현대 사회에서 취업 준비는 반복적이고 시간 소모적인 과정으로, 구직자가 자신의 역량을 효과적으로 어필하지 못해 기회를 놓치는 경우가 많습니다. 이를 해결하기 위해 JobPT는 LLM 기반 채용 공고 추천, 기업 맞춤형 이력서 ��드백, 회사 정보 요약 제공, 이력서 적합성 평가등의 기능을 갖춘 '지능형 취업 지원 서비스'를 제공합니다.

1. LLM 기반 개인 이력서 맞춤형 채용 공고 매칭

   • 제공받은 이력서를 RAG를 활용해 각 회사의 채용 공고와 의미론적 유사도를 기반으로 적합한 회사를 추천합니다.

2. 기업 맞춤형 이력서 피드백

   • 유저와의 대화를 통해 평가-개선-재평가 프로세스를 거치며 이력서를 반복적으로 개선합니다.
   • Multi-turn을 활용해 챗봇 인터페이스에서 유저에게 개선점을 제공하며, 이력서에 곧바로 반영합니다. (기능 반영 예정)

3. 회사 정보 요약 제공

   • AI Agent를 통해 원하는 회사 또는 추천된 JD의 회사와 관련된 최신 정보를 요약해 제공합니다.
   • 산업 및 도메인, 경쟁력, 주요 서비스, 인재상, 사내 문화, 추진 중인 프로젝트 및 이니셔티브 등에 대한 메타 데이터를 요약합니다.

4. 이력서 적합성 평가 및 구체적 개선점 제안

   • 이력서 검토 시스템은 특정 JD에 맞춰 이력서를 분석하여 지원자 추적 시스템(ATS)이 이를 어떻게 평가할지 시뮬레이션합니다.
   • 또한, 각 이력서를 해당 직무에 최적화할 수 있도록 상세한 피드백과 개선 제안도 제공합니다. 이 분석기는 각 직무 설명을 세밀하게 분석하여, 이력서가 해당 직무에 얼마나 잘 부합하는지 가장 정확하게 평가할 수 있도록 설계되었습니다.

• 크롤링 API: 여러 회사 JD 데이터 확보 및 마감된 채용 공고 삭제
• PDF 파싱: Upstage Parser를 이용한 다양한 형태의 이력서 PDF 텍스트 추출
• Vector DB: Pinecone에 Job description(JD) 텍스트 Chunk 저장 및 JD Retrieval
• AI Agent
  • supervisor agent를 두어 멀티 agent로 파이프라인 구성
  • 회사 메타 데이터 정보 수집 및 요약 (Tavily Search MCP 사용)
  • 수정 제안 agent (유저의 웹 포트폴리오 탐색 MCP)
• LLM Model
  • 이력서 적합성 평가

• Language: Python, Typescript
• LLM Framework
  • LangChain
  • Langgraph
  • OpenAI (text-embedding-3-small, gpt-4o, gpt-4o-mini, gpt-4.1-nano)
• Backend
  • Web Framework: FastAPI
  • Vector Database: Pinecone
  • Monitoring: Langfuse

• 이력서 기반 JD 추천 기능 (Phase 1)

1. 프로젝트 루트 디렉토리에 .env.example 파일을 참고하여 .env 파일을 생성하고 API 키 및 환경 변수를 설정합니다.

   • FRONTEND_CORS_ORIGIN: CORS 정책을 적용할 프론트엔드 주소를 입력합니다. (e.g., http://localhost:3000)
   • NODE_ENV: 프론트엔드 NODE_ENV 환경을 설정합니다. (development 또는 production)

2. (Optional) 로컬 환경에서 직접 실행할 경우, 각 서비스의 requirements.txt 또는 package.json을 참고하여 의존성을 설치합니다.

프로젝트 루트 디렉토리에서 다음 명령어를 실행하여 Docker Compose로 전체 서비스를 실행합니다.

docker compose up [-d] [--build]

로컬 개발 환경에서는 docker-compose.dev.yml을 사용합니다. 이 구성은 Frontend / Backend / MySQL을 포함하며 개발용 데이터는 dev_data/에 저장됩니다.

docker compose -f docker-compose.dev.yml up --build

• MySQL 데이터: dev_data/jobpt_mysql
• 업로드된 이력서: dev_data/jobpt_resumes
• Backend 데이터: dev_data/jobpt_data

dev_data/ 디렉토리는 Git에 포함되지 않으며(.gitignore), 로컬 개발 전용입니다.

API 호출 예시 (api_test.py 참조)

import requests

# POST 요청 함수
def send_post_request(resume_path):
    url = "http://localhost:8000/matching"  # 실제 API 엔드포인트로 변경하세요.
    data = {"resume_path": resume_path}

    try:
        response = requests.post(url, json=data)
        response.raise_for_status()  # 상태 코드가 200번대가 아니면 예외 발생
        print("POST 요청 성공:", response.json())
    except requests.exceptions.RequestException as e:
        print("POST 요청 중 오류 발생:", e)


# 함수 호출 예시
send_post_request("data/joannadrummond-cv.pdf")

이 프로젝트는 안정적인 배포와 유연한 개발을 위해 다음과 같은 Git 브랜치 전략을 사용합니다.

모든 코드 변경은 Pull Request(PR)를 통해 제출해야 합니다. main과 dev 브랜치는 보호되어 있어 직접 Push가 불가능합니다.

자세한 개발 및 브랜치 운영 가이드는 CONTRIBUTING.md에서 확인할 수 있습니다.