وش يعمل هذا النظام

يستوعب السير الذاتية (PDF، Word، مسح ضوئي، نص). يحوّل كل وحدة إلى ملف مرشح منظم: التواصل، التعليم، الخبرة، المهارات، الشهادات، الموقع. لأي وظيفة شاغرة، يقيّم كل مرشح مع وصف الوظيفة عبر عدة أبعاد ويطلع قائمة مرتبة بالأسباب. المسؤول يشوف: الدرجة، أعلى 3 أسباب للملاءمة، أعلى 3 مخاوف، فقرة ملخص. يقدر يتجاوز، يرفض، أو يدفع للمرحلة التالية.

كيف يشتغل، خطوة بخطوة

1. 1

   رفع السيرة

   سحب وإفلات أو استيراد جماعي. معالجة أولية: استخراج نص PDF، OCR بديل للمسح الضوئي، DOCX إلى نص.

2. 2

   استخراج منظم

   استدعاء LLM واحد لكل سيرة بـ JSON schema صارم: اسم، تواصل، تعليم، خبرة، مهارات، ملخص. مخالفات الـ schema تعاد؛ بعد 3 فشل تذهب للمراجعة اليدوية.

3. 3

   توليد embeddings

   embedding على مستوى السيرة للنص الكامل، إضافة لـ embeddings على مستوى الأقسام لكل دور ومجموعة مهارات. مخزنة لإعادة التقييم السريع مقابل عدة وظائف.

4. 4

   استيعاب الوصف الوظيفي

   نفس الـ pipeline للوصف: استخراج المتطلبات الإلزامية/المرغوبة، توليد embedding للوصف.

5. 5

   تقييم لكل مرشح × لكل وظيفة

   cosine للـ embedding، إضافة لفلاتر القواعد (سنوات الخبرة، الموقع، اللغة). LLM يطلع إيجابيات/سلبيات/حكم. درجة مجمعة 0-100. المسؤول يشوف قائمة مرتبة.

لقطات من النظام الحقيقي

هذه ليست تصاميم. كل صورة من النظام الشغّال في الإنتاج.

وش يعمل هذا النظام

يستوعب السير الذاتية (PDF، Word، مسح ضوئي، نص). يحوّل كل وحدة إلى ملف مرشح منظم: التواصل، التعليم، الخبرة، المهارات، الشهادات، الموقع. لأي وظيفة شاغرة، يقيّم كل مرشح مع وصف الوظيفة عبر عدة أبعاد ويطلع قائمة مرتبة بالأسباب. المسؤول يشوف: الدرجة، أعلى 3 أسباب للملاءمة، أعلى 3 مخاوف، فقرة ملخص. يقدر يتجاوز، يرفض، أو يدفع للمرحلة التالية.

كيف يشتغل، خطوة بخطوة

1. 1

   رفع السيرة

   سحب وإفلات أو استيراد جماعي. معالجة أولية: استخراج نص PDF، OCR بديل للمسح الضوئي، DOCX إلى نص.

2. 2

   استخراج منظم

   استدعاء LLM واحد لكل سيرة بـ JSON schema صارم: اسم، تواصل، تعليم، خبرة، مهارات، ملخص. مخالفات الـ schema تعاد؛ بعد 3 فشل تذهب للمراجعة اليدوية.

3. 3

   توليد embeddings

   embedding على مستوى السيرة للنص الكامل، إضافة لـ embeddings على مستوى الأقسام لكل دور ومجموعة مهارات. مخزنة لإعادة التقييم السريع مقابل عدة وظائف.

4. 4

   استيعاب الوصف الوظيفي

   نفس الـ pipeline للوصف: استخراج المتطلبات الإلزامية/المرغوبة، توليد embedding للوصف.

5. 5

   تقييم لكل مرشح × لكل وظيفة

   cosine للـ embedding، إضافة لفلاتر القواعد (سنوات الخبرة، الموقع، اللغة). LLM يطلع إيجابيات/سلبيات/حكم. درجة مجمعة 0-100. المسؤول يشوف قائمة مرتبة.

لقطات من النظام الحقيقي

هذه ليست تصاميم. كل صورة من النظام الشغّال في الإنتاج.