resume ranking

Резюме ранжирование приложения

Обзор

Приложение для ранжирования резюме представляет собой инструмент найма на основе AI, который использует крупные языковые модели (LLM) и расширенные методы NLP для автоматической оценки, анализа и ранжирования резюме на основе требований работы. Построенный из моделей Fastapi, Next.js и Openai's GPT, он обеспечивает интеллектуальное сопоставление кандидата в Job с подробным результатом и анализом.

Демо -видео

Нажмите на изображение выше, чтобы посмотреть демонстрационное видео на YouTube.

Архитектура

Системная архитектура

Ключевые технологии

• Бэкэнд : Fastapi, Flask, Mongodb
• Frontend : Next.js, TypeScript, TailWindcss
• AI/ML : Openai GPT Models, Langchain
• Инфраструктура : Docker, Nginx, GitHub Actions, AWS

Функции

Анализ описания работы

• Интеллектуальный диаграмма JD :
  • Извлекает ключевые требования, навыки и квалификации с использованием LLM
  • Структуры данных в стандартизированный формат для сопоставления
  • Поддерживает несколько языков через многоязычные возможности GPT
  • Среднее время обработки: 3 секунды

Анализ резюме

• Расширенная обработка резюме :
  • Обрабатывает PDF и документы Word
  • Извлечения и структуры кандидата с использованием LLM
  • Определяет навыки, опыт и квалификации
  • Поддерживает многоязычные резюме
  • Среднее время обработки: 5-10 секунд

AI-мощный сопоставление

• Сложный алгоритм соответствующего сопоставления :
  • Использует Langchain для оркестрирования комплексных операций LLM
  • Функция, призывающая к извлечению структурированных данных
  • Семантическое понимание требований к работе и кандидатов
  • Поддержка отношений многих ко многим
  • Среднее время обработки: 3-5 секунд

Умный рейтинг

• Умная система оценки :
  • Генерирует подробный анализ соответствия с использованием моделей GPT
  • Обеспечивает оценку на основе нескольких критериев
  • Предлагает сгенерированные AI обратную связь и комментарии
  • Ранжирует кандидатов на основе общей подгонки

Технические функции

• Интеграция FASTAPI :

  • Асинхронная обработка запроса
  • Автоматическая документация по API с Swagger UI
  • Валидация типа с моделями Pydantic

• Реализация Langchain :

  • Пользовательская бытовая инженерия
  • Структурированный выходной сигнал
  • Цепочка мышления

• Openai функция вызовы :

  • Структурированное извлечение данных
  • Последовательное форматирование выходного сигнала
  • Усиленный контроль над ответами LLM

Документация

Подробная документация по архитектуре системы, конечных точкам API и параметрам конфигурации доступна в Руководстве пользователя.

Начиная

1. Клонировать репозиторий :

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

2. Настройка среды :

   • Установите ключ API OpenAI:

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

   • Настройка URL API Frontend:

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

3. Стройте и бегите :

    cd resume-ranking
   docker compose build
   docker compose up

4. Приложение доступа :

   • Frontend: http://your-ip-address

Разработка

• Качество кода :

  • Рюша для питона
  • Eslint for TypeScript/JavaScript
  • Предварительные крючки для форматирования кода

• Тестирование :

  • Модульные тесты с pytest
  • Интеграционные тесты для конечных точек API
  • Тестирование на фронте с помощью библиотеки испытаний React

• CI/CD :

  • Автоматизированное тестирование с действиями GitHub
  • Docker Image создает
  • Автоматизация развертывания

Участники

• Pham phu ngoc trai
• Вектор Нгуен

Лицензия

Этот проект лицензирован по лицензии MIT.