convez.ai
AgenteAutomaçãoIntermediário
Cristina-MariaG

CareerBoost IA

Cristina-MariaG/CareerBoost

Agentes IA para adaptação de CV e geração de posts LinkedIn com streaming em tempo real

Ver no GitHub
InicialPluginScore · de 0 a 100

Dois agentes de IA baseados em Claude Anthropic para otimizar buscas de emprego. O primeiro adapta CV e carta de motivação para ofertas específicas com score de adequação; o segundo gera posts LinkedIn otimizados em tons variáveis (profissional, storytelling ou técnico). Ambos utilizam streaming SSE para respostas em tempo real sem bloqueios.

Instalação

$npx convez-ai Cristina-MariaG/CareerBoost

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
28%
Último commit
há 5 meses
Versão
—
Issues abertas
8
Contribuidores
1

Casos de uso

  • Adaptar CV e carta de motivação para ofertas de emprego específicas
  • Gerar e otimizar posts LinkedIn em diferentes tons
  • Analisar adequação do perfil com score e recomendações
  • Automatizar processos de candidatura com feedback estruturado

Veredito

Projeto bem estruturado com dois agentes especializados e UI polida, bom exemplo de streaming SSE em produção. Stack completo (Django+Vue) e facilmente reproduzível via Docker, ideal para profissionais que buscam otimizar candidaturas com IA.

README

A tradução para o português deste README ainda está na fila.

CareerBoost IA

CI

Deux agents IA propulsés par Claude (Anthropic) pour booster ta recherche d'emploi.


Agents

Agent CV & Lettre de motivation — Uploade ton CV en PDF et colle une offre d'emploi. L'agent adapte ton CV et ta lettre au poste visé, ou analyse ton profil et te donne un score d'adéquation /10 avec des recommandations concrètes.

Agent LinkedIn — Décris une expérience ou un projet. L'agent génère un post LinkedIn optimisé selon le ton choisi : professionnel, storytelling ou technique.

Les deux agents streamaient les réponses token par token via SSE — pas d'attente bloquante.

Agent LinkedIn — génération de post en temps réel


Stack

CoucheTechnologie
BackendPython 3.13 · Django 5 · Django REST Framework
IAAnthropic SDK · Claude Sonnet · streaming SSE · prompt caching
FrontendVue.js 3 · Vite · Vue Router
Base de donnéesPostgreSQL 16
InfrastructureDocker · docker-compose · Gunicorn

Démarrage rapide

Prérequis : Docker + une clé API Anthropic (console.anthropic.com)

# 1. Configurer l'environnement
cp .env.example .env
# Renseigner ANTHROPIC_API_KEY et DJANGO_SECRET_KEY dans .env

# 2. Lancer l'application
docker compose up --build

# 3. Vérifier que le backend répond
curl http://localhost:8000/api/health/
# → {"status": "ok"}

L'application est disponible sur http://localhost:5173


Commandes utiles

# Tests backend
docker compose exec backend python manage.py test agents

# Lint backend (Flake8)
docker compose exec backend flake8 .

# Tests frontend
cd frontend && npm test

# Lint frontend (ESLint)
cd frontend && npm run lint

# Migrations
docker compose exec backend python manage.py migrate

# Logs
docker compose logs -f backend
docker compose logs -f frontend

# Réinitialiser complètement
docker compose down -v

Architecture

backend/
├── config/              # Django settings, urls, wsgi
└── agents/
    ├── services/
    │   ├── claude_client.py   # Wrapper SDK Anthropic — streaming SSE, prompt caching
    │   ├── cv_agent.py        # Agent CV & LM — adaptation + analyse
    │   └── linkedin_agent.py  # Agent LinkedIn — 3 tons
    ├── models.py              # Session (UUID anonyme), GenerationHistory
    ├── serializers.py         # Validation des inputs (PDF magic bytes, choix de ton…)
    ├── views.py               # Endpoints DRF + StreamingHttpResponse
    └── tests/                 # 24 tests — claude_client, cv_agent, linkedin_agent

frontend/
├── src/
│   ├── services/api.js        # fetch SSE (streamCv, streamLinkedIn) + session UUID
│   ├── views/                 # LinkedinView, CvView (toggle Adapter/Analyser), HistoryView
│   ├── components/            # PostResult, ResultCard, AnalysisCard, FileUpload
│   └── tests/                 # Vitest — FileUpload, PostResult, api.js

Flux de données

Vue (fetch) → POST /api/agents/cv/      (multipart : offre + PDF)
           → POST /api/agents/linkedin/ (JSON : description + ton)
  → Serializer (validation)
  → DRF view → agent service → claude_client (streaming Claude)
  → StreamingHttpResponse SSE → Vue affiche token par token
  → GenerationHistory sauvegardé en base

Variables d'environnement

Voir .env.example. Variables obligatoires :

VariableDescription
ANTHROPIC_API_KEYClé API Anthropic
DJANGO_SECRET_KEYSecret Django (min. 50 caractères aléatoires)
POSTGRES_DB / POSTGRES_USER / POSTGRES_PASSWORDCredentials PostgreSQL
Ver o original no GitHub

Bom para

Relacionados