منصوبے کے بارے میں

job-workbench ایک مقامی-پہلے (local-first) اور قابلِ auditing ورک بنچ ہے جس کے ذریعے جاب ڈسکرپشن کے تجزیے سے لے کر آفر کے فیصلوں تک پوری جاب سرچ کو چلایا جا سکتا ہے۔ یہ آپ کی اپنی ڈسک پر سادہ Markdown اور CSV فائلوں اور آپ کے اپنے AI کمانڈ لائن ٹول کا استعمال کرتا ہے۔ اسے Python میں لکھا گیا ہے اور MIT لائسنس کے تحت جاری کیا گیا ہے۔ یہ پروجیکٹ نوکری کی تلاش کی اصل مشکل کو بکھری ہوئی معلومات کے طور پر پیش کرتا ہے جو فیصلوں میں رکاوٹ بنتی ہیں: جیسے کہ آیا کوئی کمپنی اپلائی کرنے کے قابل ہے، ریزیومے کا کون سا ورژن کہاں بھیجا گیا، اور کتنی درخواستیں زیرِ التوا ہیں جن کی ڈیڈ لائنز قریب ہیں۔ یہ ورک بنچ اس مواد کو قابلِ استفسار (queryable) اور قابلِ ٹریس فائلوں میں تبدیل کر دیتا ہے۔ اس کے ڈیزائن کی رہنمائی تین اصول کرتے ہیں۔ پہلا، مقامی-پہلے پرائیویسی: ہر چیز ڈسک پر سادہ متن کے طور پر رہتی ہے جو git-diffable اور اسپریڈ شیٹ کے لیے موزوں ہے، جس میں کوئی ٹیلی میٹری یا سرور نہیں ہے۔ ذاتی ڈیٹا ایک ذاتی ڈائریکٹری میں رہتا ہے جسے ورژن کنٹرول سے باہر رکھا جاتا ہے، تاکہ ایک نیا کلون خالی شروع ہو اور ریپوزٹری میں کوئی حقیقی ڈیٹا نہ ہو۔ دوسرا، بلیک باکس آٹومیشن کے بجائے قابلِ auditing AI: آپ کا اپنا AI CLI سیمیٹک فیصلے کرتا ہے جیسے جاب ڈسکرپشن پڑھنا اور فٹنس اسکور کرنا، جبکہ Python اسکرپٹس یقینی کام سنبھالتے ہیں جیسے اہلیت کے گیٹس، اسکور کی تصدیق، PDF جنریشن اور ٹریکر ان پٹ اور آؤٹ پٹ۔ خودکار فیصلوں کے ساتھ انسانی طور پر قابلِ چیک وجوہات فراہم کی جاتی ہیں۔ تیسرا، ڈیٹا کی غلط بیانی کے خلاف تحفظات (anti-fabrication safeguards): ریزیومے امپورٹ کو جنریشن کے بجائے ایکسٹریکشن کے طور پر بیان کیا گیا ہے، ہر محفوظ شدہ ویلیو کا تعلق اصل متن سے ہونا چاہیے، غیر اخذ شدہ فیلڈز کو نشان زد کیا جاتا ہے، اور AI ری رائٹ تجاویز کو قبول کرنے سے پہلے پانچ مقامی اینٹی-فیبریکیشن چیکس سے گزرنا پڑتا ہے۔ فنکشنل طور پر، یہ ٹول چار کمانڈ لائن ورک فلوز پیش کرتا ہے جن میں جاب ڈسکرپشن پارسنگ اور اسکورنگ، ایپلی کیشن پیکیجنگ، ٹریکر اور فنل مینجمنٹ، اور ویلیڈیشن کے ساتھ ریزیومے کی تشکیلِ نو شامل ہے۔ ایک Web UI سات صفحات فراہم کرتا ہے جو وہی ڈیٹا فائلیں استعمال کرتے ہیں: ڈیش بورڈ، ٹریکر، ون کلک امپورٹ کے ساتھ ریزیومے ورکشاپ، گارڈڈ AI ری رائٹ اور Word ایکسپورٹ، انٹرویو سوالات کے بینک والا پروگریس پیج، ریٹرو اسپیکٹوز، لائبریری اور سیٹنگز۔ درخواست کے بعد کا لوپ ون کلک کیلنڈر ایکسپورٹ کے ساتھ انٹرویو ریکارڈز، ریکروٹر کانٹیکٹ فالو اپس، بغیر کسی سفارش کے سائیڈ بائی سائیڈ حقائق کے طور پر پیش کی گئی آفرز کی موازنہ، ریزیومے ورژن کی تاریخ، اسٹیج کنورژن ریٹرو اسپیکٹوز، فیلر کلسٹرنگ، اور چار حالتوں میں بیان کردہ ایپلی کیشن ہیلتھ کو سپورٹ کرتا ہے۔ اسکورنگ ایک دو مرحلہ وار فریم ورک پر عمل کرتی ہے: ایک اہلیت گیٹ (eligibility gate) جس میں ڈگری، میجر، کوہورٹ، زبان اور شہر شامل ہیں، جہاں کسی بھی ناکامی کا مطلب ہے کہ اسکورنگ نہیں ہوگی، جس کے بعد چار ویٹڈ ڈائمینشنز ایک پانچ سطحی فیصلہ پیدا کرتی ہیں۔ اسکورنگ رولز کو کوڈ کے بجائے Markdown پروفائلز ایڈٹ کر کے تبدیل کیا جاتا ہے۔ آرکیٹیکچر کو ڈومین اسکلز سے اسکرپٹس، پھر ڈیٹا اور ورژن کنٹرول تک ایک چار لیئر ون وے ڈیپینڈینسی کے طور پر بیان کیا گیا ہے۔ شروع کرنے کے لیے Python 3.8 یا اس سے بعد کا ورژن درکار ہے جو صرف اسٹینڈرڈ لائبریری استعمال کرتا ہے، ویلیڈیشن کے لیے ایک اختیاری PDF لائبریری اور PDF جنریشن کے لیے Chrome یا Edge کی ضرورت ہے۔ ایک انیشلائزیشن اسکرپٹ چھ ماڈیولز، پروفائل ٹیمپلیٹس اور ایک ڈومین پلگ ان کے ساتھ ورک اسپیس بناتا ہے؛ دوسرا اسکرپٹ اسکلز کو سپورٹڈ AI رن ٹائمز تک تقسیم کرتا ہے۔ صارفین پھر ایک ایجنٹ کنفیگریشن فائل بھرتے ہیں جس کا ہارڈ ایلیجیبلٹی حقائق کا سیکشن لازمی ہے، کیونکہ جاب ڈسکرپشن گیٹ جان بوجھ کر اندازہ لگانے سے انکار کرتا ہے، اور پھر وہ اپنے AI CLI کے ساتھ قدرتی زبان میں بات چیت کرتے ہیں۔ ان صارفین کے لیے جن کے پاس Python یا Node نہیں ہے، ریلیز پیج سے ایک پیکیجڈ Windows ڈیسک ٹاپ ایپلی کیشن دستیاب ہے، جو ڈیٹا کو مقامی ایپلی کیشن ڈیٹا فولڈر میں اسٹور کرتی ہے۔ ریپوزٹری میں ٹیسٹ شامل ہیں جو کنٹینیوس انٹیگریشن گیٹ کے طور پر کام کرتے ہیں، ایک یوزج گائیڈ، ڈیزائن دستاویزات، روڈ میپ اور کنٹری بیوشن گائیڈ لائنز موجود ہیں۔ یوزر انٹرفیس فی الحال چینی زبان (Chinese-first) میں ہے، جبکہ انگریزی انٹرفیس روڈ میپ پر درج ہے۔