🏠 HR Assistant
🤖 Мультимодальный AI-ассистент для обработки резюме. Автоматическое извлечение данных, matching с вакансиями, мультимедийный ответ за секунды.
HR Assistant — автоматизация первичного отбора на n8n: кандидат отправляет резюме в Telegram-бот (текст, голос, PDF/DOCX или фото), GPT-4o-mini извлекает структурированный профиль, сравнивает его с вакансиями и возвращает кандидату результат matching — score 0–100 с разбивкой по критериям, вердикт match / no_match с обоснованием и мультимедийный ответ (текст + аудио + визуальная карточка).
- Кандидат получает разбор своего соответствия вакансиям менее чем за 90 секунд, в любом из четырёх форматов ввода.
- HR-специалист получает структурированные карточки кандидатов и обоснованные оценки в PostgreSQL — без ручного чтения резюме.
- Система не скрывает, как оценён кандидат: score, разбивка по критериям (роль, навыки, опыт, условия) и обоснование сохраняются с каждым matching.
▶️ Проверить живое демо · 💼 Ценность для бизнеса · 🎬 Сквозные сценарии
▶️ Live Demo
🤖 Telegram-бот: @PEm05_HR_assistant_bot
Отправьте резюме любым способом — текстом, голосовым сообщением, PDF/DOCX-файлом или фото — и получите результат matching по открытым вакансиям менее чем за 90 секунд.
🔓 Demo-контракт: бот открыт для всех, без регистрации и токенов. Отправляйте обезличенные данные — резюме обрабатываются живым AI-контуром. Канонический маршрут проверки демо (открыть → отправить → что наблюдать → ожидаемый результат) — docs/DEMO_ROUTE.md.
❓ Зачем нужен HR Assistant
| Проблема | Решение |
|---|
| Медленная обработка | Менее 1 минуты вместо 10–15 минут ручного разбора |
| Ограниченные форматы | Мультимодальный ввод: текст / голос / документ / фото |
| Ручное извлечение данных | AI-извлечение структурированного профиля (GPT-4o-mini) |
| Отсутствие matching | Автоматическое сравнение с вакансиями, score 0–100 с обоснованием |
Подробно — в docs/BUSINESS_VALUE.md.
🎯 Для кого
- HR-команды и агентства, которым нужна мгновенная первичная обработка входящих резюме без ручного разбора.
- Рекрутеры, которым нужны структурированные карточки кандидатов и обоснованные оценки, а не «на глаз».
- Инженеры-интеграторы: кейс — рабочий референс мультимодального AI-конвейера на n8n (intake → extraction → matching → мультимедийная доставка).
✨ Возможности
- Приём резюме 24/7 в четырёх форматах — текст, голосовое сообщение (автоматическая транскрибация), PDF/DOCX, фото.
- AI-извлечение данных — ФИО, город, навыки, опыт, зарплатные ожидания в структурированный профиль.
- AI-matching с вакансиями — score 0–100 с разбивкой по критериям: роль 30 / навыки 35 / опыт 20 / условия 15, порог решения 60.
- Мультимедийный ответ — текст + TTS-озвучка + сгенерированная визуальная карточка результата.
- Полная трассируемость — журнал обработки, статусы шагов, сырые ответы LLM в PostgreSQL.
🏗️ Бизнес-процесс
flowchart LR
A[Кандидат] -->|текст / голос / PDF / фото| B[Telegram Bot]
B -->|webhook| C[HR Intake]
C -->|normalized_text| D[HR Processing Worker]
D -->|extraction, matching| E[GPT-4o-mini]
D -->|save| J[(PostgreSQL)]
D -->|result| G[HR Delivery Worker]
G -->|TTS + визуал| H[OpenAI API]
G -->|message| B
B -->|результат matching| A
- Кандидат отправляет резюме (текст / голос / PDF/DOCX / фото)
- HR Intake принимает, определяет тип ввода, нормализует данные
- GPT-4o-mini извлекает структурированный профиль кандидата
- GPT-4o-mini сравнивает профиль с вакансиями: score 0–100, вердикт, обоснование
- HR Delivery Worker формирует мультимедийный ответ (текст + TTS + визуал)
- Кандидат получает результат matching менее чем за 90 секунд
Подробно: 🎬 Сквозные сценарии · 🏗️ Архитектура
🛠️ Технологии
| Компонент | Технология | Назначение |
|---|
| Workflow Engine | n8n (self-hosted), Docker Compose | Оркестрация процессов |
| AI-провайдер | OpenAI API (gpt-4o-mini, tts, gpt-image-1) | Извлечение, matching, мультимедиа |
| База данных | PostgreSQL 16 | Профили, вакансии, matching, журнал |
| Бот | Telegram Bot API | Входной канал |
🚀 Быстрый старт
# 1. Настроить окружение
cp .env.example .env # заполнить переменные — см. DEPLOYMENT_GUIDE §5
# 2. Запустить PostgreSQL и n8n
docker compose -f config/docker-compose.yml up -d
# 3. Применить схему БД
psql -U hr_user -d hr_assistant -f database/schema_hr_assistant.sql
# 4. Настроить credentials в n8n (PostgreSQL, OpenAI, Telegram)
# 5. Импортировать workflows из workflows/ и настроить Telegram webhook
Полный процесс развёртывания — 🚀 docs/DEPLOYMENT_GUIDE.md (Source of Truth воспроизводимости).
Требования: Docker Compose, n8n, ключ OpenAI API, токен Telegram-бота.
📚 Документация
Три слоя читателей — по одному входу на слой:
Customer Facing
User-Operator
Engineering
Примечание: внутренние рабочие материалы инженерной среды AI Automation Portfolio Lab (история задач, протоколы) хранятся вне публичной поставки и не входят в состав документации.
🧪 Экспериментальный ML-контур
Параллельно с production-контуром (OpenAI GPT-4o-mini) развивается экспериментальный ML-контур качества matching: prompt evaluation → reference dataset → teacher dataset → fine-tuning LoRA → validation.
Production-контур использует OpenAI GPT-4o-mini; LoRA не применяется в production (уступает GPT-4o-mini на real-world hard negatives — Telegram smoke 35 % vs 43 %).
📊 Статус проекта
Production-контур: работает (v2.3.0, 2026-09-01). Приём 4 форматов, extraction, matching, мультимедийная доставка — в live-эксплуатации.
Экспериментальный ML-контур: активен (prompt evaluation + LoRA-эксперименты). Подробно — 📊 docs/PROJECT_STATE.md.
История изменений — 📝 docs/CHANGE_LOG.md.
📁 Структура проекта
hr-assistant/
├── README.md # Точка входа
├── docs/ # Документация
├── workflows/ # Workflow n8n
├── database/ # Схемы БД
├── config/ # Docker Compose, конфигурация окружения
├── finetuning/ # Модуль Fine-tuning (LoRA) — экспериментальный
└── api/ # Runtime API (экспериментальные LLM-бэкенды)
Полная карта каталогов и файлов — в 📂 docs/PROJECT_STRUCTURE.md.
Последнее обновление: 2026-09-16
История изменений: 📝 docs/CHANGE_LOG.md
