Ik bouw een ai cv-screeningsysteem


Over deze dienst
Automatische vertaling
De meeste cv-screeners dumpen gewoon elke cv in ChatGPT en hopen het beste. Het probleem: LLMs hallucineren relevantie. Een cv die Python noemt, kan net zo hoog scoren als een met echte Python-ervaring.
Ik bouw in plaats daarvan een goede Search Relevance pipeline - dezelfde architectuur die wordt gebruikt in productie-aanbevelingssystemen bij LinkedIn en Indeed:
1. Query uitbreiding - verandert een vage functietitel in een rijke semantische zoekopdracht
2. Hybride zoekopdracht - vector similarity (ChromaDB) + harde metadata filters zoals ervaringsjaren
3. Cross-encoder reranking (FlashRank) - leest JD en cv samen, corrigeert semantische drift
4. LLM-analyse - alleen de topkandidaten na reranking worden naar de LLM gestuurd voor diepgaande scoring
Resultaat: een score van 0-100 per kandidaat, gematchte/ontbrekende vaardigheden en een duidelijke SHORTLIST/MAYBE/REJECT-uitslag - geen vage "goede match" samenvatting.
Wat je krijgt:
- FastAPI backend met persistent vector store
- Schone interface om JDs en cv's te uploaden (PDF, DOCX, TXT)
- Gerankte resultaten met transparante scoring
- Gehoste demo of volledige broncode, afhankelijk van het pakket
Ik test randgevallen en documenteer wat ik bouw. Stuur me een bericht voordat je bestelt, zodat ik de scope goed kan bepalen.
Maak kennis met Abdul Khaliq
AI Engineer RAG Systems, LangChain and LLM Integration
- Afkomstig uitPakistan
- Lid sindsfeb 2025
- Gem. reactietijd1 uur
Talen
Engels, Urdu
Automatische vertaling
Mijn portfolio
Andere AI-development diensten die ik aanbied
Veelgestelde vragen
Automatische vertaling
Moet ik echte kandidaat cv's delen, of kan ik eerst testen met voorbeeldgegevens?
Je kunt beginnen met voorbeeldcv's om te zien hoe de scoring en ranking werken voordat je echte kandidaatgegevens deelt. Als je tevreden bent met de resultaten, gaan we over naar je daadwerkelijke wervingsproces.
Werkt dit met mijn bestaande ATS of wervingshulpmiddel?
De standaard- en premium-pakketten bevatten ondersteuning voor integratie met een bestaande app of portal. Als je niet zeker weet hoe het past bij je huidige setup, stuur me dan een bericht met details voordat je bestelt, dan bevestig ik de scope.
Wat gebeurt er als de AI een duidelijk goede kandidaat te laag scoort (of een slechte te hoog)?
Het systeem scoort op basis van de vereisten die in de functiebeschrijving staan - dus de resultaten zijn alleen zo goed als de JD die je aanlevert. Ik raad aan om de "MAYBE"-laag handmatig te beoordelen, omdat dat de randgevallen behandelt. Ik help ook graag met het afstemmen van de scoringsgewichten als onderdeel van een aangepaste scope.

