Spaces:
Sleeping
Sleeping
File size: 3,578 Bytes
4e9b744 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 | consistency_task:
description: >
Analyse la conversation pour détecter la fraude.
Données d'intégrité: {cheat_metrics}
Règles:
- Si 'ai_score' > 75 -> STOP/VETO.
- Si insultes/trolling -> STOP/VETO.
expected_output: "Statut Fraude (RAS, ALERTE, VETO) avec justification."
agent: consistency_analyst
search_task:
description: >
Analyse l'écart CV vs Offre (Gap Analysis).
Données Gap Analysis: {gap_analysis}
1. Confirme si c'est une RÉCONVERSION (basé sur 'is_reconversion').
2. Identifie les compétences manquantes (Hidden Skill Gaps).
3. Vérifie la présence des 'Action Verbs' de production.
expected_output: "Rapport de Gap Analysis : Confirm Reconversion (O/N), Liste des Gaps, Score Modernité."
agent: search_analyst
tech_task:
description: >
Évaluation Technique Approfondie (Methodologie SOAR) adaptée au poste : {job_type}.
CRITIQUE : Analyse les RÉPONSES du candidat dans conversation_history.
Ce que le candidat DIT prévaut sur ce qui est écrit dans le CV.
Si le candidat démontre une expertise (ex: parle de "Context Engineering", "SLM", "Vectors") -> VALORISE LE, même si absent du CV.
1. Si DATA ANALYST :
- Cherche : SQL complexe, Nettoyage de données, Visualisation, Storytelling.
- Ignore : CI/CD, Docker, Kubernetes.
2. Si DATA SCIENTIST :
- Cherche : Choix des modèles, Métriques d'évaluation, Feature Engineering.
3. Si DATA ENGINEER :
- Cherche : CI/CD, Code Quality, Scalabilité, Monitoring.
Utilise SOAR (Situation, Obstacle, Action, Résultat).
Note sur 10. NE Mets JAMAIS 0 si le candidat a les bases mais manque d'expérience pro.
expected_output: "Évaluation Tech détaillée + Note /100."
agent: tech_expert
business_task:
description: >
Évaluation Stratégique & Business (ROLS & PCD).
1. Applique ROLS si une étude de cas est présente :
- Résumé situation
- Objectifs posés
- Localisation du problème
- Stratégie proposée
2. Applique PCD pour l'analyse produit :
- Produit (Compréhension)
- Clients (Ciblage)
- Distribution (Go-to-market)
3. Cherche le "So What?" : Le candidat lie-t-il la tech au business ?
expected_output: "Analyse ROLS/PCD structurée + Note Business /100."
agent: business_evaluator
reporting_task:
description: >
Synthèse Décisionnelle Finale avec Scoring Dynamique.
CONTEXTE :
- Poste : {job_type}
- Reconversion : {gap_analysis}
- Fraude : consistency_task.output
RÈGLES DE SCORING STRICTES :
1. Si 'consistency_task' indique une FRAUDE ou un RED FLAG (trolling, insultes, incohérence majeure) :
-> SCORE FINAL DOIT ÊTRE < 40. REJET IMMÉDIAT.
2. Si Pas de Red Flag :
-> Utilisez toute l'échelle (10-90).
-> Un débutant motivé mérite ~50-60.
-> Un expert mérite > 80.
SCORING PONDÉRÉ :
- Tech: 40% (Expertise & Prod) -> SI ANALYST, Tech = SQL/Viz, pas Infra.
- Cognitive (Business/ROLS): 30%
- Comportementale (Soft): 30%
DECISION STRATEGIQUE :
- RECRUTER : Si Score > 75 et aucun Red Flag.
- APPROFONDIR : Si Score 50-75 ou doute sur un Gap.
- REJETER : Si Score < 50 ou Veto Fraude.
Génère le JSON final 'FeedbackOutput'.
expected_output: "JSON complet respectant le schéma FeedbackOutput."
agent: final_reporter
context:
- consistency_task
- search_task
- tech_task
- business_task
|