resume ranking

Retomar o aplicativo de classificação

Visão geral

O aplicativo de classificação de currículo é uma ferramenta de recrutamento de IA que aproveita os grandes modelos de idiomas (LLM) e as técnicas avançadas de PNL para avaliar, analisar e classificar automaticamente currículos com base nos requisitos de trabalho. Construído com os modelos GPT da FASTAPI, NEXT.JS e OPENAI, ele fornece uma combinação inteligente de candidatos-trabalho com pontuação e análise detalhadas.

Vídeo de demonstração

Clique na imagem acima para assistir ao vídeo de demonstração no YouTube.

Arquitetura

Arquitetura do sistema

Tecnologias -chave

• Back -end : FASTAPI, Flask, MongoDB
• Frontend : Next.js, TypeScript, Tailwindcsss
• AI/ML : modelos OpenAI GPT, Langchain
• Infraestrutura : Docker, Nginx, Ações do GitHub, AWS

Características

Análise de descrição do trabalho

• Inteligente JD Parsing :
  • Extrai requisitos, habilidades e qualificações importantes usando LLM
  • Estruturas dados em formato padronizado para correspondência
  • Suporta vários idiomas através dos recursos multilíngues da GPT
  • Tempo médio de processamento: 3 segundos

Análise de currículo

• Processamento avançado de CV :
  • Lida com documentos de PDF e Word
  • Extratos e estruturas de informações candidatas usando LLM
  • Identifica habilidades, experiência e qualificações
  • Suporta currículos multilíngues
  • Tempo médio de processamento: 5-10 segundos

Combinação movida a IA

• Algoritmo de correspondência sofisticado :
  • Usa Langchain para orquestrar operações complexas LLM
  • Função chamando a extração de dados estruturada
  • Compreensão semântica dos requisitos de trabalho e qualificações de candidatos
  • Many-to-Muley Apoio ao relacionamento
  • Tempo médio de processamento: 3-5 segundos

Classificação inteligente

• Sistema de avaliação inteligente :
  • Gera análise de correspondência detalhada usando modelos GPT
  • Fornece pontuação com base em vários critérios
  • Oferece feedback e comentários gerados pela IA
  • Classifica os candidatos com base no ajuste geral

Recursos técnicos

• Integração do FASTAPI :

  • Manuseio de solicitação assíncrona
  • Documentação automática da API com interface do usuário Swagger
  • Tipo de validação com modelos pydantic

• Implementação de Langchain :

  • Engenharia rápida personalizada
  • Análise de saída estruturada
  • Cadeia de raciocínio de pensamento

• Chamada de função OpenAI :

  • Extração de dados estruturados
  • Formatação de saída consistente
  • Controle aprimorado sobre as respostas LLM

Documentação

A documentação detalhada sobre arquitetura do sistema, terminais da API e opções de configuração está disponível no guia do usuário.

Começando

1. Clone o repositório :

   git clone https://github.com/vectornguyen76/resume-ranking.git

2. Configurar o ambiente :

   • Configure a tecla API OpenAI:

      # analysis_service/.env
     OPENAI_API_KEY= " your-key "

   • Configure URL da API de front -end:

      # frontend/.env.production
     NEXT_PUBLIC_API_URL=http:// < your-ip-address > /backend

3. Construir e correr :

    cd resume-ranking
   docker compose build
   docker compose up

4. Aplicativo de acesso :

   • Frontend: http://your-ip-address

Desenvolvimento

• Qualidade de código :

  • Ruff para linha de python
  • Eslint para TypeScript/JavaScript
  • Ganchos pré-comprometidos para formatação de código

• Teste :

  • Testes de unidade com pytest
  • Testes de integração para pontos de extremidade da API
  • Testes de front -end com React Testing Library

• CI/CD :

  • Testes automatizados com ações do GitHub
  • Docker Image Builds
  • Automação de implantação

Colaboradores

• Pham Phu Ngoc Trai
• Vetor Nguyen

Licença

Este projeto está licenciado sob a licença do MIT.