스트에 대한 Chroma 데이터베이스 쿼리를 처리합니다.

요구 사항 .txt : 프로젝트에 필요한 종속성 목록.

readme.md : 프로젝트 개요, 설정 지침 및 사용 지침.

API 엔드 포인트

/ create_database 설명 : 데이터/ 디렉토리의 문서로 Chroma 벡터 저장소를 초기화하거나 재설정합니다.

방법 : POST 매개 변수 : 재설정 (부울, 선택 사항) - true 인 경우 데이터베이스를 재설정합니다. 응답 : 데이터베이스 생성 상태를 나타내는 메시지.

/query_database 설명 : 쿼리를 기반으로 데이터베이스에서 관련 문서를 검색합니다. 방법 : Post Request Body : Query_Text (String) : 관련 문서를 검색 할 쿼리. 응답 : 응답 (문자열) : 모델에서 생성 된 응답. 소스 (목록) : 컨텍스트로 사용되는 문서 ID 목록.

/평가 : 설명 : 데이터베이스의 문서 컨텍스트를 사용하여 O-1A 비자 자격에 대한 CV를 평가합니다. 방법 : Post Request Body : CV_Text (String) : 평가할 CV 컨텐츠. 응답 : 평가 (문자열) : 모델의 CV 자격 평가.

선적 서류 비치

설계 선택 및 출력 평가 방법에 대한 자세한 정보는 docs/ 디렉토리를 참조하십시오.

사용 예제

데이터베이스 생성 :

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

데이터베이스 쿼리 :

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

CV 평가 :

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