Reactive-Resume - AI 驱动的简历匹配分析工具

更多AI开源软件：

这是一个基于 AI 的免费开源工具，可用于提升简历质量。它通过解析简历和职位描述，模拟求职者跟踪系统（ATS），并利用 FastEmbed 技术计算简历与职位描述的匹配程度，最后给出简历的修改建议，从而提高简历通过自动筛选系统的概率。

5200 Stars 2300 Forks 24 Issues 31 贡献者 Apache-2.0 License Python 语言

代码: GitHub - srbhr/Resume-Matcher: Resume Matcher is an open source, free tool to improve your resume. It works by using language models to compare and rank resumes with job descriptions.

主页: https://www.resumematcher.fyi/

主要功能

**解析**：系统使用 Python 来解析您的简历和提供的职位描述，就像 ATS 一样。
**关键字提取**：该工具使用先进的机器学习算法从职位描述中提取最相关的关键字。这些关键词代表雇主寻求的技能、资格和经验。
**关键术语提取**：除了关键字提取之外，该工具还使用 textacy 来识别职位描述中的主要关键术语或主题。此步骤有助于了解简历内容的更广泛背景。
**使用 FastEmbedded 的向量相似度**：该工具使用 FastEmbed（一种高效的嵌入系统）来衡量您的简历与职位描述的匹配程度。它们越相似，您的简历通过 ATS 筛选的可能性就越高。

安装和使用

在此处创建存储库的分支。

克隆 fork 的存储库。

git clone https://github.com/<YOUR-USERNAME>/Resume-Matcher.git
cd Resume-Matcher

创建 Python 虚拟环境：
- 使用 virtualenv：
  
  *注意*：在此处查看如何在您的系统上安装 virtualenv 链接。
```
virtualenv env
```
**或**
- 创建 Python 虚拟环境：
```
python -m venv env
```

激活虚拟环境。

在 Windows 上。
```
env\Scripts\activate
```
在 macOS 和 Linux 上。
```
source env/bin/activate
```

**可选（对于 pyenv 用户）**

使用 pyenv 运行应用程序（请参阅此文章)

构建依赖项（在 ubuntu 上）

sudo apt-get install -y make build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev xz-utils tk-dev libffi-dev liblzma-dev python openssl


sudo apt-get install build-essential zlib1g-dev libffi-dev libssl-dev libbz2-dev libreadline-dev libsqlite3-dev liblzma-dev libncurses-dev

sudo apt-get install python-tk python3-tk tk-dev

sudo apt-get install build-essential zlib1g-dev libffi-dev libssl-dev libbz2-dev libreadline-dev libsqlite3-dev liblzma-dev

pyenv 安装程序
```
   curl https://pyenv.run | bash
```
安装所需的 python 版本
```
  pyenv install -v 3.11.0
```
具有虚拟环境的 Pyenv
```
   pyenv virtualenv 3.11.0 venv
```
使用 pyenv 激活 virtualenv
```
   pyenv activate venv
```

安装依赖项：
```
pip install -r requirements.txt
```
准备数据：
- 简历：将您的 PDF 格式简历放在文件夹中。删除此文件夹中的所有现有内容。Data/Resumes
- 职位描述：将您的职位描述以 PDF 格式放在文件夹中。删除此文件夹中的所有现有内容。Data/JobDescription
将简历解析为 JSON：
```
python run_first.py
```
运行应用程序：
```
streamlit run streamlit_app.py
```

**注意**：对于本地版本，您无需运行"streamlit_second.py"，因为它专门用于部署到 Streamlit 服务器。