Costruirò un sistema di screening dei CV con AI

E
engr_khaliq
E
engr_khaliq
Abdul Khaliq
Alcune informazioni sono state tradotte automaticamente.

Informazioni su questo servizio

Traduzione automatica.

La maggior parte dei sistemi di screening dei CV semplicemente carica ogni CV in ChatGPT sperando nel meglio. Il problema: gli LLM inventano rilevanza. Un CV che menziona Python in modo tangenziale può ottenere un punteggio alto come uno con reale esperienza in Python.


Io costruisco invece una pipeline di Search Relevance corretta - la stessa architettura usata nei sistemi di raccomandazione in produzione su LinkedIn e Indeed:


1. Espansione della query - trasforma un titolo di lavoro vago in una query semantica ricca

2. Ricerca ibrida - similarità vettoriale (ChromaDB) + filtri di metadati come anni di esperienza

3. Reranking con cross-encoder (FlashRank) - legge insieme JD e CV, correggendo il drift semantico

4. Analisi con LLM - solo i candidati migliori dopo il reranking vengono inviati all'LLM per una valutazione approfondita


Risultato: un punteggio da 0 a 100 per ogni candidato, competenze trovate o mancanti, e una decisione chiara di SHORTLIST/MAYBE/REJECT - niente riassunto vago di "buona compatibilità".


Ciò che ottieni:

- Backend FastAPI con archivio vettoriale persistente

- Interfaccia semplice per caricare JD e CV (PDF, DOCX, TXT)

- Risultati classificati con punteggi trasparenti

- Demo ospitata o codice sorgente completo a seconda del pacchetto


Testo casi limite e documentazione di ciò che costruisco. Contattami prima di ordinare così posso definire bene il progetto.

Scopri di più su Abdul Khaliq

Abdul Khaliq

AI Engineer RAG Systems, LangChain and LLM Integration

  • DaPakistan
  • Membro dafeb 2025
  • Tempo di risposta medio1 ora
  • Lingue

    Inglese, Urdu
Self-taught AI engineer from Karachi who learned by building things that broke, then fixing them properly. I've built a RAG teaching assistant with exact video timestamps, an AI resume screener using hybrid search, and an ML predictor with SHAP explainability. I care if it works when someone else uses it - not impressive-sounding tech alone. I test edge cases, document my work, and fix what breaks. I work in Python, FastAPI, LangChain, and LLM integration (OpenAI, Groq) - systems that retrieve and reason accurately, not just generate text. If "works in the demo" isn't enough, let's talk.

Traduzione automatica.

Il mio portfolio

Altri servizi della categoria Sviluppo AI offerti da me