Upload 2 files

app.py

@@ -20,7 +20,42 @@ norms = np.linalg.norm(embeddings_matrix, axis=1, keepdims=True)
 embeddings_norm = embeddings_matrix / (norms + 1e-10)
 
 job_index = {str(row["id"]): dict(row) for _, row in df.iterrows()}
-RSS_URL = "https://opt-nc.github.io/avps/feed.xml"
+
+# --- TF-IDF léger pour extraire les mots-clés saillants de chaque annonce ---
+import math
+from collections import Counter
+
+STOPWORDS = set("""
+le la les un une des de du en et à au aux ce qui que qu est par sur dans pour avec
+ou si bien plus mais aussi car dont où ses son sa leur leurs nos vos
+il elle ils elles je tu nous vous me te se lui y
+être avoir faire pouvoir devoir vouloir aller savoir
+tout tous toute toutes cette cet ces même très peu
+""".split())
+
+def tokenize(text):
+    words = re.sub(r'[^a-zàâçéèêëîïôûùüÿæœ]', ' ', text.lower()).split()
+    return [w for w in words if len(w) > 3 and w not in STOPWORDS]
+
+# Calcul IDF sur le corpus
+corpus_tokens = [tokenize(str(row.get("text", ""))) for _, row in df.iterrows()]
+N = len(corpus_tokens)
+df_counts = Counter()
+for tokens in corpus_tokens:
+    df_counts.update(set(tokens))
+idf = {w: math.log(N / (1 + c)) for w, c in df_counts.items()}
+
+# Calcul TF-IDF par annonce → top 3 mots
+def top_keywords(tokens, n=3):
+    tf = Counter(tokens)
+    total = len(tokens) or 1
+    scores = {w: (tf[w]/total) * idf.get(w, 0) for w in tf}
+    return [w for w, _ in sorted(scores.items(), key=lambda x: -x[1])[:n]]
+
+# Pré-calcul pour toutes les annonces
+keywords_by_id = {}
+for (_, row), tokens in zip(df.iterrows(), corpus_tokens):
+    keywords_by_id[str(row["id"])] = top_keywords(tokens)
 
 
 def encode_query(text: str):
@@ -119,6 +154,17 @@ def render_cards(results_df, scores=None, qwords=None):
         cloture_html = f'<span style="font-size:11px;color:#6b7280">🗓 {cloture}</span>' if cloture else ""
         ref_html = f'<span style="font-size:11px;color:#a78bfa">#{numero}</span>'
 
+        # Tags TF-IDF
+        kw = keywords_by_id.get(job_id, [])
+        tags_html = ""
+        if kw:
+            tags = " ".join(
+                f'<span style="font-size:11px;padding:2px 8px;border-radius:10px;'
+                f'background:#1e293b;color:#94a3b8;border:1px solid #334155">{w}</span>'
+                for w in kw
+            )
+            tags_html = f'<div style="display:flex;gap:5px;flex-wrap:wrap;margin-bottom:8px">{tags}</div>'
+
         # Aperçu HTML du markdown avec surlignage
         preview_html = md_to_html_highlighted(texte_md, qwords)
         preview_block = f"""
@@ -150,9 +196,10 @@ def render_cards(results_df, scores=None, qwords=None):
     <div style="display:flex;gap:4px;align-items:center;flex-shrink:0;flex-wrap:wrap">{badges}</div>
   </div>
   <p style="font-size:12px;color:#6b7280;margin:0 0 4px">{meta}</p>
-  <div style="display:flex;gap:10px;align-items:center;flex-wrap:wrap;margin-bottom:4px">
+  <div style="display:flex;gap:10px;align-items:center;flex-wrap:wrap;margin-bottom:8px">
     {cloture_html}{ref_html}
   </div>
+  {tags_html}
   {preview_block}
   <div style="margin-top:10px">{annonce_btn}</div>
 </div>""")
@@ -256,7 +303,21 @@ BANNER_KEYWORDS = """
 BANNER_EMPTY = ""
 
 
-def search(query, threshold):
+def search(query: str, threshold: float = 50) -> str:
+    """
+    Recherche des Avis de Vacances de Poste (AVP) de l'OPT-NC par similarité sémantique.
+
+    Décrivez librement votre profil, vos compétences ou un intitulé de poste.
+    Les résultats sont classés par similarité avec le modèle BAAI/bge-m3.
+
+    Args:
+        query: Profil ou mots-clés à rechercher (ex: "ingénieur réseau télécoms management")
+        threshold: Score minimum de similarité en % (0-100, défaut 50)
+
+    Returns:
+        Liste des annonces correspondantes au format JSON (titre, direction, lieu, score, url)
+    """
+    import json
     min_score = threshold / 100.0
     qwords = [w for w in query.lower().split() if len(w) > 2] if query.strip() else []
 
@@ -312,15 +373,7 @@ mark { background: #92400e; color: #fff !important; border-radius: 3px; padding:
     <h1 style="font-size:20px;font-weight:700;margin:0;color:#111">📋 AVPs OPT-NC</h1>
     <p style="font-size:13px;color:#6b7280;margin:2px 0 0">Décrivez votre profil ou saisissez des mots-clés</p>
   </div>
-  <a href="{RSS_URL}" title="S'abonner au flux RSS"
-     style="display:flex;align-items:center;gap:6px;padding:7px 14px;
-            background:#fff7ed;color:#c2410c;border:1px solid #fed7aa;
-            border-radius:10px;text-decoration:none;font-size:13px;font-weight:500">
-    <svg width="14" height="14" viewBox="0 0 24 24" fill="#c2410c">
-      <path d="M6.18 15.64a2.18 2.18 0 0 1 2.18 2.18C8.36 19.01 7.38 20 6.18 20C4.98 20 4 19.01 4 17.82a2.18 2.18 0 0 1 2.18-2.18M4 4.44A15.56 15.56 0 0 1 19.56 20h-2.83A12.73 12.73 0 0 0 4 7.27V4.44m0 5.66a9.9 9.9 0 0 1 9.9 9.9h-2.83A7.07 7.07 0 0 0 4 12.93V10.1z"/>
-    </svg>
-    Flux RSS
-  </a>
+
 </div>""")
 
     query_input = gr.Textbox(
@@ -377,5 +430,100 @@ function selectJob(jobId, el) {
     threshold_slider.release(fn=search, inputs=inputs, outputs=outputs)
     demo.load(fn=search, inputs=inputs, outputs=outputs)
 
+def search_avps(query: str, threshold: float = 50) -> str:
+    pass
+
+# Docstring dynamique — reflète le vrai nombre d'AVPs au chargement
+search_avps.__doc__ = """
+Recherche les Avis de Vacances de Poste (AVP) de l'OPT-NC
+(Office des Postes et Télécommunications de Nouvelle-Calédonie).
+
+Utilisation optimale :
+- Décrire un profil complet plutôt que des mots-clés isolés améliore la précision
+- Mentionner le domaine métier, le niveau hiérarchique et les compétences clés
+- Baisser threshold (ex: 30) pour élargir les résultats, monter (ex: 70) pour affiner
+
+Exemples de requêtes efficaces :
+- "ingénieur réseau senior expérience cybersécurité SOC et management d'équipe"
+- "cadre administratif pilotage budgétaire ressources humaines et conduite du changement"
+- "technicien de maintenance réseaux télécoms fibre optique intervention terrain"
+- "chef de projet SI transformation digitale MOA"
+
+Chaque résultat contient :
+- titre, numero, direction, service, grade, lieu
+- disponible_immediatement (bool), date_cloture (YYYY-MM-DD)
+- score : similarité cosinus [0.0–1.0] — au-dessus de 0.7 = très pertinent
+- url : page web de l'annonce (https://opt-nc.github.io/avps/{numero}/)
+- url_markdown : texte brut Markdown de l'annonce, lisible directement par un LLM
+  (https://raw.githubusercontent.com/opt-nc/avps/refs/heads/main/data/{numero}.md)
+- keywords : 3 mots-clés TF-IDF caractérisant l'annonce parmi le corpus
+
+Args:
+    query: Description libre du profil ou intitulé de poste recherché
+    threshold: Score minimum de similarité en % entre 0 et 100 (défaut: 50)
+
+Returns:
+    JSON array, 10 résultats max, triés par score décroissant
+"""
+
+def search_avps(query: str, threshold: float = 50) -> str:
+    import json
+    min_score = threshold / 100.0
+
+    if not query.strip():
+        return json.dumps([], ensure_ascii=False)
+
+    q_vec = encode_query(query)
+    if q_vec is not None:
+        sims = embeddings_norm @ q_vec
+        order = np.argsort(sims)[::-1]
+        results = df.iloc[order].copy()
+        scores = sims[order].tolist()
+        mask = [s >= min_score for s in scores]
+        filtered = results[mask].copy()
+        filtered_scores = [s for s, m in zip(scores, mask) if m]
+    else:
+        qwords = [w for w in query.lower().split() if len(w) > 2]
+        def score_row(row):
+            text = f"{row.get('titre','')} {row.get('text','')}".lower()
+            return sum(1 for w in qwords if w in text) / (len(qwords) + 1)
+        filtered = df.copy()
+        filtered["_s"] = filtered.apply(score_row, axis=1)
+        filtered = filtered[filtered["_s"] > 0].sort_values("_s", ascending=False)
+        filtered_scores = filtered["_s"].tolist()
+
+    out = []
+    for i, (_, row) in enumerate(filtered.iterrows()):
+        job_id = str(row.get("id") or "")
+        numero = row.get("numero") or job_id
+        out.append({
+            "titre": row.get("titre") or "",
+            "numero": numero,
+            "direction": row.get("direction_interne_acronyme") or "",
+            "service": row.get("service_acronyme") or "",
+            "grade": row.get("corps_grade") or "",
+            "lieu": row.get("lieu_travail") or "",
+            "disponible_immediatement": bool(row.get("disponible_immediatement")),
+            "date_cloture": str(row.get("date_cloture") or ""),
+            "score": round(float(filtered_scores[i]), 3),
+            "url": row.get("url") or "",
+            "url_markdown": f"https://raw.githubusercontent.com/opt-nc/avps/refs/heads/main/data/{numero}.md",
+            "keywords": keywords_by_id.get(job_id, []),
+        })
+    return json.dumps(out[:10], ensure_ascii=False, indent=2)
+
+
+# --- Interface MCP séparée (exposée comme outil MCP) ---
+mcp_interface = gr.Interface(
+    fn=search_avps,
+    inputs=[
+        gr.Textbox(label="Profil ou mots-clés", placeholder="Ex: ingénieur réseau télécoms management"),
+        gr.Slider(minimum=0, maximum=100, value=50, step=5, label="Score minimum (%)"),
+    ],
+    outputs=gr.Textbox(label="Résultats JSON"),
+    title="AVPs OPT-NC — API MCP",
+    api_name="search_avps",
+)
+
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch(mcp_server=True)

requirements.txt

@@ -1,4 +1,4 @@
-gradio>=6.0.0
+gradio[mcp]>=6.0.0
 datasets
 pandas
 numpy