Token导航 LogoToken导航TokenDH.com
Job Recommender System logo
运维云端stdio官方级别未说明来源级核验

Job Recommender System

MCP Server

一个基于FastAPI的职位推荐系统API,通过AI工作流程处理PDF简历以生成摘要、关键词、技能差距和职业发展路线图。

工具数

0

提示词数

0

GitHub Stars

0

资源数

0
Python云端部署Docker

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

AsenDulakshanaKavinda

提供方

AsenDulakshanaKavinda

最后核验

2026/5/17 20:19

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

pip install uv

详细介绍

工作推荐系统API

这是一个基于FastAPI的API工作推荐系统,该系统处理PDF简历,使用人工智能工作流(由Mistral LLM和相关工具提供支持)生成摘要、关键词、技能差距和路线图。

特性

  • 通过POST端点上传PDF简历。
  • 通过预定义的工作流处理简历,以提取和分析内容。
  • 返回JSON结果,包括摘要、关键字、技能差距和路线图。
  • 优雅地处理错误并清理临时文件。

先决条件

  • 已安装Python 3.8+。
  • Git(用于克隆存储库)。

安装

  1. 安装UV包管理器:
pip install uv
  1. 克隆仓库:
git clone https://github.com/AsenDulakshanaKavinda/Job-Recommender-System.git
cd Job-Recommender-System/backend
  1. 创建虚拟环境并激活它:
uv venv .venv
source .venv/Scripts/activate or if windows .venv/Scripts/activate 
  1. 安装依赖关系:
uv sync
  1. 添加.env文件:
ENV="dev"
LLM_PROVIDER="mistral"
EMBEDDING_PROVIDER="mistral"
MISTRAL_API_KEY=
APIFY_API_KEY=

用法

  1. 详情:
  • 终结点:/process_resume
  • 方法:POST
  • 说明:上传简历PDF并获取处理结果。
  • 回应
{
  "status": "success",
  "result": {
    "summery": "Your resume summary...",
    "keywords": ["keyword1", "keyword2"],
    "skill_gap": {...},
    "road_map": {...}
  }
}

目录标签

目录标签

Python云端部署DockerAI简历分析本地部署职业规划技能评估自动化推荐

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

api-key

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdioapi-key部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP