Hugging Face's logo

Spaces:
firmanaziz
/
JobRecommendation-JSON
Sleeping

App Files Community
JobRecommendation-JSON
File size: 5,246 Bytes 
13f1f0b
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
 
import gradio as gr
import google.generativeai as genai
import fitz  # PyMuPDF
import json
import os
import urllib.parse
import base64 # Diperlukan untuk client-side API call

# --- KONFIGURASI API KEY (TETAP SAMA) ---
API_CONFIGURED = False
try:
    api_key = os.environ.get('GEMINI_API_KEY') 
    if api_key:
        genai.configure(api_key=api_key)
        model = genai.GenerativeModel('gemini-pro-latest')
        API_CONFIGURED = True
        print("✅ Konfigurasi API dan model berhasil.")
    else:
        print("🛑 Secret 'GEMINI_API_KEY' tidak ditemukan.")
except Exception as e:
    print(f"🛑 Terjadi error saat inisialisasi: {e}")

# --- FUNGSI-FUNGSI UTAMA ---

def ekstrak_teks_dari_pdf(path_file_pdf):
    try:
        with fitz.open(path_file_pdf) as dokumen:
            teks_lengkap = "".join(halaman.get_text() for halaman in dokumen)
        return teks_lengkap
    except Exception as e:
        raise gr.Error(f"Gagal membaca file PDF: {e}")

def generate_search_links(keywords):
    if not keywords:
        return {}
    keywords_encoded = urllib.parse.quote_plus(keywords)
    keywords_hyphenated = keywords.lower().replace(" ", "-").replace("(", "").replace(")", "")
    links = {
        "LinkedIn": f"https://www.linkedin.com/jobs/search/?keywords={keywords_encoded}&location=Indonesia",
        "JobStreet": f"https://www.jobstreet.co.id/id/job-search/{keywords_hyphenated}-jobs/",
        "Glints": f"https://glints.com/id/opportunities/jobs/explore?keyword={keywords_encoded}",
        "Indeed": f"https://id.indeed.com/jobs?q={keywords_encoded}",
        "Google Jobs": f"https://www.google.com/search?q={keywords_encoded}+jobs+in+Indonesia&ibp=htl;jobs"
    }
    return links

def analyze_career_path(cv_file):
    """Fungsi utama pipeline: Analisis CV -> Buat Laporan JSON -> Buat Link -> Gabungkan."""
    if not API_CONFIGURED:
        raise gr.Error("API Key Gemini belum terkonfigurasi. Periksa Logs aplikasi.")
    if cv_file is None:
        raise gr.Error("Mohon upload file CV (PDF) Anda.")

    try:
        print("--- Memulai Proses Analisis Karir ---")
        
        teks_cv = ekstrak_teks_dari_pdf(cv_file.name)
        if not teks_cv:
            raise gr.Error("PDF kosong atau tidak dapat dibaca.")
        print("✅ Teks berhasil diekstrak.")

        print("2. Mengirim permintaan analisis karir ke Gemini...")
        prompt_analisis_karir = f"""
        Anda adalah seorang "Career Analyst AI". Baca teks CV dan buat laporan peluang karir dalam format JSON.
        Teks CV: --- {teks_cv} ---
        Struktur JSON yang diinginkan:
        - "jabatan_ideal": Jabatan paling ideal untuk kandidat.
        - "alasan_kecocokan": Array (list) berisi 3-4 poin MENGAPA kandidat cocok.
        - "deskripsi_pekerjaan": Array (list) berisi 5 poin deskripsi pekerjaan umum.
        - "potensi_karir": Array (list) berisi 3-4 jalur pengembangan karir.
        - "kisaran_gaji": Objek JSON berisi estimasi gaji untuk level "junior", "mid_level", dan "senior".
        - "kelebihan_tambahan": Array (list) berisi 1-2 poin saran atau kelebihan unik kandidat.
        Pastikan output hanya berupa JSON saja.
        """
        
        generation_config = genai.types.GenerationConfig(response_mime_type="application/json")
        response = model.generate_content(prompt_analisis_karir, generation_config=generation_config)
        
        response_json = json.loads(response.text)
        print("✅ Laporan karir komprehensif berhasil diterima.")

        print("3. Membuat tautan pencarian dari hasil analisis...")
        keywords_from_analysis = response_json.get("jabatan_ideal", "")
        search_links = generate_search_links(keywords_from_analysis)
        
        # ==================================================================
        # PERUBAHAN PENTING: Menambahkan link ke dalam JSON
        # ==================================================================
        response_json["tautan_pencarian"] = search_links
        print("✅ Tautan pencarian ditambahkan ke JSON.")

        print("--- Proses Selesai ---")
        # Mengembalikan dictionary/JSON mentah
        return response_json

    except Exception as e:
        print(f"🛑 ERROR DALAM FUNGSI ANALISIS: {e}")
        raise gr.Error(f"Terjadi kesalahan: {e}")

# --- MEMBUAT INTERFACE GRADIO ---
with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("# 🚀 API Analis Peluang Karir Personal")
    gr.Markdown("Antarmuka ini dapat digunakan untuk pengujian. Endpoint API publik tersedia di `/run/predict` untuk integrasi ke website Anda.")
    
    with gr.Row():
        with gr.Column(scale=1):
            cv_pdf = gr.File(label="Upload CV (PDF) untuk Uji Coba", file_types=[".pdf"])
            analyze_button = gr.Button("🔍 Analisis Karir Saya", variant="primary")
        
        with gr.Column(scale=2):
            # Menggunakan gr.JSON untuk menampilkan dan menghasilkan data JSON sebagai output API
            output_analysis = gr.JSON(label="Output JSON dari API")
            
    analyze_button.click(
        fn=analyze_career_path,
        inputs=[cv_pdf],
        outputs=[output_analysis],
        show_progress='full'
    )

if __name__ == "__main__":
    demo.launch()