JobCopilot
Un assistant de candidature qui relie chaque affirmation à un fait de profil vérifié, puis prépare un dossier que l’utilisateur peut relire et superviser.
affirmations étayées · benchmark gelé de 50 cas
- 1Profil vérifié par l’utilisateur
- 2Recherche de preuves pertinentes
- 3Matching & registre de preuves
- 4Brouillon relu avant action
Les faits viennent du profil. Le modèle sélectionne les preuves.
JobCopilot
Les composants, les flux de données et les frontières de confiance du système.
Faites défiler le schéma →
Technologies
- Python
- LangGraph
- Pydantic
- FAISS
- Hugging Face
- OpenAI · Anthropic
- Streamlit
- Supabase
- Gmail API
- Google Calendar
- Docker
- GitHub Actions
Choix d’architecture
- 01
Le LLM ne rédige pas les faits : il choisit seulement un à trois identifiants de mémoire vérifiés, et du code déterministe écrit les phrases correspondantes.
- 02
Chaque affirmation est inscrite dans un registre de preuves ; les identifiants inconnus et les amplifications (« built » → « designed ») sont rejetés.
- 03
Isolation par utilisateur : l’identité est injectée par fermeture côté serveur, le modèle ne peut pas passer de user_id ; les index FAISS sont reconstruits depuis Supabase.
- 04
Aucune action externe sans confirmation : un brouillon Gmail n’est jamais compté comme une candidature envoyée.