jobops-copilot

JobOps Copilot es una plataforma de operaciones con agentes de IA para la búsqueda de empleo. Descubre y rastrea oportunidades en un CRM y luego aplica LLM reales, generación aumentada por recuperación y agentes multi-paso para analizar la idoneidad, investigar empresas, preparar entrevistas, planificar brechas de habilidades, redactar mensajes de contacto y mostrar información de series temporales. El proyecto se posiciona explícitamente como un sistema responsable de operaciones con IA en lugar de un bot de postulación automática: redacta y recomienda, pero nunca envía ni inventa. Capacidades clave descritas en el README: - LLM de múltiples proveedores: un servicio de agentes en Python enruta a Anthropic Claude, Azure OpenAI, OpenAI o Google Gemini mediante init_chat_model de LangChain, con validación de salida estructurada. Un respaldo simulado determinista mantiene la aplicación funcionando sin claves. - Agentes multi-paso de LangChain: preparación de entrevistas, investigación de empresas (con una herramienta de búsqueda web) y planificación de brechas de habilidades construidos sobre create_agent más ToolStrategy. Las salidas persisten por puesto y pueden regenerarse. - Descubrimiento de empleos en la aplicación: ingiere roles desde Adzuna con un pre-ranking local por palabras clave y luego calcula una puntuación de idoneidad con LLM al abrir; incluye filtro de recencia, fecha de publicación, fragmento de habilidades coincidentes y un cron programado de descubrimiento. - Autorrelleno de URL al añadir empleo: una obtención protegida contra SSRF con un extractor por niveles (JSON-LD JobPosting, OpenGraph, heurístico) detrás de un botón de Autorrelleno. - Asistente global flotante: un widget de chat multi-turno y consciente del contexto en cada página autenticada, transmitido de extremo a extremo desde Python a través de Express y Next.js, con persistencia en sessionStorage y soporte de accesibilidad. - RAG sobre pgvector: los currículums y las descripciones de puestos se vectorizan con sentence-transformers de Hugging Face (PyTorch) y se almacenan en Postgres pgvector; la puntuación de idoneidad se fundamenta en la evidencia recuperada del currículum. - Inteligencia de telemetría de series temporales: análisis de tendencias, anomalías y pronósticos con pandas sobre el pipeline, narrado por un LLM, más una demostración sintética de telemetría de batería de vehículo eléctrico. - Interfaz: Next.js 16, React 19, Tailwind v4, shadcn/ui, temas claro/oscuro, asistente de incorporación, autenticación con Clerk y verificación con Playwright en distintos puntos de interrupción. - Automatización de flujos de trabajo: webhooks de n8n para la ingesta de empleos, recordatorios de seguimiento e informes semanales, con flujos complementarios para Make.com y Zapier. - Disciplina de producción: CI de npm y Python (lint, typecheck, build, pruebas), rama principal protegida, Azure PostgreSQL, exportación a Blob Storage y flujo de trabajo de despliegue en App Service. - Operaciones de IA: ingesta de Adzuna, trazabilidad con Langfuse, un arnés de evaluación (determinista más Ragas) con una puerta de CI de dos niveles, y barreras de protección en tiempo de ejecución que incluyen limitación de tasa por usuario, techo de coste diario, redacción de PII de contactos, defensa contra inyección de prompts y moderación de salidas. Arquitectura: apps/web (Next.js) hacia apps/api (Express) hacia services/agent (Python/FastAPI, que posee la IA) hacia Azure PostgreSQL con pgvector, rodeado de Blob Storage, automatización y servicios de plataforma de Azure. La API delega la IA al servicio de agentes cuando AGENT_SERVICE_URL está configurado; de lo contrario, usa un mock. Las migraciones de base de datos las aplica la API al arrancar, y un endpoint de readiness informa de brechas de esquema. Stack tecnológico: Next.js 16, React 19, TypeScript, Tailwind v4, shadcn/ui, Clerk; Express 5 con pg; Python 3.12, FastAPI, LangChain, sentence-transformers, pandas, psycopg/pgvector; Azure Database for PostgreSQL, Blob Storage, App Service, Container Apps; n8n, Make.com y Zapier para automatización. Seguridad y aprobación humana: el sistema redacta mensajes de contacto pero nunca los envía automáticamente, sugiere énfasis en el currículum pero nunca inventa experiencia, puntúa la idoneidad e investiga empresas mientras deja las decisiones al usuario, y mantiene las salidas estructuradas, fundamentadas y auditables.