resume intelligence

retomar a inteligência de pesquisa

Retomar a pesquisa usando consultas naturais. Aplicação de demonstração usando o OpenAI RAG API e o OpenSource VLM Model para retomar a análise comparativa.
Isso ajudaria os parceiros de talentos e gerentes de engenharia a obter informações específicas do currículo.

Objetivo

O objetivo do currículo inteligência seria apoiar a consulta de linguagem natural em um conjunto de currículos. Pode ser usado para fazer uma análise comparativa de currículos. Digamos que temos 4 ou 5 currículos de possíveis engenheiros de software algumas das consultas, que devem permitir que você dispare

1. Algum dos candidatos tem experiência em gerenciamento de equipes?
2. Quem tem mais experiência em Java e Docker em um conjunto de currículos?

Geração sintética de currículo

Neste experimento, você precisa de currículos.
Em vez de procurar dados da Internet, usei a API Chagpt para gerar um currículo.
Eu usei a chamada de função do OpenAI e saída de resposta estruturada para obter a saída JSON.
Depois de ter o JSON, você pode convertê -lo no documento de currículo em PDF.

   OPENAI_KEY=<substitute your key>

   # Install python packages locally.
   pip install -r requirements.txt
   python ui_gen_resume.py

Como correr

Este exemplo pode ser executado na máquina/laptop Windows local. Ele não possui requisitos especiais em termos de GPU, você precisa selecionar 2 currículos no aplicativo da interface do usuário, digite a consulta na caixa Prompt.
e pressionar o envio.
O usuário precisa digitar na tecla OpenAI no arquivo .env que está presente na raiz da pasta.
Exemplo de arquivo .env

   OPENAI_KEY= <openai key>
   vector_store_resume=resume_compare
   MODEL=gpt-4o-2024-11-20
   # individual file is put into vector store if value is FALSE
   CONCAT_PDF=False
   # instruction for assistant is chosen based on this. Possible values ( individual_pdf|concat_pdf)
   INSTRUCTION_ID=individual_pdf
   # Path where generated pdf resumes are stored.
   RESUME_PATH=.\resumes

   python ui_resume_compare_multi.py

Interface do usuário

Abordagens

Aqui eu uso abordagens de pano

1. RAG - com o OpenAIAI Openi possui API Assistant, que tem opção de armazenar a representação vetorial do documento e pesquisar contra o mesmo. Consulte AQUI PARA A PESQUISA DE ARQUIVOS DE DOCUMEBRAÇÃO sobre como usar a API de pesquisa de arquivos, eu encaminhei o excelente blog e a essência de Simon Wilson, ele fez o código de exemplo

2. RAG - Com o OpenSource Colpali, essa é a abordagem do uso do VLM. Planejo usar Byaldi que usa internamente o Colpali, consulte o Notebook, que tem um bate -papo de código de amostra com PDF usando Byaldi ainda não estou para implementar isso.

Usando a pesquisa de arquivos OpenAi

Esta é uma abordagem direta. Eu uso as APIs OpenAI para criar uma loja de vetores e adicionar todos os documentos em PDF à loja de vetores. Post que crie um assistente e anexe o Vector Store ao Assistente

Concatenação de arquivos - não é necessário

A pesquisa de arquivos do OpenAI, parece não estar funcionando bem em experimentos anteriores, para consultas que estão tocando em vários documentos. A solução inicial parece concatenar os arquivos e fazer upload no Vector Store. No entanto, isso foi um entendimento incorreto sobre como apresentar instruções para modelar

Para melhorar a resposta, isso significa com avicução que, as instruções ou o prompt do sistema devem ser ajustados para que você obtenha resultados corretos. Aqui está o meu e estou implorando o modelo para fazer a pesquisa correta.

 You are dilligent assistant specializing in analyzing resume for technology industry . Your goal is to find the a individual resume closely matched per the requirement from user
1. ** location of resume ** - Vector store has resume of individual candidates . Name of the vector store is resume_compare .
2  ** format of resume ** - Vector store has resume of individual candidates in pdf format. Name of the pdf would be firstname followed by underscore last name . E.g Rajesh_Kumar.pdf
3  ** vector store** - Vector store resume_compare belongs to the user/owner, whose is calling the api 
4  ** role descriptions** - For job role description such as engineering manager , devops engineer , software engineer , use your knowledge based gained from pre-training. 
5  ** Resume Search Strategy** - Search across ALL documents in vector store .Consider partial matches across multiple documents .Use multiple search queries for different aspects (skills, experience, etc.) 
6  ** Search Depth ** - Perform multiple searches with varied keywords. Use both exact and semantic matching.
7  ** Result Aggregation ** - Combine result from multiple searches . Cross-reference finding across documents. 
8  ** key qualitifications ** - For finding key qualifications or experiences for role/work , use your knowledge base and pre-training. 
9  ** resume search** - For Candidates's resume and their capability ,skills , experience for a role/work , you must use file_search tool and attached vector store. Resume will always be present in vector store.
10  ** resume presence** - Resume will always present in vector store attached to assistant . Do not prompt to ask user on resume.
11  ** Dillgence ** - Please search dilligently . you seem to miss the fact that resume files are present in vectore store resume_compare.
12  ** Technical Skills** -  In the resume take a deep look at work experience section .Focus on relevant programming languages, frameworks, tools, and certifications (e.g., Python, Java, AWS, Docker). Highlight these clearly.
13.  ** Job Match** - Compare the resume with provided job descriptions. Focus on matching key technologies ,business and opetational knowledge and job experience, and note areas where the candidate doesn’t meet the requirements.
14.  ** Projects & Experience** - Prioritize large-scale projects or leadership roles in tech teams. Identify open-source contributions or significant technical achievements.