interviewstreet/hiring-agent

项目概览

该工具将 GitHub 项目分类信号与 LLM 严格评分约束结合，为技术招聘简历筛选提供可解释的量化参考。

项目类型

AI Agent · RAG 与知识库

应用场景

文档办公

部署方式

查看项目说明

License

MIT

适合谁

• 需要结合候选人 GitHub 实际项目活跃度与简历文本进行自动化量化打分并要求提供评分依据的招聘团队。

核心能力

• 使用 PyMuPDF 库将 PDF 页面内容转换为类 Markdown 格式的文本，并从中提取出分段的 JSON 结构化数据。
• 获取候选人的 GitHub 个人资料和代码仓库，对项目进行分类，并由大语言模型从中选出前 7 个代表性项目。
• 执行带有公平性约束的严格评分过程，产出分类得分、评分证据、加分项和扣分项明细。
• 通过命令行接收 PDF 路径并编排从端到端的完整评分流程，在开发模式开启时将结果写入 CSV 文件。

限制与风险

• 系统运行要求本地环境安装 Python 3.11 或更高版本。
• 必须手动安装和配置至少一种外部大语言模型后端（如本地 Ollama 或在线的 Google Gemini），否则无法完成评分。
• 获取 GitHub 数据依赖于 GitHub API，若候选人未提供或无法访问相关账号信息，该维度的评分数据将无法获取。

如何开始

• 难度中等。需克隆仓库并使用 pip 安装依赖（要求 Python 3.11+）；需手动安装并配置外部 LLM 后端（如安装 Ollama 并拉取模型）；配置 .env 环境变量文件后，通过运行 python score.py /path/to/resume.pdf 启动评分。

核验依据

• GitHub 项目简介: AI agent to evaluate and score resumes.
• README: <p align="center"><strong>Resume-to-Score pipeline</strong> that extracts structured data from PDFs, enriches with GitHub signals, and outputs a fair, explainable evaluation.</p>…
• README: Hiring Agent parses a resume PDF to Markdown, extracts sectioned JSON using a local or hosted LLM, augments the data with GitHub profile and repository signals, then produces an o…
• README: - **Python 3.11+** The repository pins `.python-version` to 3.11.13. - **One LLM backend** (either of them) - **Ollama** for local models Install from the [official site](https://…
• README: 1. `pymupdf_rag.py` converts PDF pages to Markdown-like text. 2. `pdf.py` calls the LLM per section using Jinja templates under `prompts/templates`.

内容核验时间：