Auto_Jobs_Applier_AI_Agent
v11.15.2024
AI を活用した就職アシスタント。アプリケーションを自動化し、パーソナライズされた推奨事項を取得し、夢の仕事をより早く獲得します。
コミュニティに参加してください: Telegram (一般ユーザー向け) | Discord (オープンソース貢献者向け)
クリエイターfeder-cr、AIHawk 共同創設者
AIHawk は企業の採用における問題を解決する独自の製品に注力しているため、現在このプロジェクトはオープンソースの貢献者のグループによって主導、管理、維持されており、求職者がふさわしい職に就くのを支援するツールの構築に重点を置いています。 。
プロジェクトのメンテナー / リーダー: surapuramakhil、sarob、cjbbb
私たちは FOSS メンテナ チームを拡大したいと考えています。非技術的な背景を持つ場合は、プロジェクト管理チームの一員として問題を優先順位付けし、プロジェクトを形成することができます。あなたが技術者であれば、コードレビューの実施、リリースへの参加、この製品のより良いバージョンの構築に参加できます。
Discord で surapuramakhil に連絡してください。特別な感謝
Auto_Jobs_Applier_AIHawk は継続的に進化しており、皆様のフィードバック、提案、貢献は高く評価されています。プロジェクトの改善に役立てるため、お気軽に問題をオープンしたり、機能拡張を提案したり、プル リクエストを送信したりしてください。 Auto_Jobs_Applier_AIHawk を世界中の求職者にとって強力なツールにするために協力しましょう。
導入
特徴
インストール
構成
使用法
ドキュメント
トラブルシューティング
結論
貢献者
ライセンス
免責事項
Auto_Jobs_Applier_AIHawk は、求人検索と応募プロセスに革命を起こすように設計された最先端の自動化ツールです。機会が瞬く間に消えてしまう可能性がある今日の熾烈な競争市場において、このプログラムは求職者に大きなメリットをもたらします。 Auto_Jobs_Applier_AIHawk は、自動化と人工知能の力を活用することで、ユーザーが膨大な数の関連するポジションに効率的かつパーソナライズされた方法で応募できるようにし、夢の仕事に就くチャンスを最大限に高めます。
デジタル時代において、就職活動の状況は劇的に変化しました。オンライン プラットフォームは世界にチャンスをもたらしましたが、同時に競争も激化させました。求職者は、リストをスクロールしたり、応募書類を調整したり、フォームに繰り返し記入したりすることに数え切れないほどの時間を費やしていることに気づくことがよくあります。このプロセスは時間がかかるだけでなく、精神的にも消耗し、求職活動の疲労やチャンスの逃しにつながる可能性があります。
Auto_Jobs_Applier_AIHawk は、これらの課題に対する革新的なソリューションとして介入します。それは単なるツールではありません。 24 時間年中無休のあなたの仕事探しのパートナーです。就職活動プロセスの最も時間のかかる部分を自動化することで、本当に重要なこと、つまり面接の準備や専門スキルの開発に集中できるようになります。
インテリジェントな求人検索の自動化
カスタマイズ可能な検索条件
新規出店を継続的にスキャン
無関係なリストを除外するスマートなフィルタリング
迅速かつ効率的な申請書の提出
ワンクリックアプリケーション
プロフィール情報を使用したフォームの自動入力
自動書類添付（履歴書、カバーレター）
AI を活用したパーソナライゼーション
雇用主固有の質問に対する動的応答生成
企業文化に合わせたトーンとスタイルのマッチング
キーワードの最適化によるアプリケーションの関連性の向上
品質を重視したボリューム管理
一括アプリケーション機能
品質管理対策
詳細なアプリケーション追跡
インテリジェントなフィルタリングとブラックリスト登録
望まない雇用主を避けるための企業のブラックリスト
関連する位置に焦点を当てるタイトル フィルタリング
動的履歴書の生成
応募ごとにカスタマイズされた履歴書を自動的に作成します
職務要件に基づいて履歴書の内容をカスタマイズします
安全なデータ処理
YAML ファイルを使用して機密情報を安全に管理します
以下で正常に実行されることを確認しました。
オペレーティング システム:
Windows 10
Ubuntu 22
Python のバージョン:
3.10
3.11.9(64b)
3.12.5(64b)
Python をダウンロードしてインストールします。
Python の最新バージョンがインストールされていることを確認してください。そうでない場合は、Python の公式 Web サイトからダウンロードしてインストールします。詳細な手順については、次のチュートリアルを参照してください。
Windows に Python をインストールする方法
Linux に Python をインストールする方法
macOS に Python をダウンロードしてインストールする方法
Google Chrome をダウンロードしてインストールします。
公式 Web サイトから Google Chrome の最新バージョンをダウンロードしてデフォルトの場所にインストールします。
リポジトリのクローンを作成します。
git clone https://github.com/feder-cr/Auto_Jobs_Applier_AIHawk.gitcd Auto_Jobs_Applier_AIHawk
仮想環境をアクティブ化します。
python3 -m venv 仮想
ソース仮想/bin/アクティブ化
または Windows ベースのマシンの場合 -
.virtualScriptsactivate
必要なパッケージをインストールします。
pip install -r 要件.txt
Conda をインストールします。
公式WebサイトからMinicondaをダウンロードしてインストールします
または、Anaconda Web サイトから Anaconda をインストールします。
conda 環境を作成してアクティブ化します。
# 新しい環境を作成conda create -n aihawk python=3.11# 環境をアクティブ化conda activate aihawk
リポジトリのクローンを作成します。
git clone https://github.com/feder-cr/Auto_Jobs_Applier_AIHawk.gitcd Auto_Jobs_Applier_AIHawk
依存関係をインストールします。
#requirements.txtpip install -rrequirements.txtからインストールします
このファイルには機密情報が含まれています。このファイルを共有したり、バージョン管理にコミットしたりしないでください。
llm_api_key: [Your OpenAI or Ollama API key or Gemini API key]
GPT 統合用の OpenAI API キーに置き換えます。
API キーを取得するには、https://medium.com/@lorenzozar/how-to-get-your-own-openai-api-key-f4d44e60c327 のチュートリアルに従ってください。
注: API を使用するには、OpenAI アカウントにクレジットを追加する必要があります。 OpenAI 請求ダッシュボードにアクセスしてクレジットを追加できます。
OpenAI コミュニティとユーザーのレポートによると、OpenAI アカウントを設定して必要なクレジットを購入した直後、ユーザーはまだFreeアカウント タイプを持っています。これにより、OpenAI モデルに無制限にアクセスできなくなり、1 日あたり 200 リクエストのみが許可されます。これにより、次のような実行時エラーが発生する可能性があります。
Error code: 429 - {'error': {'message': 'You exceeded your current quota, please check your plan and billing details. ...}}
{'error': {'message': 'Rate limit reached for gpt-4o-mini in organization <org> on requests per day (RPD): Limit 200, Used 200, Requested 1.}}
OpenAI はアカウントを自動的に更新しますが、数時間から数日まで時間がかかる場合があります。
組織の制限の詳細については、公式ページをご覧ください。
Gemini API キーを取得するには、Google AI for Devs にアクセスしてください
このファイルは、求人検索パラメータとボットの動作を定義します。各セクションには、カスタマイズできるオプションが含まれています。
remote: [true/false]
リモート ジョブを含める場合はtrueに設定し、リモート ジョブを除外する場合はfalseに設定します。
hybrid: [true/false]
ハイブリッド ジョブを含める場合はtrueに設定し、ハイブリッド ジョブを除外する場合はfalseに設定します。
onsite: [true/false]
オンサイト ジョブを含める場合はtrueに設定し、除外する場合はfalseに設定します。
experience_level:
必要な経験レベルをtrueに設定し、その他のレベルをfalseに設定します
job_types:
必要なジョブ タイプをtrueに設定し、その他のジョブ タイプをfalseに設定します。
date:
求人投稿の 1 つの期間をtrueに設定し、その他をfalseに設定して選択します。
positions:
興味のある役職を 1 行に 1 つずつリストします
例：
ポジション: - ソフトウェア開発者 - データサイエンティスト
locations:
検索したい場所を 1 行に 1 つずつリストします
例：
場所: - イタリア - ロンドン
apply_once_at_company: [True/False]
企業ごとに 1 回だけ適用する場合はTrueに設定し、企業ごとに複数の申請を許可する場合はFalseに設定します。
distance: [number]
求職活動の範囲をマイル単位で設定します
例: distance: 50
companyBlacklist:
検索から除外したい企業を 1 行に 1 つずつリストします。
例：
会社ブラックリスト: - X社 - Y社
titleBlacklist:
避けたい役職のキーワードを 1 行に 1 つずつリストします。
例：
タイトルブラックリスト: - 販売 - マーケティング
LLM_MODEL_TYPE :
サポートされているモデル タイプを選択します: openai / ollama / claude / gemini
LLM_MODEL :
オープンナイ: gpt-4o
オラマ: ラマ2、ミストラル:v0.3
クロード: どのモデルでも
ジェミニ: 任意のモデル
現在サポートされている LLM モデルを選択します。
LLM_API_URL :
openai: https://api.pawan.krd/cosmosrp/v1
オラマ: http://127.0.0.1:11434/
クロード: https://api.anthropic.com/v1
ジェミニ: https://aistudio.google.com/app/apikey
LLM モデルの API エンドポイントのリンク
注: ローカル Ollama を実行するには、次のガイドラインに従ってください: Ollama 導入ガイド
このファイルには、構造化された形式で履歴書情報が含まれています。個人情報、学歴、職歴、スキルなどを記入してください。この情報は、応募フォームに自動入力し、カスタマイズされた履歴書を生成するために使用されます。
各セクションには、入力する特定のフィールドがあります。
personal_information:
個人情報: 名前: 「ジェーン」 姓：「ドー」 生年月日: "1990/01/01" 国：「アメリカ」 都市：「ニューヨーク」 住所：「123 Main St」 郵便番号: "520123" 電話番号プレフィックス: "+1" 電話: 「5551234567」 電子メール: 「[email protected]」 github: "https://github.com/janedoe" リンクされたin: "https://www.linkedin.com/in/janedoe/"
name : あなたの名前。
姓: あなたの姓または姓。
date_of_birth : DD/MM/YYYY 形式の生年月日。
country : 現在居住している国。
city : あなたが現在住んでいる都市。
address : 番地と番地を含む完全な住所。
zip_code : 郵便番号。
Phone_prefix : 電話番号の国際ダイヤル コード (例: 米国の場合は +1、英国の場合は +44)。
電話: 国際プレフィックスを除いた電話番号。
email : メインの電子メール アドレス。
github : GitHub プロファイルへの URL (該当する場合)。
linkedin : LinkedIn プロフィールへの URL (該当する場合)。
このセクションには、あなた自身を特定し、連絡先情報を提供するための基本的な個人情報が含まれています。
例
education_details:
教育の詳細: - 教育レベル: "学士号" 教育機関: "University of Example" 研究分野: "ソフトウェアエンジニアリング" 最終評価成績: "4/4" 開始日: "2021" 修了年: "2023" 試験: アルゴリズム: "A" データ構造: "B+"データベース システム: "A" オペレーティング システム: "A-" Web 開発: "B"
学位: 取得した学位の種類 (学士号、修士号など)。
大学: あなたが学んだ大学または機関の名前。
Final_evaluation_grade : 成績の平均点または学業成績の同等の尺度。
start_date : 勉強を開始した年。
卒業年: 卒業した年。
field_of_study : 研究の主要または重点分野。
試験: 受講したコースまたは科目とそれぞれの成績のリスト。
このセクションでは、取得した学位や関連するコースなど、学歴の概要を説明します。
例：
experience_details:
経験の詳細:
- 役職: "ソフトウェア開発者" 会社名: "Tech Innovations Inc." 雇用期間: "06/2021 - 現在" 所在地: "カリフォルニア州サンフランシスコ" 業界: "テクノロジー" キー責任:
- 責任: 「React と Node.js を使用して Web アプリケーションを開発」 - 責任: 「部門横断的なチームと協力して新機能を設計および実装」 - 責任: 「複雑なソフトウェアの問題のトラブルシューティングと解決」 取得したスキル:
- 「React」 - 「Node.js」 - 「ソフトウェアのトラブルシューティング」Position : あなたの役職または役割。
company : あなたが働いていた会社または組織の名前。
雇用期間: MM/YYYY - MM/YYYY の形式を使用した、その役割に雇用されていた期間。
location : 会社が所在する都市および国。
Industry : 会社が事業を展開している業界または分野。
key_responsibility : あなたがそのロールで負っていた主な責任または義務のリスト。たとえば、責任: 「React と Node.js を使用して Web アプリケーションを開発した」。
skill_acquired : このロールを通じて獲得したスキルまたは専門知識 (例: "React")。
このセクションでは、職務、会社、主な責任など、あなたの職歴について詳しく説明します。
例：
projects:
name : プロジェクトの名前またはタイトル。
description : プロジェクトの内容またはその目的の簡単な概要。
link : 利用可能な場合、プロジェクトへの URL (GitHub リポジトリ、Web サイトなど)。
個人的または専門的なプロジェクトを含め、これまでに取り組んだ注目すべきプロジェクトを含めます。
例：
プロジェクト: - 名前: "天気アプリ" 説明: "サードパーティ API を使用してリアルタイムの天気情報を提供する Web アプリケーション。" リンク: "https://github.com/janedoe/weather-app" - 名前: "タスク マネージャー" 説明: "タスクを追跡し、優先順位を付ける機能を備えたタスク管理ツール。" リンク: "https://github.com/janedoe/task-manager"
achievements:
実績: - 名前: 「今月の従業員」説明: 「並外れたパフォーマンスとチームへの貢献が認められました。」 - 名前: 「ハッカソン優勝者」説明: 「国内ハッカソン大会で 1 位を獲得しました。」
name : アチーブメントのタイトルまたは名前。
description : 成果とその重要性の簡単な説明。
あなたが受け取った注目すべき業績や賞を強調します。
例：
certifications:
認証: - 「認定スクラムマスター」 - 「AWS 認定ソリューションアーキテクト」
名前：「PMP」
説明: 「プロジェクト管理協会 (PMI) が発行する、プロジェクト管理プロフェッショナル向けの認定資格」
取得した専門資格があればそれも含めてください。
例：
languages:
言語: - 言語: "英語" 能力: "流暢" - 言語: "スペイン語" 技能: "中級"
language : 言語の名前。
proficiency : あなたの熟練度のレベル (ネイティブ、流暢、中級など)。
あなたが話す言語とそれぞれの熟練度レベルを詳しく記入してください。
例：
interests:
興味: - 「機械学習」 - 「サイバーセキュリティ」 - 「オープンソース プロジェクト」 - 「デジタルマーケティング」 - 「起業家精神」
Interest : 興味や趣味のリスト。
あなたのキャリアに関連するかもしれないあなたの専門的または個人的な興味について言及してください。
例：
availability:
在庫状況: 通知期間: "2週間"
Notice_period : 新しいロールを開始できるようになるまでに必要な時間 (例: 「2 週間」、「1 か月」)。
現在の空き状況または通知期間を記載してください。
例：
salary_expectations:
給与期待値: 給与範囲米ドル: "80000 - 100000"
給与範囲_usd : 予想される給与範囲 (USD で表されます)。
予想される給与範囲を入力してください。
例：
self_identification:
self_identification: 性別: "女性" 代名詞：「彼女/彼女」 ベテラン「いいえ」 障害：「いいえ」 民族性：「アジア人」
ジェンダー: あなたの性自認。
代名詞: 使用する代名詞 (例: 彼/彼、彼女/彼女、彼ら/彼ら)。
退役軍人: 退役軍人としてのあなたのステータス (例: はい、いいえ)。
障害: 障害があるかどうか (例: はい、いいえ)。
民族性: あなたの民族性。
性別や代名詞など、個人のアイデンティティに関連する情報を提供します。
例：
legal_authorization:
eu_work_authorization : 欧州連合で働く権限があるかどうか (はい/いいえ)。
us_work_authorization : 米国で働くことが許可されているかどうか (はい/いいえ)。
Required_us_visa : 米国で働くためにビザが必要かどうか (はい/いいえ)。
Required_us_sponsorship : 米国で働くためにスポンサーシップが必要かどうか (はい/いいえ)。
Required_eu_visa : 欧州連合で働くためにビザが必要かどうか (はい/いいえ)。
Legally_allowed_to_work_in_eu : 欧州連合で法的に働くことが許可されているかどうか (はい/いいえ)。
Legally_allowed_to_work_in_us : 米国で働くことが法的に許可されているかどうか (はい/いいえ)。
Required_eu_sponsorship : 欧州連合で働くためにスポンサーシップが必要かどうか (はい/いいえ)。
canada_work_authorization : カナダで働くことが許可されているかどうか (はい/いいえ)。
Required_canada_visa : カナダで働くためにビザが必要かどうか (はい/いいえ)。
Legally_allowed_to_work_in_canada : カナダでの就労が法的に許可されているかどうか (はい/いいえ)。
Required_canada_sponsorship : カナダで働くためにスポンサーシップが必要かどうか (はい/いいえ)。
uk_work_authorization : 英国で働くことが許可されているかどうか (はい/いいえ)。
Required_uk_visa : 英国で働くためにビザが必要かどうか (はい/いいえ)。
Legally_allowed_to_work_in_uk : 英国で働くことが法的に許可されているかどうか (はい/いいえ)。
Required_uk_sponsorship : 英国で働くためにスポンサーシップが必要かどうか (はい/いいえ)。
さまざまな場所で働くための法的能力を示してください。
例：
legally_authorization:eu_work_authorization: "はい"us_work_authorization: "はい"requires_us_visa: "いいえ"requires_us_sponsorship: "はい"requires_eu_visa: "いいえ"legally_allowed_to_work_in_eu: "はい"legally_allowed_to_work_in_us: "はい"requires_eu_sponsorship: "いいえ"canada_work_authorization: "はい"requires_canada_visa: "いいえ"legally_allowed_to_work_in_canada: "はい"requires_canada_sponsorship: "いいえ"uk_work_authorization: "はい"requires_uk_visa: "いいえ"legally_allowed_to_work_in_uk: "はい"requires_uk_sponsorship: "いいえ"
work_preferences:
work_preferences: リモートワーク: "はい" in_person_work: 「いいえ」 open_to_relocation: "はい" Willing_to_complete_assessments: "はい" Willing_to_undergo_drug_tests: 「いいえ」 Willing_to_undergo_background_checks: "はい"
Remote_work : リモートワークを受け入れるかどうか (はい/いいえ)。
in_person_work : 対面での仕事に前向きかどうか (はい/いいえ)。
open_to_relocation : 就職のために移転する意思があるかどうか (はい/いいえ)。
Willing_to_complete_assessments : 職務評価を完了する意思があるかどうか (はい/いいえ)。
Willing_to_undergo_drug_tests : 薬物検査を受ける意思があるかどうか (はい/いいえ)。
Willing_to_undergo_background_checks : 身元調査を受ける意思があるかどうか (はい/いいえ)。
勤務形態や条件についてご希望を明記してください。
例：
data_folder_exampleフォルダーには、ボットの操作に必要なファイルをどのように構造化し、入力するかを示す実際の例が含まれています。このフォルダーは、求人検索ボットの作業環境を正しく設定するのに役立つ実用的なリファレンスとして機能します。
このフォルダー内には、キー ファイルのサンプル バージョンがあります。
secrets.yaml
config.yaml
plain_text_resume.yaml
これらのファイルには、架空ではあるが現実的なデータがすでに入力されています。各ファイルに入力する正しい形式と情報の種類が示されます。
このフォルダーをガイドとして使用すると、次の場合に特に役立ちます。
各設定ファイルの正しい構造を理解する
各フィールドの有効なデータの例を確認する
個人ファイルに記入する際の基準点を持つ
アカウントの言語ボットが動作するようにするには、アカウントの言語を英語に設定する必要があります。
データ フォルダー: data_folder に次のファイルが含まれていることを確認します。
secrets.yaml
config.yaml
plain_text_resume.yaml
出力フォルダー:ボットの出力が含まれます。
注: answers.jsonは出力フォルダーの一部ではなく、プロジェクトのルートにあります。ユーザーに尋ねられた質問の回答を保存するために使用されます。修正された回答でボットを更新するために使用できます。 Select an option 、 0 ] 、 Authorized ] 、および正解を確認するまでhow many years ofを検索します。
--collect モードのdata.jsonの結果
failed.json失敗したアプリケーション
open_ai_calls.json LLM モデルに対して行われたすべての呼び出し
skipped.jsonスキップされたアプリケーション
success.json成功したアプリケーション
ボットを実行します。
Auto_Jobs_Applier_AIHawk は、PDF 履歴書の処理方法に柔軟性を提供します。
動的履歴書の生成: --resumeオプションを使用しない場合、ボットはアプリケーションごとに一意の履歴書を自動的に生成します。この機能は、 plain_text_resume.yamlファイルの情報を使用して、それぞれの特定の求人応募に合わせて調整し、ポジションごとに履歴書をカスタマイズすることで成功の可能性を高める可能性があります。
Python main.py
特定の履歴書の使用:すべてのアプリケーションに特定の PDF 履歴書を使用する場合は、履歴書 PDF をdata_folderディレクトリに配置し、 --resumeオプションを指定してボットを実行します。
python main.py --resume /path/to/your/resume.pdf
Colled モードの使用:何らかの種類のデータ分析を実行するためだけにジョブ データを収集したい場合は、 --collectオプションを指定してボットを使用できます。これにより、linkedin の求人情報から見つかったすべてのデータが、output/data.json ファイルに保存されます。
python main.py --collect
エラーメッセージ:
openai.RateLimitError: エラー コード: 429 - {'error': {'message': '現在の割り当てを超過しました。プランと請求の詳細を確認してください。このエラーの詳細については、ドキュメントを参照してください: https://platform.openai.com/docs/guides/error-codes/api-errors.', 'type': 'insufficient_quota', 'param': None, 'コード': '不十分な割り当て'}}
解決：
https://platform.openai.com/account/billing で OpenAI API の請求設定を確認してください
OpenAI アカウントに有効な支払い方法が追加されていることを確認してください
ChatGPT Plus サブスクリプションは API アクセスとは異なることに注意してください
最近資金を追加した場合、またはアップグレードした場合は、変更が有効になるまで 12 ～ 24 時間待ちます
無料利用枠には 3 RPM の制限があります。 API の使用量を増やすには、少なくとも 5 ドルを費やします
エラーメッセージ:
例外: クリック可能な「簡単適用」ボタンが見つかりません
解決：
正しくログインしていることを確認してください
対象としている求人情報に実際に「簡単応募」オプションがあるかどうかを確認してください。
config.yamlファイル内の検索パラメータが正しく、[簡単適用] ボタンでジョブが返されていることを確認します。
ボタンを検索する前にすべての要素が確実に読み込まれるように、スクリプトでページの読み込みの待機時間を増やしてみてください。
問題:ボットが提供するエクスペリエンス、CTC、通知期間の不正確なデータ
解決：
専門的なエクスペリエンスに特化したプロンプトを更新する
現在の CTC、予想される CTC、および通知期間のフィールドをconfig.yamlに追加します。
これらの新しい構成フィールドを使用するようにボット ロジックを変更します。
エラーメッセージ:
yaml.scanner.ScannerError: 単純なキーのスキャン中
解決：
サンプルのconfig.yamlをコピーし、徐々に変更します
適切な YAML インデントと間隔を確保する
YAML 検証ツールを使用する
不必要な特殊文字や引用符は避けてください
問題:ボットは求人を検索しますが、応募せずにスクロールを続けます。
解決：
セキュリティチェックまたは CAPTCHA を確認する
config.yamlジョブ検索パラメータを確認する
アカウントプロフィールが仕事の要件を満たしていることを確認してください
コンソール出力でエラー メッセージを確認します。
最新バージョンのスクリプトを使用してください
すべての依存関係がインストールおよび更新されていることを確認します
インターネット接続の安定性を確認する
問題が解決しない場合はブラウザのキャッシュと Cookie をクリアします
さらに支援が必要な場合は、エラー メッセージや設定 (機密情報は削除したもの) など、問題に関する詳細情報を記載して GitHub リポジトリに問題を作成してください。
オラマとジェミニのセットアップ
OllamaとGemini をインストールして構成するには、Ollama と Gemini セットアップ ガイド (PDF) をダウンロードしてください
これらのガイドの指示に従って、 OllamaおよびGeminiでAIHawkを適切に構成してください。
Linkedin の Rushi が書いたものです。フォローして彼をサポートしてください。
YAML ファイルの編集
AIHawkの YAML 構成セクションを編集する詳細な手順については、次のドキュメントを参照してください。
YAML 編集ガイドをダウンロード (PDF)
Linkedin の Rushi が書いたものです。フォローして彼をサポートしてください。
AIHawkの自動起動
システムの起動時にAIHawk が自動的に起動するようにするには、このガイドの手順に従います。
自動起動 AIHawk ガイドをダウンロード (PDF)
Linkedin の Rushi が書いたものです。フォローして彼をサポートしてください。
ビデオチュートリアル
Auto_Jobs_Applier_AIHawk の設定方法
Linkedin の Rushi が書いたものです。フォローして彼をサポートしてください。
OpenAI API ドキュメント
貢献ガイドライン
ラングチェーン開発者向けドキュメント
ワークフロー図
問題が発生した場合は、GitHub で問題を開くことができます。件名と説明に貴重な詳細を追加してください。新しい機能が必要な場合は、これを反映してください。
喜んでお手伝いさせていただきます!
寄稿者向けの注意: プル リクエスト (PR) を送信したい場合は、 mainではなくreleaseブランチをターゲットにしてください。 releaseブランチは、新しいコードの変更をテストするために使用され、検証後に定期的にmainにマージされます。このアプローチにより、テストされた機能のみがメイン ブランチに組み込まれるようになります。
Auto_Jobs_Applier_AIHawk は、求人応募プロセスを自動化および強化することで、現代の求人市場に大きな利点をもたらします。動的な履歴書の生成や AI を活用したパーソナライゼーションなどの機能により、比類のない柔軟性と効率性を提供します。就職の可能性を最大限に高めることを目指す求職者、応募書類の提出を効率化したい採用担当者、より良いサービスを提供したいキャリア アドバイザーのいずれであっても、Auto_Jobs_Applier_AIHawk は非常に貴重なリソースです。最先端の自動化と人工知能を活用することで、このツールは時間を節約するだけでなく、今日の競争環境において求人応募の有効性と品質を大幅に向上させます。
プロジェクトが気に入ったら、リポジトリにスターを付けてください。
contrib.rocks で作成されました。
このプロジェクトは、MIT + Commons Clause License に基づいてライセンスされています。詳細については、LICENSE ファイルを参照してください。
このツール Auto_Jobs_Applier_AIHawk は、自己責任で使用することを目的としています。作成者/保守者/寄稿者は、その使用から生じるいかなる結果についても責任を負いません。ユーザーは、関連するプラットフォームのサービス利用規約を遵守し、適用されるすべての法律、規制、および倫理ガイドラインを遵守することをお勧めします。求人応募に自動ツールを使用すると、ユーザー アカウントへの潜在的な影響などのリスクが伴う可能性があります。慎重かつご自身の判断で進めてください。
トップに戻る
