使用GPT-3和Node.js将CV转换为结构化数据-DEV365 开发者社区

大型语言模型（例如GPT-3）对于简化常规任务很有用。例如，我们可以使用非结构化的数据，例如PDF中的工作申请人的简历，并将其转换为结构化数据，并将其填充到我们的申请人跟踪系统（ATS）（例如Greenhouse）或可行。

。

在本文中，我将向您展示一个node.js应用程序。但是，尽管GPT-3简化了常规数据输入作业，但作为开发人员，我们仍然需要连接所有相应的API以下载申请人的简历，从PDF获取文本，然后将数据放在ATS上。幸运的是，Superface使我们摆脱了这种常规的API接线。我们在许多API提供商中提供统一的界面。例如，从可行的人HR切换为一行更改。

让我们检查一下此应用程序执行的步骤：

加载了从申请人跟踪系统（ATS）（例如可行或温室）申请给定工作的候选人的简历。
将简历转换为文本并将文本解析为可读的数据。
使用从CV获得的数据更新ATS中的候选人。

您可以在CV Analyzer repository中找到完整的应用程序。它使用以下软件包：

@superfaceai/one-sdk -Superface OnesDK用于与ATS，OpenAI和CloudMersive SaaS提供商集成。
node-fetch -nodefetch用于获取简历文档。
dotenv -dotenv用于加载环境变量。
inquirer-询问器.js用于构建交互式用户界面。

我们还依靠Superface Catalog的这些用例：

在此演示中，我们使用Workable作为ATS，Cloudmersive将候选人的简历转换为纯文本，而OpenAI提供商将CV转换为结构化数据。但是您不仅限于这三个提供商。对于ATS用例，您还可以使用Breezy HR，Greenhouse和many others。

设置应用程序

   git clone git@github.com:superfaceai/cv-analyzer.git
   cd cv-analyzer

安装依赖项。

   npm install

为提供者创建帐户（如果您还没有）：

可行的优惠15 days free trial。需要一个工作电子邮件地址来创建帐户。
CloudMersive的free tier限制为每月800个请求。
OpenAi在头三个月内提供free trial的free trial，免费信用$ 18。

复制示例.env文件。

   cp .env.example .env

设置.env文件中提供商的凭据和集成参数。

Get Workable Access Token and Subdomain.
创建CloudMersive Free Tier Key。
Create OpenAI Secret API Key.

创建一个工作位置并在可行的ATS中添加新候选人。
启动应用程序。

   npm start

应用程序启动后，它将向您显示候选人列表。当您选择一个时，它将通过从其CV中解析的数据更新候选人的条目。

应用程序如何工作

该应用程序的主要流在src/index.js文件中，该文件调用src/use_cases.js文件中定义的用例。

选择候选人并获得其简历

首先，我们列出所选职位的开放职位和候选人。这是用List Jobs用例来处理的；一旦用户选择职位职位，我们将使用List Candidates用例与工作位置的各个ID：

exports.listCandidates = async (sdk, providerOptions, jobId) => {
  const listCandidatesProfile = await sdk.getProfile(
    'recruitment/list-candidates@1.0.0'
  );
  const listCandidatesResult = await listCandidatesProfile
    .getUseCase('ListCandidates')
    .perform(
      {
        jobId,
      },
      providerOptions
    );
  return listCandidatesResult.unwrap().candidates;
};

我们使用选定候选人的ID，并使用Get CV用例使用候选人的简历获取文档的URL（通常是PDF，但ATS也可以接受其他格式）：

exports.getCVUrl = async (sdk, providerOptions, candidateId) => {
  const getCVProfile = await sdk.getProfile('recruitment/get-cv@1.0.0');
  const getCVResult = await getCVProfile.getUseCase('GetCV').perform(
    {
      candidateId,
    },
    providerOptions
  );
  return getCVResult.unwrap().cv.documentUrl;
};

将简历转换为文本

现在，我们知道候选人的简历可以下载哪里，但是我们需要以某种方式从中提取文本。我们使用Convert Document to Text用例来获取文档并将其上传到转换提供商（在此示例中cloudMersive）并获取纯文本以返回。

exports.convertCVToText = async (sdk, providerOptions, cvDocumentUrl) => {
  const docToTextProfile = await sdk.getProfile(
    'file-conversion/doc-to-text@1.0.0'
  );

  const fetchDocumentResponse = await fetch(cvDocumentUrl);

  if (!fetchDocumentResponse.body) {
    console.error('Failed to fetch CV document.');
    return;
  }

  const result = await docToTextProfile
    .getUseCase('ConvertDocumentToText')
    .perform(
      {
        fileName: 'cv.pdf',
        content: BinaryData.fromStream(fetchDocumentResponse.body),
      },
      providerOptions
    );

  return result.unwrap().text;
};

提取结构化数据

现在是时候采用AI魔术了！我们通过Text Completion用例使用OpenAI的GPT-3模型。我们为模型提供了一个提示，解释了我们需要返回的特定数据作为JSON：

exports.analyzeCV = async (sdk, providerOptions, cvText) => {
  try {
    const generateTextProfile = await sdk.getProfile('ai/generate-text@1.0.0');

    const promptCommand = `Parse following job applicant resume and return json object with properties 
    { 
      "firstName", "lastName", "address", "phone", 
      "education":
      [{"school", "fieldOfStudy", "studiedFrom_ISO8601":"YYYY-MM-DD", "studiedTill_ISO8601":"YYYY-MM-DD"}],
    "workHistory":
      [{"company", "position", "summary", "workedFrom_ISO8601:"YYYY-MM-DD"", "workedTill_ISO8601":"YYYY-MM-DD"}]
    }. `;

    const result = await generateTextProfile.getUseCase('CompleteText').perform(
      {
        prompt: promptCommand + cvText,
        creativity: 0.8,
        approxMaxWords: 1000,
        model: 'large',
      },
      providerOptions
    );

    analyzeCVOutcome = result.unwrap();
  } catch (error) {
    console.error('Failed to analyze CV.', error);
  }
  // ...
};

如果分析顺利进行，并且模型完成了我们的提示，我们将返回的完成将其转换为JSON：

const parsedCV = JSON.parse(analyzeCVOutcome.completions[0]);
const mappedCV = {
  ...parsedCV,
  education: parsedCV.education?.map(school => {
    return {
      school: school.school,
      degree: school.degree,
      fieldOfStudy: school.fieldOfStudy,
      startedAt: school.studiedFrom_ISO8601,
      endedAt: school.studiedTill_ISO8601,
    };
  }),
  workHistory: parsedCV.workHistory?.map(work => {
    // ...
  }),
};

return mappedCV;

更新候选数据

现在，我们有一个带有从简历中提取结构化数据的JSON，我们可以使用Update Candidate用例将数据发送回ATS，以更新候选人的数据：

exports.updateCandidate = async (sdk, providerOptions, candidate) => {
  const profile = await sdk.getProfile('recruitment/update-candidate@1.0.0');

  const result = await profile
    .getUseCase('UpdateCandidate')
    .perform(candidate, providerOptions);

  result.unwrap();

  return true;
};

使用另一个ATS？

如果您查看代码，则不会提及可行，云代理或OpenAI。那是因为用例以提供商中立的方式设计。对于ATS，我们使用unified terminology，因此，如果您需要使用其他ATS，则无需重写整个应用程序。相反，您可以在src/index.js文件中更改atsProviderOptions：

// Options for Workable
const atsProviderOptions = {
  provider: 'workable',
  parameters: {
    SUBDOMAIN: process.env.WORKABLE_SUBDOMAIN,
  },
  security: {
    bearer_token: {
      token: process.env.WORKABLE_TOKEN,
    },
  },
};

，如果您想使用，例如Breezy HR，请将atsProviderOptions设置为这样：

// Options for Breezy HR
const atsProviderOptions = {
  provider: 'breezy-hr',
  parameters: {
    COMPANY_ID: process.env.BREEZY_HR_COMPANY_ID,
    ACCESS_TOKEN: process.env.BREEZY_HR_ACCESS_TOKEN,
  },
};

下一步

在此演示应用程序中，我们使用了来自3个不同API提供商的6种不同API用例，而从未查看API文档。这是超级表面的优点。

您是否需要集成申请人跟踪系统，例如可行，杠杆或SAP SuccessFactors？查看我们的Applicant Tracking Systems integrations。而且不要错过Superface catalog中的其他集成。