应用工具AI 资源

TalentSift：AI 驱动的智能招聘与申请人跟踪平台

mearslanahmed/TalentSift · An intelligent applicant tracking system (ATS) and recruitment platform featuring automated AI screening interviews, candidate practice sessions, and AI-optimized job postings.

GitHub原文发布未知首次收录 2026-10-01上架 2026-10-01 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

TalentSift 是一个智能申请人跟踪（ATS）与招聘平台，连接求职者与招聘方。平台面向招聘者和求职者提供分角色工作区，核心 AI 能力包括自动化 AI 筛选面试（即时评分）、候选人 AI 练习面试（基于 LangChain 与 Groq 提供即时评分与反馈）、AI 职位标题生成器以及嵌入式 LLM 聊天助手，并支持申请状态跟踪、邮件 OTP 验证、实时通知、职位审核与 Stripe 订阅付费。技术栈为 Next.js 前端 + Django REST Framework 后端 + PostgreSQL，生产环境采用 Vercel、Render、Supabase、Cloudinary、Brevo 等托管服务。

# LangChain # Django # 招聘 # Next.js # AI 面试

核心能力与快速开始

★ 0 · JavaScript

能做什么: 面向招聘方：发布与管理职位、查看申请与报告、自动化 AI 筛选面试（候选人完成 AI 面试后即时评分）、AI 职位标题生成、订阅付费（Stripe 结账会话）。面向候选人：职位发现与申请、申请状态实时跟踪（Pending/Reviewed/Shortlisted/Rejected）、AI 练习面试（基于 LangChain & Groq，提供即时评分与反馈）。平台通用能力：角色权限划分的工作区、LLM 聊天助手、邮件 OTP 注册与登录、Google reCAPTCHA、实时应用内通知、社区驱动的职位举报审核。
适用场景: 招聘团队在人工筛选前先通过自动化 AI 面试对候选人进行批量初步评分与筛选；求职者按具体技术或领域做模拟 AI 面试练习并获得即时反馈；招聘者借助 AI 生成更规范的职位标题；候选人集中跟踪多个职位的申请进度；平台运营方对职位进行社区化审核与订阅制变现。
项目形态: 可直接使用的工具
部署方式: README 说明生产环境已部署：前端部署于 Vercel，后端 Django WSGI 经 Gunicorn 运行于 Render，数据库为 Supabase 上的 PostgreSQL，媒体存储使用 Cloudinary，邮件使用 Brevo；另有在线演示站点。本地可分别运行 frontend 与 backend。
主要依赖: 本地运行需 Node.js v18 及以上、Python v3.10 及以上；PostgreSQL 本地开发可选（默认使用 SQLite）。需要配置环境变量，包括但不限于 DJANGO_SECRET_KEY、DATABASE_URL、BREVO 相关配置、CLOUDINARY_URL、GROQ_API_KEY、Stripe 测试密钥，以及前端 NEXT_PUBLIC_API_URL 与 NEXT_PUBLIC_STRIPE_PUBLIC_KEY。
使用限制: README 未说明 AI 模型的成本、调用额度或并发限制；未说明具体性能与容量上限；生产部署依赖多个第三方托管服务，其可用性与配额条件未说明。未来规划中的 OAuth 登录、更深层分析看板、WebSocket 实时通信、语音答题练习均尚未实现。
许可证: 未说明
最近推送: 2026-09-30 05:44

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-01 07:00 · 卡片整理：2026-10-01 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

PathFinder：面向大学生的 AI 实习求职导航平台

PathFinder 是一个面向大学生的实习求职「职业操作系统」，覆盖六大阶段：职业方向选择、简历优化（PDF/DOCX 上传、ATS 审核、岗位匹配打分、技能差距项目建议）、职位发现（通过 Adzuna / JSearch 搜索或粘贴职位描述做兼容性分析）、人脉拓展（AI 外联、咖啡聊准备、内推材料、LinkedIn 分析）、面试准备（刷题追踪、STAR 故事构建、AI 出题、公司简报）以及申请追踪（看板流程与一致性仪表盘）。各阶段产生类型化的职业事件，派生出的职业档案、进度引擎与推荐引擎支撑跨阶段智能与 AI 导师记忆。技术栈为 Next.js 16、React 19、TypeScript、Tailwind CSS 4、Zustand、Supabase（Postgres + pgvector）、自定义 JWT 认证与 OpenAI GPT-4o / text-embedding-3-small。

AI-Interview (Logisoft HireOS)：自托管 AI 招聘操作系统，覆盖 ATS、AI 筛选、自适应面试与监考信号

Logisoft HireOS 是一个自托管的 AI 招聘操作系统，将 ATS（职位与候选人管理、简历上传解析、拖拽式流程看板）、AI 筛选、自适应 AI 面试、监考信号与评估报告整合在一起。项目强调 100% 本地/自托管，AI 通过本地 Ollama 调用、不使用云数据库或 OpenAI API，AI 结果仅作为辅助建议，最终录用决策与阶段推进由人工完成并记录理由。仓库以 TypeScript 实现，采用 Next.js 14、PostgreSQL + pgvector、Prisma 等技术栈，README 中按阶段给出了从基础设施到人才库与分析的构建顺序。

research-paper-rag-qa：学术 PDF 语义检索问答工具

该项目是一个面向学术论文 PDF 的检索增强（RAG）语义搜索工具：逐页解析 PDF，将文本切分为带重叠的片段，使用 sentence-transformers/all-MiniLM-L6-v2 生成归一化向量并存入 FAISS 索引，再通过 Streamlit 界面用自然语言查询返回最相关的段落及来源文件与页码。项目刻意只做检索、不做答案生成，以保证每条结果可追溯到原文页面、避免内容幻觉；仓库包含作者硕士阶段的示例 PDF。

retrieva-backend：为 DORA 第三方风险管理提供基于证据的 RAG 评估后端

Retrieva 的后端服务，基于 Node.js 20 / Express 5 提供 API，用 LangChain 经 LiteLLM 网关实现证据支撑的 RAG 与 DORA 第三方风险（TPRM）评估引擎。数据层使用 PostgreSQL + Drizzle 存储、Qdrant 向量检索，Redis/BullMQ 处理队列与缓存，并接入 Langfuse 追踪；服务以容器镜像方式通过 GitOps（ArgoCD + Kargo）部署在 k3s minicloud 平台。仓库包含本地开发命令、API 端点说明、环境变量清单和 Drizzle 迁移流程。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。