이력서에서 AI 및 LLM을 사용하여 Python 및 Streamlit을 사용하여 편지까지

이 블로그 게시물은 Python과 LLMS (Liagelsely Ai)를 사용하여 커버 레터 AI 생성기를 만드는 방법을 보여 주며, 처음부터 하나를 구축하는 비용을 피합니다. 많은 사람들 이이 접근 방식을 성공적으로 사용하여 비즈니스를 구축했지만이 자습서는 기술 구현에 중점을 둡니다. 코드는 Github에서 사용할 수 있습니다 Pep Guardiola의 축구 전략의 "Tiki-Taka"에서보다 직접적인 접근 방식으로의 변화는 구직 시장의 변화를 반영합니다. 네트워킹은 여전히 ​​효과적이지만 LinkedIn과 같은 온라인 플랫폼은 실제로 환경을 변경했습니다. AI는이를 향상시켜 이력서와 표지를 조정할 수있는 도구를 제공합니다. 많은 회사가 이러한 서비스를 판매하지만 기본 AI는 종종 Chatgpt 또는 Gemini와 같은 공개 LLM과 유사합니다. 이 튜토리얼은 비슷한 도구를 저렴하게 구축하는 방법을 보여줍니다.

목표는 표지에 중점을 둔 단순하고 저렴한 "이력서 보조"를 만드는 것입니다. 이력서 및 작업 설명을 입력하고 도구는 사용할 수있는 커버 레터를 생성합니다.

llms는 두 가지 주요 작업에 사용됩니다

문서 구문 분석 :

LLM은 이력서에서 관련 정보 (이름, 경험, 기술)를 추출하여 JSON 파일로 저장합니다. 라마 또는 쌍둥이 자리는 비용 효율적인 옵션입니다 커버 레터 생성 :

두 번째 LLM은 구문 분석 이력서 데이터 및 작업 설명을 사용하여 커버 레터를 만듭니다. 다시, 라마 또는 쌍둥이 자리는 적절한 선택입니다

Python 구현은 JSON 파일을 사용하여 일관성과 가독성을 유지하기 위해 프롬프트를 사용합니다. 파일에는 문서 구문 분석 LLM의 프롬프트가 포함되어 있습니다.

"당신은 이력서 파서입니다.이 이력서에서 정보를 추출하여 JSON 파일에 넣을 것입니다. 사전의 키는 First_name, last_name, location, work_experience, school_experience, 기술입니다. 정보를 선택할 때 유지하십시오. 가장 통찰력있는 추적. "

1. 파일에는 커버 레터 생성 LLM의 프롬프트가 포함되어 있습니다. "당신은 구직 전문가이자 커버 레터 작가입니다. 이력서 JSON 파일, 직무 설명 및 날짜가 주어지면이 후보자에 대한 커버 레터를 작성하십시오. 설득력 있고 전문가 JSON : {resume_json} 작업 설명 : {job_description}, 날짜 : {date} " Python 코드 (in

   )는 사용자의 이력서 및 작업 설명과 함께 이러한 프롬프트를 사용하여 선택한 LLM API (예 : LLAMA API)와 상호 작용합니다. 프로세스에는 이력서를로드하고 구문 분석하고 작업 설명을 추가 한 다음 커버 레터를 생성하는 것이 포함됩니다. 간소성 웹 앱은 이력서를 업로드하고 작업 설명을 입력하고 커버 레터를 생성하기위한 사용자 친화적 인 인터페이스를 제공합니다. cover_letter.py

   AI 생성 커버 레터가 효과적이지만 일반적인 톤을 피하기 위해 개인적인 터치를 추가하는 것이 중요합니다. 저자는 Balaji Kesavan, Randy Pettus 및 Juan Esteban Cepeda의 유사한 프로젝트를 언급하여 구직에서 LLM의 혁신적인 사용을 강조합니다. 저자 인 Piero Paialunga는 연락처 정보 및 그의 LinkedIn 프로필, 뉴스 레터 및 업 워크 페이지에 대한 링크를 제공함으로써 결론을 내립니다.

   

위 내용은 이력서에서 AI 및 LLM을 사용하여 Python 및 Streamlit을 사용하여 편지까지의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!