harshmishra0496-stack/SHL-Assessment-Agent

# SHL 对话式评估推荐器 基于 FastAPI 的对话式 AI 代理，用于推荐 SHL 评估。 ## 特性 - FastAPI REST API - 无状态对话处理 - SHL 目录推荐引擎 - Gemini LLM 集成 - TF-IDF 检索 - 结构化 JSON 响应 ## 项目结构 . ├── main.py ├── agent.py ├── retriever.py ├── models.py ├── catalog.json ├── requirements.txt ├── .env.example └── README.md ## 设置 ### 1. 安装 Python 安装 Python 3.10 或更高版本。 ### 2. 创建虚拟环境 Windows: python -m venv venv venv\Scripts\activate Mac/Linux: python3 -m venv venv source venv/bin/activate ### 3. 安装依赖项 pip install -r requirements.txt ### 4. 获取 Gemini API 密钥 打开： https://aistudio.google.com/app/apikey 创建一个新的 API 密钥。 ### 5. 配置环境 重命名： .env.example -> .env 添加： GEMINI_API_KEY=your_actual_key ### 6. 运行服务器 uvicorn main:app --reload 服务器启动于： http://127.0.0.1:8000 ## API 端点 ### 健康检查 GET /health 响应： { "status": "ok" } ### 聊天端点 POST /chat 请求： { "messages": [ { "role": "user", "content": "Hiring a Java developer with stakeholder management skills" } ] } ## 部署 ### Render 部署 1. 将项目推送到 GitHub 2. 打开 https://render.com 3. 创建 Web Service 4. 连接 GitHub 仓库 5. 构建命令： pip install -r requirements.txt 6. 启动命令： uvicorn main:app --host 0.0.0.0 --port 10000 7. 添加环境变量： GEMINI_API_KEY ### Railway 部署 1. 将代码推送到 GitHub 2. 打开 https://railway.app 3. 从 GitHub 部署 4. 添加 GEMINI_API_KEY 变量 5. 部署 ## 注意事项 - 推荐始终来自 catalog.json - API 是无状态的 - 响应遵循指定的数据结构 - 您可以使用完整的 SHL 数据集来扩展 catalog.json

标签：API开发, AV绕过, FAISS, FastAPI, Gemini AI, REST API, SHL评估, TF-IDF, 人力资源工具, 人力资源评估, 人工智能, 会话管理, 向量搜索, 多轮对话, 对话式AI, 技术栈, 推荐系统, 提示注入防护, 无状态API, 无状态设计, 智能代理, 检索增强生成, 比较支持, 澄清处理, 用户模式Hook绕过, 细化支持, 结构化数据, 评估推荐, 语义匹配, 语义检索, 逆向工具