Skip to content
juninhos-comunidadePublic

About

Nosso projeto usa inteligência artificial para analisar o currículo do candidato e a vaga desejada, gerando perguntas de entrevista personalizadas — técnicas e comportamentais. Para tornar a preparação mais engajante, transformamos os desafios técnicos (como questões de lógica em Python) em uma experiência gamificada, com pontuação e prog...

Resources

Stars

2 stars

Watchers

0 watching

Forks

Latest commit

 

History

21 Commits

Folders and files

Repository files navigation

CodeCrew

Preparação personalizada para entrevistas a partir do currículo do candidato e de uma vaga real.

Fluxo da V1

  1. Coleta e normaliza uma vaga publicada na Gupy.
  2. Extrai o texto de um currículo em PDF e o estrutura com IA.
  3. Compara currículo e vaga para encontrar pontos fortes e lacunas.
  4. Usa o diagnóstico para definir tópicos e dificuldade de programação.
  5. Seleciona desafios compatíveis no PostgreSQL.

As interações de IA usam o OpenRouter com o modelo deepseek/deepseek-v4-flash por padrão.

Requisitos

  • Python 3.12+
  • PostgreSQL com a tabela questions carregada
  • Chave de API do OpenRouter

Instalação

python3 -m venv .venv
source .venv/bin/activate
pip install -r backend/requirements.txt
cp .env.example .env

Preencha o .env:

OPENROUTER_API_KEY=coloque_sua_chave_aqui
OPENROUTER_MODEL=deepseek/deepseek-v4-flash
DATABASE_URL=postgresql+psycopg2://postgres.PROJECT_REF:SENHA@aws-0-REGIAO.pooler.supabase.com:5432/postgres

Para executar com Docker em uma rede sem IPv6, use a conexão Session pooler do Supabase, disponível em Connect > Session pooler. A conexão direta db.PROJECT_REF.supabase.co:5432 usa IPv6 por padrão e pode não funcionar na rede interna do Docker.

Carregar o banco de desafios

O coletor do LeetCode é um utilitário independente, usado somente para criar e popular a tabela questions:

python -m backend.scripts.load_leetcode

Ele não faz parte do fluxo executado para cada candidato.

Executar o fluxo completo

python -m backend.app.services.pipeline \
  "https://empresa.gupy.io/jobs/123456" \
  --cv "./curriculo.pdf" \
  --limit 10

O resultado é um JSON com este formato:

{
  "job": {},
  "candidate": {},
  "match": {
    "aderencia": 75,
    "resumo": "...",
    "pontos_fortes": [],
    "lacunas": [],
    "focos_de_preparacao": []
  },
  "algorithm_profile": {
    "tags": ["array", "hash-table", "string"],
    "difficulty": "Medium"
  },
  "questions": []
}

Executar a demo

Com Docker Compose:

docker compose up --build

No Ubuntu, caso o subcomando docker compose não esteja disponível:

sudo apt install docker-compose-v2

Abra http://localhost:5173. A API também fica disponível em http://localhost:8000/docs.

Para executar sem Docker, inicie a API na raiz do repositório:

source .venv/bin/activate
uvicorn backend.app.main:app --reload

Em outro terminal, inicie a interface:

cd frontend
npm install
npm run dev

Abra http://localhost:5173, informe a URL pública de uma vaga da Gupy e selecione um currículo em PDF.

Estrutura

backend/
├── app/
│   ├── api/           # rotas HTTP e dependências
│   ├── integrations/  # Gupy e OpenRouter
│   ├── repositories/  # armazenamento das sessões
│   ├── schemas/       # contratos de entrada e saída
│   └── services/      # análise, preparação e mentor
├── scripts/           # utilitários operacionais
└── requirements.txt
frontend/              # interface React/Vite

O carregador do catálogo do LeetCode fica em backend/scripts/load_leetcode.py. A orquestração do fluxo fica em backend/app/services/pipeline.py.

Limites atuais

  • A coleta automática aceita vagas da Gupy.
  • O currículo precisa ser um PDF com texto selecionável; não há OCR.
  • O banco de desafios deve ser carregado antes da execução.
  • As sessões ficam em memória e são perdidas ao reiniciar a API.

Autores

Rodrigo Rodrigues, Joao Schramm e Augusto Krause.

About

Nosso projeto usa inteligência artificial para analisar o currículo do candidato e a vaga desejada, gerando perguntas de entrevista personalizadas — técnicas e comportamentais. Para tornar a preparação mais engajante, transformamos os desafios técnicos (como questões de lógica em Python) em uma experiência gamificada, com pontuação e prog...

Resources

Stars

2 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages