AI导哈

AI职位推荐系统

一个基于Groq LLaMA 3.3-70B和Apify的AI职位推荐系统，提供简历解析、技能差距分析、职业路线图及实时职位推荐功能。

  • by chitaki10
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 chitaki10/Job_Recommender_System_with_MCP

使用说明

基于MCP的人工智能作业推荐系统

上传您的简历并获取 基于人工智能的工作推荐，技能 差距分析和个性化职业路线图——由Groq提供支持 LLaMA 3.3-70B和LinkedIn和Naukri的实时工作列表 蜂房。

🔗 现场演示：
https://chitaki10-job-recommender-system-with-mcp-app-eynbly.streamlit.app

目录

  • 特性
  • 建筑学
  • 技术栈
  • 入门指南
  • API密钥设置
  • MCP工具服务器
  • 项目结构
  • 结果
  • 许可证

特性

  • 简历解析---从上传的PDF简历中提取原始文本 使用PyMuPDF\
  • 简历摘要---法学硕士总结了你的技能、经验和 配置文件（秒）\
  • 技能差距分析——识别缺失的技能、证书、， 以及需要改进的领域\
  • 职业路线图---个性化6--12个月计划：技能 学习、建设项目、追求证书\
  • 实时工作推荐——从领英获取实时工作 和Naukri通过Apify API\
  • MCP工具服务器——作为MCP工具公开的核心功能

建筑学

user uploads Résumé (PDF)
│
▼
Extract PDF Text (PyMuPDF)
│
▼
Groq LLaMA 3.3-70B (LLM)
│
├── Summary
├── Skill Gap
├── Career Roadmap
└── Job Keywords
│
├──────────────┬───────────────┐
▼              ▼
LinkedIn Jobs  Naukri Jobs
(Apify Actor)  (Apify Actor)
│
└──────────────┬───────────────┘
▼
Job Recommendations UI

技术栈

组件技术

UI流式显示 LLM Groq API——骆驼-3.3-70b通用型 PDF解析PyMuPDF 作业报废Apify MCP服务器MCP Python SDK 包装管理器uv 部署Streamlit云

入门指南

克隆存储库

git clone https://github.com/chitaki10/Job_Recommender_System_with_MCP.git
cd Job_Recommender_System_with_MCP

再进行

uv venv
uv add -r requirements.txt

创建.env文件

GROQ_API_KEY=your_groq_api_key_here
APIFY_API_TOKEN=your_apify_api_token_here

运行应用程序

uv run streamlit run app.py

MCP工具服务器

运行MCP服务器：

uv run python mcp_server.py

检验员测试：

npx @modelcontextprotocol/inspector uv run python mcp_server.py

可用工具：

  • extract_text_from_pdf
  • ask_groq
  • fetch_linkedin_jobs
  • fetch_naukri_jobs

项目结构

Job_Recommender_System_with_MCP/
│
├── app.py
├── mcp_server.py
├── requirements.txt
├── pyproject.toml
├── .env
├── .gitignore
│
└── src/
    ├── __init__.py
    └── helper.py

结果

  • 秒内生成简历摘要\
  • 提供技能差距分析\
  • 生成职业路线图\
  • 已获取120个实时作业

联系

github：https://github.com/chitaki10 chitakin876@gmail.com

相关 MCP