Vom Lebenslauf zum Anschreiben mit AI und LLM mit Python und stromanischer Sprache

Dieser Blog -Beitrag zeigt, wie ein Anschreiben -AI -Generator mit Python und leicht verfügbaren Großsprachmodellen (LLMs) erstellt wird, wodurch die Kosten für die Erstellung eines von Grund auf vermieden werden. Viele haben diesen Ansatz erfolgreich verwendet, um Unternehmen aufzubauen, aber dieses Tutorial konzentriert sich auf die technische Implementierung. Der Code ist auf GitHub verfügbar.

Pep Guardiolas Verschiebung der Fußballstrategie von "Tiki-Taka" zu einem direkteren Ansatz spiegelt eine Veränderung des Arbeitsmarktes wider. Während das Networking effektiv bleibt, haben Online -Plattformen wie LinkedIn die Landschaft verändert. KI verbessert dies weiter und bietet Werkzeuge an, um Lebensläufe und Anschreiben zu maßgenzufahren. Während viele Unternehmen diese Dienstleistungen verkaufen, ähnelt die zugrunde liegende KI häufig der öffentlich verfügbaren LLMs wie Chatgpt oder Gemini. Dieses Tutorial zeigt, wie ein vergleichbares Werkzeug billig erstellt wird.

Ziel ist es, einen einfachen, kostengünstigen "Lebenslauf -Assistenten" zu erstellen, der sich auf Anschreiben konzentriert. Sie geben Ihren Lebenslauf und Ihre Stellenbeschreibung ein, und das Tool generiert ein Anschreiben, das für die Verwendung bereit ist.

llms werden für zwei Schlüsselaufgaben verwendet:

1. Dokument analysieren: und LLM extrahiert relevante Informationen (Name, Erfahrung, Fähigkeiten) aus dem Lebenslauf und speichert sie als JSON -Datei. Lama oder Gemini sind kostengünstige Optionen.
2. Begleitschreiben Generierung: Eine zweite LLM verwendet die analysierten Lebenslaufdaten und die Stellenbeschreibung, um das Anschreiben zu erstellen. Wieder sind Lama oder Gemini geeignete Entscheidungen.

Die Python -Implementierung verwendet JSON -Dateien, um Eingabeaufforderungen zu erhalten, um Konsistenz und Lesbarkeit zu erhalten. Die Datei resume_parser_api.json enthält die Eingabeaufforderung für das Dokument an Parsen LLM:

"Sie sind ein Lebenslauf -Parser. Sie extrahieren Informationen aus diesem Lebenslauf und setzen sie in eine JSON -Datei. Verfolgung der aufschlussreichsten. "

Die Datei cover_letter_api.json enthält die Eingabeaufforderung für die Anschreiben -Erzeugung LLM:

"Sie sind Experte für Jobsuche und ein Anschreibenautor. Angegeben eine JSON -Datei, die Stellenbeschreibung und das Datum, schreiben Sie ein Anschreiben für diesen Kandidaten. Jobbeschreibung: {Job_Description}, Datum: {Datum} "

Der Python -Code (in cover_letter.py) verwendet diese Eingabeaufforderungen zusammen mit dem Lebenslauf und der Stellenbeschreibung des Benutzers, um mit der ausgewählten LLM -API (z. B., LLAMA -API) zu interagieren. Der Prozess beinhaltet das Laden des Lebenslaufs, das Parsen, das Hinzufügen der Stellenbeschreibung und das Erzeugen des Anschreibens.

Eine streamlit-Web-App bietet eine benutzerfreundliche Schnittstelle zum Hochladen des Lebenslaufs, der Eingabe der Stellenbeschreibung und zum Generieren des Anschreibens.

Während AI-generierte Anschreiben effektiv sind, ist es entscheidend, eine persönliche Note hinzuzufügen, um einen generischen Ton zu vermeiden. Der Autor erwähnt ähnliche Projekte von Balaji Kesavan, Randy Pettus und Juan Esteban Cepeda, wobei die innovative Verwendung von LLMs bei der Arbeitsplatzjagd hervorgehoben wird. Der Autor Piero Paialunga schließt mit der Bereitstellung von Kontaktinformationen und Links zu seinem LinkedIn -Profil, Newsletter und Upwork -Seite.

Das obige ist der detaillierte Inhalt vonVom Lebenslauf zum Anschreiben mit AI und LLM mit Python und stromanischer Sprache. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!