Resume RAG Assistant

RAG-поиск по резюме с hh.ru: загружает резюме, индексирует их в векторной базе и позволяет искать подходящих кандидатов по запросу на естественном языке («Python-разработчик с опытом Kafka в Москве») и задавать вопросы LLM по найденным резюме.

Как это работает

резюме (PDF / DOCX / TXT / JSON из API hh.ru)
  → src/loaders.py      одно резюме = один документ + метаданные (должность, город, кандидат)
  → src/ingestion.py    разбиение на чанки, к каждому чанку добавляется заголовок резюме
  → src/vectorstore.py  эмбеддинги (multilingual sentence-transformers) → Chroma на диске
  → src/search.py       поиск чанков, группировка по резюме, ранжирование кандидатов
  → src/qa_chain.py     ответ LLM (DeepSeek / любой OpenAI-совместимый API) со ссылками на резюме

Структура

src/            код приложения (FastAPI, CLI, RAG-пайплайн, клиент API hh.ru)
tests/          тесты
infra/          Dockerfile, docker-compose, .dockerignore
data/resumes/   резюме для индексации (в git не попадают)
data/index/     векторный индекс Chroma (создаётся командой ingest)

Установка

Нужен uv.

uv sync
cp .env.example .env   # и заполнить LLM_API_KEY

Источники резюме

1. Выгрузки с сайта. Скачайте резюме с hh.ru (PDF, DOCX или TXT) и положите в data/resumes/.

2. API hh.ru. Нужен OAuth-токен работодателя с доступом к базе резюме (HH_ACCESS_TOKEN). Каждое скачанное полное резюме списывается из лимита просмотров работодателя.

   uv run resume-rag fetch-hh "python developer" --area 1 --limit 50

   Резюме сохраняются в data/resumes/hh/<id>.json.

Содержимое data/ в git не попадает: резюме содержат персональные данные.

Использование

uv run resume-rag ingest                                  # построить индекс
uv run resume-rag search "ML-инженер с опытом NLP"        # найти резюме
uv run resume-rag ask "У кого есть опыт с Kubernetes?"    # ответ LLM

HTTP API

uv run uvicorn src.api:app --reload

Документация Swagger: http://127.0.0.1:8000/docs

Метод	Путь	Описание
GET	/health	статус и наличие индекса
POST	/ingest	переиндексировать data/resumes
POST	/search	{"query": "...", "top_k": 5} — резюме
POST	/ask	то же + ответ LLM

Docker

docker compose -f infra/docker-compose.yml up --build

Разработка

uv run pytest
uv run ruff check .
uv run ruff format .

Добавить зависимость: uv add <пакет> (dev-зависимость: uv add --dev <пакет>). Если нужен requirements.txt для pip: uv export --no-dev --no-hashes -o requirements.txt.