使用AI構(gòu)建全棧簡歷篩選應(yīng)用
DeepSeek開源AI模型的發(fā)布在技術(shù)界引起了很多興奮。它允許開發(fā)人員完全在本地構(gòu)建應(yīng)用程序，而無需連接到在線AI模型(例如Claude，Chatgpt等)。開源模型在構(gòu)建與生成AI集成的企業(yè)應(yīng)用程序時(shí)為新機(jī)會(huì)打開了大門。
在本文中，您將學(xué)習(xí)如何在個(gè)人機(jī)器上本地運(yùn)行這樣的模型，并構(gòu)建全棧React和Nodejs驅(qū)動(dòng)的應(yīng)用程序，而不僅僅是另一個(gè)聊天機(jī)器人。您將能夠使用此應(yīng)用程序來更快地分析簡歷并做出更明智的招聘決定。在構(gòu)建應(yīng)用程序之前，重要的是要了解開源LLM的好處。
開源大語模型的好處
開源模型與使用專有模型相對(duì)于使用專有模型提供了一些關(guān)鍵好處：
具有成本效益且無許可證
開源LLM具有成本效益，不需要特殊許可。例如，截至撰寫本文的日期，OpenAI的O1的成本為每百萬美元的產(chǎn)出代幣，開源DeepSeek R1的價(jià)格為2.19美元。
可自定義且可調(diào)
開源模型可以輕松地進(jìn)行微調(diào)以滿足獨(dú)特的業(yè)務(wù)案例 - 允許構(gòu)建更多特定于領(lǐng)域的用例。這導(dǎo)致企業(yè)應(yīng)用程序中的優(yōu)化性能。
增強(qiáng)數(shù)據(jù)安全性和隱私
開源使應(yīng)用程序更加安全，因?yàn)閷氋F的個(gè)人數(shù)據(jù)不需要上傳到第三方服務(wù)器，并且只能停留在本地機(jī)器或公司網(wǎng)絡(luò)上僅留在本地機(jī)器或公司網(wǎng)絡(luò)中。這提供了很高的數(shù)據(jù)安全性。此外，可以對(duì)開源模型進(jìn)行微調(diào)以刪除所有數(shù)據(jù)偏差。
社區(qū)驅(qū)動(dòng)，沒有供應(yīng)商鎖定
開源模型享有巨大的社區(qū)支持，并受益于功能開發(fā)的快速發(fā)展。另一方面，使用屬性模型使應(yīng)用程序供應(yīng)商鎖定并依賴供應(yīng)商公司提供功能更新。
借助此信息，您可以使用DeepSeek R1開源模型，Node.js和React構(gòu)建一個(gè)真實(shí)的應(yīng)用程序。
項(xiàng)目和建筑概述
您將構(gòu)建簡歷分析儀的應(yīng)用程序 - 它將幫助您了解上傳簡歷的好處和缺點(diǎn)。 DeepSeek R1 LLM將分析上傳的簡歷并提供反饋。您可以通過下面的插圖了解應(yīng)用程序的體系結(jié)構(gòu)。
建筑圖
基于React的用戶界面使用REST API與基于NODEJS的后端進(jìn)行通信。然后，Nodejs后端將用戶請(qǐng)求發(fā)送到使用Ollama托管的DeepSeek R1。整個(gè)技術(shù)堆棧可以在單臺(tái)計(jì)算機(jī)上運(yùn)行，就像您在整個(gè)文章中所做的那樣，也可以在更復(fù)雜的用例中托管多個(gè)容器。
先決條件
· 要運(yùn)行該項(xiàng)目，您將需要一臺(tái)具有一些計(jì)算功率的計(jì)算機(jī)，最好是具有NVIDIA圖形卡的計(jì)算機(jī)。該項(xiàng)目已在NVIDIA 4090RTX基于Windows Machine和M2 MacBook Pro上開發(fā)和測試。
· 您需要在計(jì)算機(jī)上安裝NodeJ。該項(xiàng)目已建立在Nodejs版本22.3.0上。您可以使用命令驗(yàn)證nodejs安裝node -v。
· 您還需要您選擇的編輯來完成代碼。 構(gòu)建應(yīng)用程序時(shí)已經(jīng)使用了Visual Studio代碼，通常建議使用。
在本地設(shè)置并運(yùn)行DeepSeek
要在本地運(yùn)行DeepSeek R1，請(qǐng)按照以下步驟操作：
1。從其官方網(wǎng)站安裝Ollama 。
2。安裝完成后，您將能夠使用ollama run計(jì)算機(jī)終端中的命令運(yùn)行模型。
3。運(yùn)行您選擇的DeepSeek模型。本教程是使用DeepSeek R1 8-Billon參數(shù)模型構(gòu)建的。您可以使用命令來運(yùn)行它ollama run deepseek-r1:8b。
4。如果您的規(guī)范計(jì)算機(jī)比前提條件部分中提到的機(jī)器較低，則7b和1.5b參數(shù)模型也將起作用，但是生成的輸出質(zhì)量可能較低。
5。模型可能需要花費(fèi)一些時(shí)間才能下載，因?yàn)樗鼈冃枰螺d。模型運(yùn)行后，您應(yīng)該能夠在終端中提出一個(gè)問題并獲取輸出。您可以參考下面的插圖，以查看行動(dòng)中的DeepSeek R1 8B模型。
Ollama DeepSeek R1
6。DeepSeekR1是一種推理模型，因此，它在給出可以產(chǎn)生的第一個(gè)答案之前就考慮了。正如上面插圖中強(qiáng)調(diào)的那樣，它在給我們提示的答案之前就在思考?？梢栽跇?biāo)簽中看到這種想法 。
克隆和運(yùn)行nodejs后端
Ollama服務(wù)也可以通過API訪問。您將利用此API并構(gòu)建基于Nodejs的后端層。該層將從用戶中取上上載的PDF并從中提取文本。文本提取后，后端將通過Ollama API將文本饋送到DeepSeek R1模型，并恢復(fù)響應(yīng)。此響應(yīng)將發(fā)送給客戶端以顯示給用戶。
1。使用此URL從GitHub克隆后端項(xiàng)目。理想情況下，您應(yīng)該分配項(xiàng)目，然后克隆自己的本地副本。
2。克隆后，要運(yùn)行項(xiàng)目，請(qǐng)使用CD轉(zhuǎn)到項(xiàng)目根目錄deepseek-ollama-backend。
3。一旦進(jìn)入項(xiàng)目根，就通過給出npm install命令來安裝依賴項(xiàng)。安裝完成后，可以使用命令運(yùn)行項(xiàng)目npm start。項(xiàng)目的核心是app.js 文件。檢查下面提供的代碼。
const express = require('express');
const multer = require('multer');
const pdfParse = require('pdf-parse');
const axios = require('axios');
const fs = require('fs');
const cors = require('cors');
const app = express();
app.use(cors());
app.use(express.json());
const upload = multer({
dest: 'uploads/',
fileFilter: (req, file, cb) => {
file.mimetype === 'application/pdf' ? cb(null, true) : cb(new Error('Only PDF files are allowed!'));
}
}).single('pdfFile');
app.post('/analyze-pdf', (req, res) => {
upload(req, res, async function(err) {
if (err) {
return res.status(400).json({ error: 'Upload error', details: err.message });
}
try {
if (!req.file) {
return res.status(400).json({ error: 'No PDF file uploaded' });
}
const dataBuffer = fs.readFileSync(req.file.path);
const data = await pdfParse(dataBuffer);
const pdfText = data.text;
fs.unlinkSync(req.file.path);
const response = await axios.post('http://127.0.0.1:11434/api/generate', {
model: "deepseek-r1:8b",
prompt: `Analyze this resume. Resume text is between two --- given ahead: ---${pdfText}---`,
stream: false
});
res.json({ success: true, message: 'Successfully connected to Ollama', ollamaResponse: response.data });
} catch (error) {
if (req.file && fs.existsSync(req.file.path)) {
fs.unlinkSync(req.file.path);
}
res.status(500).json({ error: 'Error processing PDF', details: error.message });
}
});
});
if (!fs.existsSync('uploads')) {
fs.mkdirSync('uploads');
}
const PORT = process.env.PORT || 3000;
app.listen(PORT, () => {
console.log(`Server is running on port ${PORT}`);
});
4?？蛻敉ㄟ^調(diào)用/analyze-pdf類型的API端點(diǎn)與后端進(jìn)行交互POST?？蛻舳藢⒂脩魟h除的PDF文件作為有效載荷發(fā)送給此API。
5。服務(wù)器將該文件uploads臨時(shí)存儲(chǔ)在目錄中，并將文本提取在文件中。
6。然后使用Ollama的Localhost API端點(diǎn)提示DeepSeek R1 。
7。DeepSeek R1分析了簡歷的內(nèi)容并提供了反饋。然后，使用此分析使用該服務(wù)器對(duì)客戶端響應(yīng)res.json()。
克隆和運(yùn)行React用戶界面
該項(xiàng)目的用戶界面將允許用戶上傳簡歷，將此簡歷發(fā)送到后端，然后將DeepSeek R1簡歷分析的結(jié)果顯示給用戶。它還將顯示內(nèi)部思想鏈或?qū)eepSeek R1的思考。
1。要開始，分叉然后從此Github URL中克隆該項(xiàng)目。如果您不打算進(jìn)行許多自定義，則可以簡單地克隆它。
2?？寺№?xiàng)目后，使用命令轉(zhuǎn)到根項(xiàng)目目錄cd deepseek-ollama-frontend。
3。在項(xiàng)目根部內(nèi)，使用npm install命令安裝必要的依賴項(xiàng)。安裝完成后，使用命令啟動(dòng)項(xiàng)目npm run dev。
4。此React應(yīng)用的主要組成部分是重新分析儀。在您選擇的編輯中打開它并進(jìn)行分析。
5。此組件提供了一個(gè)輸入字段供用戶上傳文件。
6。上傳的文件使用API端點(diǎn)發(fā)送到服務(wù)器。
7.服務(wù)器的響應(yīng)分為兩個(gè)部分的內(nèi)部思考和模型的實(shí)際響應(yīng)。
8。該AnalysisSection組件顯示模型的響應(yīng)以及包含ExpandableSection組件，該組件用于顯示DeepSeek R1的內(nèi)部思維。
9。導(dǎo)航到瀏覽器中的URL加載應(yīng)用程序。上傳您的簡歷(或任何樣本簡歷)，并觀察DeepSeek R1收到的分析。
結(jié)論
DeepSeek R1提供了一個(gè)獨(dú)特的機(jī)會(huì)，可以在內(nèi)部完全 構(gòu)建Genai-Power應(yīng)用程序，并根據(jù)您的需求對(duì)其進(jìn)行自定義。
在本文中，您了解了使用開源Genai模型的好處。此外，您已經(jīng)使用DeepSeek R1，Node.js和React設(shè)置了一個(gè)真實(shí)的應(yīng)用程序。此設(shè)置使您可以使用AI完全離線執(zhí)行簡歷分析。您可以使用此工具在您的組織中雇用SMART，我建議您繼續(xù)基于本文獲得的知識(shí)并探索更多用例和應(yīng)用程序。
下載文檔
