Add application file

app.py

@@ -0,0 +1,246 @@
+from utils import draw_radar_chart
+import json
+import gradio as gr
+from pydantic import BaseModel
+import openai
+
+
+def ask_gpt(prompt):
+    response = openai.Completion.create(
+        engine="text-davinci-002",
+        prompt=prompt,
+        temperature=0.7,
+        max_tokens=2000
+    )
+    return response.choices[0].text.strip()
+
+
+async def predict(input, history):
+    """
+    Predict the response of the chatbot and complete a running list of chat history.
+    """
+    history.append({"role": "user", "content": input})
+    response = ask_gpt(history)
+    history.append({"role": "assistant", "content": response})
+    messages = [(history[i]["content"], history[i + 1]["content"]) for i in range(0, len(history) - 1, 2)]
+    return messages, history
+
+
+class Message(BaseModel):
+    role: str
+    content: str
+
+
+def parse_file(file):
+    print(file.name)
+    with open(file.name, encoding="utf8") as in_file:
+        txt = in_file.read()
+    return txt, gr.update(visible=True), gr.update(visible=True), gr.update(visible=True)
+
+
+# 生成人才画像
+def generate_talent_portrait(resume):
+    prompt = f"你现在是HR招聘专家,下面是候选人的简历:\n\"\"\"\"{resume}\"\"\"\"\n请你分析候选人的教育背景、工作经验、技能等方面的特点，给出候选人的人才画像,并概括性的分析候选人的优点和不足。"
+    return ask_gpt(prompt)
+
+
+# 人岗匹配度
+def person_job_fit_gene(resume, jd):
+    prompt = f"你现在是HR招聘专家，某职位要求是：{{{jd}}}\n某候选人简历如下：{{{resume}}}" + "。岗位与候选人之间的匹配度可以用0-1之间的数字表示，0表示完全不匹配，1表示完全匹配。请你评估应聘岗位与候选人的匹配度，并给出理由。"
+    return ask_gpt(prompt)
+
+
+# interview_questions
+def generate_interview_questions(work_experience):
+    prompt = f"你现在是HR招聘专家，下面是候选人A的工作经历：{work_experience}\n我可以问哪些问题来判断该候选人的能力水平？"
+    return ask_gpt(prompt)
+
+
+# interview_questions
+def generate_interview_questions_new(resume, jd):
+    prompt = f"你现在是HR高级面试官，某职位要求是：{{{jd}}}\n下面是候选人A简历的：\n{resume}\n请你生成一些面试问题来判断该候选人的能力水平。注意，请把面试问题以python列表格式返回给我，不要返回任何额外内容。"
+    print(prompt)
+    res = ask_gpt(prompt)
+    print(res)
+    print(eval(res))
+    return gr.update(choices=eval(res), value=eval(res), interactive=True), gr.update(visible=True)
+
+
+def generate_jd(jobTitle, eduLevel, workYearArr):
+    prompt = "你现在是HR招聘专家，你需要发布一个名称为\"" + jobTitle + "\"的职位，请你撰写一份该职位的JD，内容包括工作职责和任职要求。"
+    if eduLevel != "":
+        prompt += "该岗位的最低学历要求为" + eduLevel + "。"
+    if workYearArr != "":
+        prompt += "该岗位的工作年限要求为" + workYearArr + "。"
+    prompt += "注意:非必要情况不要使用英文，内容不要包含薪酬福利等敏感信息。"
+    return ask_gpt(prompt)
+
+
+def generate_test_resume(target_job, item_list):
+    resume_gene_prompt = f"你现在是HR测试数据生成器，请帮我生成一份求职目标为{target_job}的候选人简历，需要包含以下关键信息：\n{item_list}。\n注意，结果请以markdown格式返回给我,并且不要返回额外信息。"
+    print(resume_gene_prompt)
+    return ask_gpt(resume_gene_prompt)
+
+
+def generate_interview_feedback(commu_skills, pro_skills, tech_skills, solve_skills, team_skills, pressure_resistance,
+                                if_ok):
+    prompt = f"""
+    你现在是HR招聘专家,下面是某候选人的面试评估结果：
+    ***
+    沟通能力:{commu_skills}
+    专业知识:{pro_skills}
+    技术能力:{tech_skills}
+    解决问题的能力:{solve_skills}
+    团队合作能力:{team_skills}
+    抗压能力:{pressure_resistance}
+    是否录用:{if_ok}
+    ***
+    请你根据是否录用结果和其他各项能力的表现生成一份面试评价。
+    """
+    print(prompt)
+    return ask_gpt(prompt)
+
+
+def gene_ability_score(resume, jd):
+    prompt = f"""你现在是HR招聘专家.
+    某候选人简历如下：
+    {{{resume}}}
+    请你从[教育背景、工作经验、技能特长、项目经历和成果、领导力和管理能力、自我学习和发展能力、沟通和协作能力、岗位匹配度]这八个维度对候选人进行打分，分数范围是0-100，并针对每个维度的分数给出相应的打分理由。
+    教育背景：
+    评价规则：80-100表示教育背景优秀，毕业于985、211大学；70-80表示教育背景良好、毕业于普通重点大学；70分以下表示毕业于普通大学。
+    工作经验：
+    评价规则：80-100表示候选人具有丰富的相关工作经验，曾承担重要职责并取得显著的成绩；60-79���示候选人有一定的工作经验，能够胜任职务，但成绩一般；60分以下表示候选人工作经验较少或表现普通。
+    技能特长：
+    评价规则：80-100表示候选人在相关技能方面突出，掌握了多项技能，具备深厚的专业知识；60-79表示候选人具备一些相关技能，能够熟练运用；60分以下表示候选人技能较少或掌握程度一般。
+    项目经历和成果：
+    评价规则：80-100表示候选人在项目中表现出色，取得了显著的项目成果，具备解决问题和团队合作能力；60-79表示候选人在项目中有一些成绩，能够参与并完成任务；60分以下表示候选人在项目中表现一般或成绩较少。
+    领导力和管理能力：
+    评价规则：80-100表示候选人具备优秀的领导力和管理能力，曾成功承担过领导职责或项目管理职务；60-79表示候选人具备一定的领导力和管理能力，曾有一定的领导经验；60分以下表示候选人领导能力较弱或未有相关经验。
+    自我学习和发展能力：
+    评价规则：80-100表示候选人具有积极主动地学习和扩充知识的意愿和能力，持续学习并不断提升自己；60-79表示候选人有一些学习和发展的意愿和能力，但不够积极主动；60分以下表示候选人学习和发展能力较弱或缺乏积极性。
+    沟通和协作能力：
+    评价规则：80-100表示候选人具备良好的沟通和协作能力，能够与他人有效地进行交流和合作；60-79表示候选人具备一定的沟通和协作能力，能够与他人合作完成任务；60分以下表示候选人沟通和协作能力较弱或简历中描述有限。
+    注意，结果参考下面的JSON字符串，以json格式返回给我,不要返回任何额外信息。
+    返回结果参考：
+    ｛   
+    "教育背景": "81",
+    "工作经验":"68",
+    "技能特长":"69",
+    "项目经历和成果":"85",
+    "领导力和管理能力":"96",
+    "自我学习和发展能力":"100",
+    "沟通和协作能力":"56",
+    "打分理由":"理性评估"
+    ｝
+    """
+    print(prompt)
+    return ask_gpt(prompt)
+
+
+def gene_talent_radar(resume, jd):
+    res = gene_ability_score(resume, jd)
+    json_res = json.loads(res)
+    print(json_res)
+    score_list = []
+    cat_list = []
+    for key, value in json_res.items():
+        if key != "打分理由":
+            cat_list.append(key)
+            score_list.append(int(value))
+    print(score_list)
+    print(cat_list)
+    return draw_radar_chart(score_list, cat_list), json_res["打分理由"]
+
+
+with gr.Blocks(title="HRAssistant", theme="soft") as demo:
+    gr.Markdown("# HRAssistant")
+    gr.Markdown("HRAssistant  usage demo.")
+    with gr.Tab("岗位JD生成器"):
+        with gr.Row():
+            with gr.Column():
+                jobTitle_input = gr.Textbox(label="岗位名称")
+                eduLevel_input = gr.Textbox(label="最低学历要求")
+                workYearArr_input = gr.Textbox(label="工作年限要求")
+            with gr.Column():
+                jd_output_text = gr.outputs.Textbox(label="生成的岗位JD")
+                jd_button = gr.Button(value="岗位JD生成")
+                jd_button.click(generate_jd, [jobTitle_input, eduLevel_input, workYearArr_input], jd_output_text)
+
+    with gr.Tab("简历筛选辅助"):
+        with gr.Row():
+            resume_file = gr.File(label="请上传简历（目前仅支持上传txt格式简历）", file_types=["text"])
+            text_output = gr.outputs.Textbox(label="简历信息")
+
+        talent_row = gr.Row(visible=False)
+        with talent_row:
+            resume_text = gr.outputs.Textbox(label="人才画像")
+            hua_button = gr.Button(value="生成人才画像", )
+            hua_button.click(generate_talent_portrait, text_output, resume_text)
+
+        jd_row = gr.Row(visible=False)
+        with jd_row:
+            jd = gr.Textbox(label="岗位JD")
+            person_job_fit = gr.Textbox(label="人岗匹配度")
+            fit_button = gr.Button(value="计算人岗匹配度", )
+            fit_button.click(person_job_fit_gene, [text_output, jd], person_job_fit)
+
+        radar_row = gr.Row(visible=False)
+        with radar_row:
+            radar_outputs = gr.Plot(label="能力雷达图")
+            radar_reasons = gr.Textbox(label="打分理由")
+            radar_button = gr.Button(value="生成能力雷达图")
+            radar_button.click(gene_talent_radar, [text_output, jd], [radar_outputs, radar_reasons])
+        resume_file.change(parse_file, resume_file, [text_output, talent_row, jd_row, radar_row])
+
+    with gr.Tab("面试过程辅助"):
+        interview_row = gr.Row(visible=True)
+        with interview_row:
+            interview_questions_text = gr.Checkboxgroup(label="面试问题")
+            interview_questions_generator_button = gr.Button(value="面试问题生成")
+            copy_interview_questions_button = gr.Button(value="拷贝面试问题", visible=False)
+            interview_questions_generator_button.click(generate_interview_questions_new, [text_output, jd],
+                                                       [interview_questions_text, copy_interview_questions_button])
+
+    with gr.Tab("测试数据生成"):
+        with gr.Row():
+            targrt_job = gr.Textbox(label="求职目标")
+            resume_item_list = gr.Dropdown(
+                ["个人信息", "教育背景", "工作经历", "实习经历", "技能专长", "项目经验", "获奖与荣誉", "自我评价"],
+                value=["个人信息", "教育背景", "工作经历", "技能专长", "项目经验", "自我评价"], multiselect=True, label="简历维度",
+                info="测试简历维度信息"
+            )
+            test_resume_text = gr.outputs.Textbox(label="生成的测试简历信息")
+            resume_gene_button = gr.Button("测试数据生成")
+            resume_gene_button.click(generate_test_resume, [targrt_job, resume_item_list], test_resume_text)
+
+    with gr.Tab("面试评价生成器"):
+        with gr.Row():
+            with gr.Column():
+                commu_skills = gr.Radio(["强", "中", "弱"], label="沟通能力", info="评估候选人的口头表达能力、听取并理解问题的能力、回答问题的清晰度和逻辑性等。")
+                pro_skills = gr.Radio(["强", "中", "弱"], label="专业知识", info="评估候选人在岗位所需的专业知识的掌握程度。")
+                tech_skills = gr.Radio(["强", "中", "弱"], label="技术能力", info="评估候选人在岗位所需的专业技能方面的掌握程度。")
+                solve_skills = gr.Radio(["强", "中", "弱"], label="解决问题的能力", info="评估候选人在面对问题时的分析能力、创新思维、解决问题的方法和结果。")
+                team_skills = gr.Radio(["强", "中", "弱"], label="团队合作能力",
+                                       info="评估候选人在与他人合作、协调和沟通方面的能力，包括与面试官的互动、参与小组讨论等。")
+                pressure_resistance = gr.Radio(["强", "中", "弱"], label="抗压能力", info="评估候选人在应对压力、处理复杂情境以及适应变化上的能力。")
+                if_ok = gr.Radio(["是", "否"], label="是否录用", info="最终结果")
+            with gr.Column():
+                interview_feedback_text = gr.outputs.Textbox(label="面试评价")
+                result_button = gr.Button(value="面试评价生成")
+                result_button.click(generate_interview_feedback,
+                                    inputs=[commu_skills, pro_skills, tech_skills, solve_skills, team_skills,
+                                            pressure_resistance, if_ok],
+                                    outputs=interview_feedback_text)
+    with gr.Tab("HRChat"):
+        with gr.Column():
+            chatbot = gr.Chatbot(label="HRChat")
+            state = gr.State([])
+            clear = gr.Button("Clear")
+            txt = gr.Textbox(show_label=False, placeholder="Enter text and press enter").style(container=False)
+            txt.submit(predict, [txt, state], [chatbot, state])
+            clear.click(lambda: None, None, chatbot, queue=False)
+    # with gr.Accordion("Open for More!"):
+    #     gr.Markdown("Look at me...")
+
+if __name__ == "__main__":
+    demo.launch(server_name="0.0.0.0")

requirements.txt

@@ -0,0 +1,3 @@
+openai
+gradio
+plotly