interviewstreet/hiring-agent

何を解決するか

大量の履歴書（例：50,000件以上のインターン応募）を効率的にランク付けする課題に対処し、採用担当者が最初に審査すべき候補者を判断するのを支援します。完全な採用管理システム（ATS）ではなく、公平で説明可能かつ客観的な評価プロセスを提供することを目指しています。

動作方法

このプロジェクトはマルチステージのパイプラインを実装しています：

1. PDF抽出：PyMuPDF を使用して履歴書のPDFをMarkdown風のテキストに変換します。
2. セクション解析：LLMとJinjaテンプレートを使用して、特定のセクション（職務経験、教育、スキルなど）の構造化されたJSONデータを抽出します。
3. GitHubの拡張：履歴書に記載されたGitHubプロフィールを特定し、リポジトリデータを取得。その後、コミット数の閾値に基づいて、最も意味のあるプロジェクト上位7件をLLMで選定します。
4. 評価：roles/ ディレクトリ内のJSONとJinjaテンプレートで定義された特定の役割用の評価基準に従って候補者をスコアリングします。履歴書およびGitHubデータに見つかった証拠に基づき、カテゴリスコア、ボーナスポイント、減点を計算します。
5. 出力：読みやすいレポートを生成し、CSV形式でエクスポートして分析に利用できます。

対象ユーザー

大量の応募者プールの初期ランク付けを自動化したい採用担当者や採用マネージャー。スコアリングロジックの透明性と説明可能性を維持したい方々に最適です。

特徴

• ローカルまたはクラウドLLM：Ollama（例：Gemma）によるローカル実行、またはGoogle GeminiやOpenAIなどのクラウドAPIをサポート。
• 役割ベースの評価基準：ユーザーが独自のスコアリングカテゴリ、重み、基準を持つカスタム役割を定義可能。
• GitHub統合：GitHubからの実際のコーディング信号で履歴書データを強化。
• 説明可能なスコアリング：すべてのスコアに根拠を提示し、評価プロセスを透明にします。