resume ranking

简历排名应用程序

概述

简历排名应用程序是AI驱动的招聘工具，该工具利用大型语言模型（LLM）和高级NLP技术根据工作要求自动评估，分析和排名简历。它是由FastApi，Next.js和OpenAI的GPT模型构建的，它提供了智能的候选人job匹配，并进行了详细的评分和分析。

演示视频

单击上面的图像以观看YouTube上的演示视频。

建筑学

系统体系结构

关键技术

• 后端：Fastapi，Blask，MongoDB
• 前端：next.js，打字稿，parwindcss
• AI/ML ：OpenAi GPT型号，Langchain
• 基础架构：Docker，Nginx，GitHub动作，AWS

特征

职位描述分析

• 智能JD解析：
  • 使用LLM提取关键要求，技能和资格
  • 将数据结构为标准化格式以进行匹配
  • 通过GPT的多语言功能支持多种语言
  • 平均处理时间：3秒

简历分析

• 高级简历处理：
  • 处理PDF和Word文档
  • 使用LLM提取和结构候选信息
  • 确定技能，经验和资格
  • 支持多语言简历
  • 平均处理时间：5-10秒

AI驱动的匹配

• 精致的匹配算法：
  • 使用Langchain来编排复杂的LLM操作
  • 需要结构化数据提取的功能
  • 对工作要求和候选资格的语义理解
  • 多一关系的关系支持
  • 平均处理时间：3-5秒

智能排名

• 智能评估系统：
  • 使用GPT模型生成详细的匹配分析
  • 根据多个标准提供评分
  • 提供AI生成的反馈和评论
  • 根据整体拟合来对候选人进行排名

技术功能

• FastApi集成：

  • 异步请求处理
  • Swagger UI自动API文档
  • 使用Pydantic型号的类型验证

• Langchain实施：

  • 自定义提示工程
  • 结构化输出解析
  • 思想推理链

• OpenAI功能调用：

  • 结构化数据提取
  • 一致的输出格式
  • 增强对LLM响应的控制

文档

有关系统体系结构，API端点和配置选项的详细文档可在用户指南中提供。

入门

1. 克隆存储库：

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

2. 配置环境：

   • 设置OpenAI API密钥：

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

   • 配置前端API URL：

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

3. 构建和运行：

    cd resume-ranking
   docker compose build
   docker compose up

4. 访问应用程序：

   • 前端： http://your-ip-address

发展

• 代码质量：

  • python linting的ruff
  • ESLINT用于打字稿/JavaScript
  • 代码格式的预加压挂钩

• 测试：

  • 用pytest进行单位测试
  • API端点的集成测试
  • 使用React测试库的前端测试

• CI/CD ：

  • 使用GitHub动作自动测试
  • Docker Image构建
  • 部署自动化

贡献者

• pham phu ngoc trai
• 向量nguyen

执照

该项目已根据MIT许可获得许可。