Um pipeline de IA que classifica oportunidades e prepara candidaturas
Um fluxo em Python que coleta vagas remotas de dados, remove duplicidades, avalia a compatibilidade com vários provedores de IA, prepara documentos personalizados e envia as melhores oportunidades pelo Telegram.
Buscar vagas relevantes exige visitar várias fontes, revisar anúncios repetidos e preparar os mesmos documentos diversas vezes. Eu queria um único fluxo que cuidasse dessas etapas e mantivesse um registro claro de cada resultado.
Minha abordagem
Como eu abordei o problema
O fluxo aplica regras simples antes de consultar um modelo de IA, registra cada etapa no Supabase e tenta outro provedor quando o primeiro está indisponível.
Fluxo do sistema
Como as partes se conectam
01Fontes de vagas remotas
02Coleta assíncrona + padronização
03Remoção de duplicidades no Supabase
04Pré-filtro determinístico
05Avaliação + personalização por LLM
06DOCX + envio pelo Telegram
O que construí
O que está incluído
Adaptadores assíncronos para várias fontes de vagas, com remoção de duplicidades no lote e no banco.
Pré-filtro por regras antes da avaliação por LLM para controlar custo e ruído.
Sequência de alternativas entre Gemini, Groq e OpenRouter com controle de limites de uso.
Telemetria de tokens, latência, sucesso e erro para cada tentativa.
Currículos e cartas personalizados em DOCX com gravação atômica.
Envio pelo Telegram e estado persistente das notificações para evitar repetições.
Decisões importantes
Escolhas que definiram o projeto
01
Usar regras antes da IA
Regras simples eliminam incompatibilidades óbvias antes de qualquer chamada ao modelo. Isso economiza tempo e deixa a primeira etapa fácil de explicar.
02
Registrar cada alternativa
Mudanças de provedor, limites de uso, tempo de resposta e consumo de tokens são registrados em vez de ficarem escondidos em tentativas automáticas.
03
Evitar informações inventadas no currículo
Os destaques retornados são comparados ao perfil estruturado; resultados sem suporte voltam para uma seleção determinística.
Resultado
O que entreguei
O projeto demonstra um fluxo completo de automação com IA, incluindo coleta, remoção de duplicidades, monitoramento dos modelos, geração de documentos e entrega.
Próxima melhoria
O que eu faria a seguir
Eu adicionaria um conjunto fixo de avaliação da qualidade, reativaria o agendamento e criaria uma página de monitoramento para fontes, confiabilidade, custo e resultados das candidaturas.
Um relatório interativo no Power BI que ajuda equipes de operações a avaliar a vida útil das baterias, comparar o consumo com médias históricas, analisar dispositivos e planejar a manutenção por localização.
