# Install dependensi yang dibutuhkan oleh Hugging Face Spaces #!pip install -q gradio google-generativeai pymupdf import gradio as gr import google.generativeai as genai import fitz # PyMuPDF import json import os import urllib.parse # --- KONFIGURASI API KEY DARI HUGGING FACE SECRETS --- 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): """Membuat tautan pencarian dari kata kunci untuk berbagai platform.""" 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://id.jobstreet.com/id/{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 format_output_markdown(analysis_json, links): """Menyusun laporan komprehensif DAN tautan pencarian menjadi satu output.""" jabatan = analysis_json.get("jabatan_ideal", "N/A") alasan_list = analysis_json.get("alasan_kecocokan", []) deskripsi_list = analysis_json.get("deskripsi_pekerjaan", []) potensi_list = analysis_json.get("potensi_karir", []) gaji = analysis_json.get("kisaran_gaji", {}) kelebihan_list = analysis_json.get("kelebihan_tambahan", []) alasan_md = "\n".join([f"- {item}" for item in alasan_list]) deskripsi_md = "\n".join([f"- {item}" for item in deskripsi_list]) potensi_md = "\n".join([f"- {item}" for item in potensi_list]) kelebihan_md = "\n".join([f"- {item}" for item in kelebihan_list]) gaji_md = f""" | Level | Estimasi Gaji / Bulan | | :--- | :--- | | **Junior** | {gaji.get("junior", "N/A")} | | **Mid-Level** | {gaji.get("mid_level", "N/A")} | | **Senior / Lead** | {gaji.get("senior", "N/A")} | > (Estimasi berdasarkan data pasar kerja di Indonesia) """ # ================================================================== # BAGIAN BARU: Membuat daftar tautan pencarian # ================================================================== markdown_links = "" for site, url in links.items(): markdown_links += f"- **[{site}]({url})**\n" return f""" ### 🎯 {jabatan} *** #### 🧩 Alasan Kecocokan {alasan_md} #### 💼 Deskripsi Pekerjaan Umum Seorang **{jabatan.split('(')[0].strip()}** bertanggung jawab untuk: {deskripsi_md} #### 🚀 Potensi Jenjang Karir Dari posisi ini, Anda dapat berkembang menjadi: {potensi_md} #### 💰 Kisaran Gaji (Indonesia) {gaji_md} #### 📈 Kelebihan Tambahan untuk Karirmu {kelebihan_md} *** ### 🚀 Klik untuk Mencari Lowongan Terbaru {markdown_links} """ def analyze_career_path(cv_file): """Fungsi utama pipeline: Analisis CV -> Buat Laporan -> Buat Link.""" 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 ---") print("1. Mengekstrak teks dari PDF...") 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" yang sangat berpengalaman. Tugas Anda adalah membaca teks CV, menganalisisnya secara mendalam, dan membuat laporan peluang karir yang komprehensif. Teks CV: --- {teks_cv} --- Lakukan analisis dan berikan output dalam format JSON yang ketat dengan struktur berikut: - "jabatan_ideal": Tentukan satu jabatan paling ideal untuk kandidat ini, termasuk spesialisasi jika ada (Contoh: "Frontend Developer (Web & Mobile)"). - "alasan_kecocokan": Buat sebuah array (list) berisi 3-4 poin utama MENGAPA kandidat ini sangat cocok untuk jabatan tersebut, hubungkan langsung dengan data dari CV. - "deskripsi_pekerjaan": Buat sebuah array (list) berisi 5 poin deskripsi pekerjaan umum untuk jabatan ideal tersebut. - "potensi_karir": Buat sebuah array (list) berisi 3-4 jalur pengembangan karir dari posisi ini. - "kisaran_gaji": Buat sebuah objek JSON berisi estimasi gaji bulanan di Indonesia untuk level "junior", "mid_level", dan "senior". Gunakan format string seperti "Rp 6 - 9 juta". - "kelebihan_tambahan": Buat sebuah array (list) berisi 1-2 poin saran atau kelebihan unik yang dimiliki kandidat dari CV-nya. 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.") # ================================================================== # LANGKAH TAMBAHAN: Gunakan hasil analisis untuk membuat link # ================================================================== print("3. Membuat tautan pencarian dari hasil analisis...") keywords_from_analysis = response_json.get("jabatan_ideal", "") search_links = generate_search_links(keywords_from_analysis) print("4. Menyusun output akhir...") final_output = format_output_markdown(response_json, search_links) print("--- Proses Selesai ---") return final_output 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("# 🚀 Aplikasi Analis Peluang Karir Personal") gr.Markdown("Upload CV Anda, dan biarkan AI membuat laporan komprehensif tentang jalur karir terbaik Anda, lengkap dengan tautan pencarian kerja!") with gr.Row(): with gr.Column(scale=1): cv_pdf = gr.File(label="Upload CV Anda (PDF)", file_types=[".pdf"]) analyze_button = gr.Button("🔍 Analisis Karir Saya", variant="primary") with gr.Column(scale=2): output_analysis = gr.Markdown(label="Laporan Peluang Karir Anda") analyze_button.click( fn=analyze_career_path, inputs=[cv_pdf], outputs=[output_analysis], show_progress='full' ) if __name__ == "__main__": demo.launch()