În culisele JobRadar: 8 surse de joburi, un model de 1.7B, zero cloud

Articolul detaliază arhitectura tehnică și implementarea JobRadar, un instrument de tip command-line interface (CLI) creat pentru a simplifica căutarea unui loc de muncă. Nemulțumit de ineficiența și problemele de confidențialitate ale platformelor existente de joburi și agregatoarelor „AI-powered”, dezvoltatorul a creat JobRadar pentru a consolida anunțurile din opt surse diverse, inclusiv API-uri directe de sisteme de urmărire a candidaților (ATS) precum Greenhouse și Ashby, și pentru a le evalua folosind un LLM local, pe dispozitiv. Această abordare ocolește necesitatea abonamentelor cloud și asigură că datele sensibile ale utilizatorului, precum CV-urile și profilurile de căutare, nu părăsesc niciodată mașina utilizatorului.

Inima funcționalității JobRadar constă în pipeline-ul său liniar: preia o interogare și un profil al utilizatorului, preia date în paralel de la opt adaptoare specializate (cinci API-uri de job board-uri și trei integrări ATS), normalizează rezultatele într-un format comun de obiect Job, și apoi folosește un LLM local de 1.7 miliarde de parametri (specific qwen3-1.1 GB GGUF) pentru a evalua fiecare job pe baza competențelor, experienței, salariului și potrivirii pentru lucrul de la distanță. Un cache pentru joburile vizualizate, folosind SQLite, previne listările duplicate, iar întregul proces este conceput pentru viteză și confidențialitate, cu rezultate prezentate într-un tabel clasat sau fișier CSV. Instrumentul suportă servere LLM locale precum Ollama sau llama.cpp, permițând utilizatorilor să-și folosească configurațiile existente.

Dincolo de CLI, JobRadar dispune de un dashboard web companion construit cu FastAPI și JavaScript vanilla, oferind o interfață de tip Kanban pentru gestionarea aplicațiilor de joburi. Dezvoltatorul subliniază importanța normalizării timpurii a datelor din surse disparate și proiectarea pentru funcționalitate offline. Acest proiect evidențiază o tendință în creștere către instrumente pentru dezvoltatori, axate pe confidențialitate și rulate local, care valorifică puterea și accesibilitatea în creștere a modelelor AI pe dispozitiv, oferind o alternativă convingătoare la soluțiile dependente de cloud.