इस प्रोजेक्ट के बारे में

JobOps Copilot नौकरी खोज के लिए एक AI-एजेंट संचालन प्लेटफ़ॉर्म है। यह CRM में अवसरों को खोजता और ट्रैक करता है, फिर फिट का विश्लेषण करने, कंपनियों पर शोध करने, साक्षात्कार की तैयारी करने, कौशल अंतराल की योजना बनाने, आउटरीच का ड्राफ्ट तैयार करने और टाइम-सीरीज़ इनसाइट्स सामने लाने के लिए वास्तविक LLM, retrieval-augmented generation, और बहु-चरण एजेंट लागू करता है। यह प्रोजेक्ट स्वयं को स्पष्ट रूप से एक जिम्मेदार AI संचालन प्रणाली के रूप में प्रस्तुत करता है, न कि ऑटो-अप्लाई बॉट के रूप में: यह ड्राफ्ट और सिफ़ारिश करता है, लेकिन कभी भेजता या मनगढ़ंत नहीं बनाता। README में वर्णित मुख्य क्षमताएँ: - बहु-प्रदाता LLM: एक Python एजेंट सेवा LangChain के init_chat_model के माध्यम से Anthropic Claude, Azure OpenAI, OpenAI, या Google Gemini पर रूट करती है, साथ में structured-output validation। एक deterministic mock fallback बिना keys के भी ऐप को काम करते रहने देता है। - बहु-चरण LangChain एजेंट: interview-prep, company research (एक web-search tool के साथ), और skill-gap planning, जो create_agent और ToolStrategy पर बने हैं। आउटपुट प्रति job सहेजे जाते हैं और फिर से जनरेट किए जा सकते हैं। - इन-ऐप job discovery: Adzuna से roles ingest करता है, स्थानीय keyword pre-rank के साथ, फिर खोलने पर एक LLM fit score की गणना करता है; इसमें recency filter, posted date, matched-skills snippet, और एक scheduled discovery cron शामिल है। - Add-job URL autofill: एक SSRF-guarded fetch, जिसमें tiered extractor (JSON-LD JobPosting, OpenGraph, heuristic) एक Autofill बटन के पीछे है। - फ़्लोटिंग global assistant: हर authenticated पेज पर एक multi-turn, context-aware chat widget, जो Python से Express और Next.js तक end to end stream होता है, sessionStorage persistence और accessibility support के साथ। - pgvector पर RAG: resumes और job descriptions को Hugging Face sentence-transformers (PyTorch) के साथ embed किया जाता है और Postgres pgvector में संग्रहीत किया जाता है; fit scoring retrieved resume evidence पर आधारित होती है। - Time-series telemetry intelligence: pipeline पर pandas trend, anomaly, और forecast विश्लेषण, जिसे एक LLM narrate करता है, साथ में एक synthetic EV battery telemetry demo। - UI: Next.js 16, React 19, Tailwind v4, shadcn/ui, light/dark themes, onboarding wizard, Clerk authentication, और breakpoints पर Playwright verification। - Workflow automation: job intake, follow-up reminders, और weekly reports के लिए n8n webhooks, साथ में Make.com और Zapier के लिए companion flows। - Production discipline: npm और Python CI (lint, typecheck, build, tests), protected main branch, Azure PostgreSQL, Blob Storage export, और App Service deploy workflow। - AI ops: Adzuna ingestion, Langfuse tracing, एक eval harness (deterministic plus Ragas) जिसमें two-tier CI gate है, और runtime guardrails जिनमें per-user rate limiting, daily cost ceiling, contact-PII redaction, prompt-injection defense, और output moderation शामिल हैं। Architecture: apps/web (Next.js) से apps/api (Express) से services/agent (Python/FastAPI, जो AI का स्वामी है) से Azure PostgreSQL with pgvector तक, और चारों ओर Blob Storage, automation, और Azure platform services। जब AGENT_SERVICE_URL सेट होता है तो API AI को agent service को सौंपता है, अन्यथा mock का उपयोग करता है। Database migrations API द्वारा boot पर लागू किए जाते हैं, और एक readiness endpoint schema gaps की रिपोर्ट करता है। Tech stack: Next.js 16, React 19, TypeScript, Tailwind v4, shadcn/ui, Clerk; pg के साथ Express 5; Python 3.12, FastAPI, LangChain, sentence-transformers, pandas, psycopg/pgvector; Azure Database for PostgreSQL, Blob Storage, App Service, Container Apps; automation के लिए n8n, Make.com, और Zapier। Safety और human approval: सिस्टम आउटरीच का ड्राफ्ट बनाता है लेकिन कभी स्वचालित रूप से नहीं भेजता, resume emphasis का सुझाव देता है लेकिन कभी अनुभव मनगढ़ंत नहीं करता, fit को स्कोर करता है और कंपनियों पर शोध करता है जबकि निर्णय उपयोगकर्ता पर छोड़ता है, और आउटपुट को structured, grounded, और auditable रखता है।