PortfolioGPT

Portfoliogpt

Portfoliogpt é uma análise de portfólio avançada AI Assistente de IA, projetada para ajudar os usuários a analisar e entender os dados do portfólio. Ele usa ferramentas especializadas para acessar e interpretar dados do portfólio da Faisal, fornecendo informações sobre habilidades, tipos de obras e retomar as informações.

Características

• Análise de Habilidades : Recupera informações detalhadas sobre habilidades, incluindo idiomas, estruturas e ferramentas.
• Categorização do trabalho : analisa e categoriza tipos de trabalho com base em habilidades.
• Recuperação de retomada : fornece o url de currículo para acesso rápido.
• Compreensão contextual : oferece explicações e informações detalhadas sobre os dados do portfólio.

Configurar

1. Clone o repositório:

   git clone https://github.com/faisal-fida/PortfolioGPT.git
   cd PortfolioGPT

2. Instale dependências:

   pip install -r requirements.txt

3. Configurar variáveis ​​de ambiente:

   cp .env.example .env
   # Update .env with your API keys and configuration 

Uso

Execute o script principal para analisar os dados do portfólio:

python main.py

Componentes

main.py

Orquestra o processo geral de consulta e análise de dados do portfólio usando as ferramentas e instruções definidas.

app/config.py

Lida com as configurações de configuração e variáveis ​​de ambiente.

app/toolkit.py

Define a classe PortfolioToolkit , que gerencia as ferramentas usadas para recuperação e análise de dados.

app/portfolio_agent/tools.py

Contém a ferramenta SkillsData que interage com a API do portfólio para buscar e processar dados de habilidades.

app/portfolio_agent/cleaning.py

Fornece funções para limpar e formatar os dados de portfólio recuperado.

app/portfolio_agent/api_wrapper.py

Implementa a classe PortfolioAPIWrapper para interagir com a API do portfólio e recuperar dados.

Desafios e soluções

• Integração de dados : integrar várias fontes de dados e garantir a consistência foi desafiadora. Resolvamos isso implementando funções robustas de limpeza e formatação de dados.
• Interação da API : garantir a comunicação confiável com a API do portfólio exigia um manuseio cuidadoso de solicitações e respostas.
• Manuseio rápido complexo : a criação de instruções eficazes para o modelo de idioma envolveu ajustes finos e testes iterativos para obter respostas precisas e relevantes.

Contribuindo

As contribuições são bem -vindas! Envie questões ou retire solicitações para melhorar o projeto.

Licença

Este projeto está licenciado sob a licença do MIT. Consulte o arquivo de licença para obter detalhes.