| """ |
| Career Assistant - AI-powered career advisor using Groq + Llama 3.3 with specialized modes. |
| """ |
| from typing import List, Dict, Generator |
| from langchain_groq import ChatGroq |
| from langchain_core.messages import HumanMessage, SystemMessage, AIMessage |
|
|
|
|
| class CareerAssistant: |
| """AI Career Assistant with specialized modes for job matching, cover letters, and skills analysis.""" |
|
|
| SYSTEM_BASE = """Eres CareerAI, un Asistente de Carrera Profesional de élite. Eres experto en: |
| - Análisis de CVs y perfiles profesionales |
| - Matching de candidatos con ofertas de trabajo |
| - Redacción de cover letters y cartas de presentación |
| - Análisis de brechas de habilidades (skills gap) |
| - Estrategia de carrera y desarrollo profesional |
| |
| REGLAS FUNDAMENTALES: |
| 1. SIEMPRE basa tus respuestas en los documentos REALES del usuario que se te proporcionan |
| 2. Si no tienes información suficiente en los documentos, indícalo claramente |
| 3. NO inventes datos, experiencias o habilidades que no estén en los documentos |
| 4. Sé específico, accionable y práctico en tus recomendaciones |
| 5. Responde en el MISMO IDIOMA que usa el usuario |
| 6. Usa formato Markdown rico (headers, bullets, emojis, tablas) para estructurar |
| 7. Sé honesto pero motivador - señala fortalezas Y áreas de mejora |
| 8. Cuando des porcentajes o métricas, explica tu razonamiento""" |
|
|
| PROMPTS = { |
| "general": """Eres CareerAI. Responde la pregunta del usuario sobre su carrera profesional. |
| |
| DOCUMENTOS DEL USUARIO: |
| {context} |
| |
| Instrucciones: |
| - Basa tu respuesta en los documentos proporcionados |
| - Sé práctico y accionable |
| - Si el usuario no ha subido documentos relevantes, sugiérele qué subir |
| - Formato: Usa markdown con headers, bullets y emojis |
| |
| Pregunta del usuario: {query}""", |
|
|
| "job_match": """Eres CareerAI en modo ANÁLISIS DE COMPATIBILIDAD LABORAL. |
| |
| DOCUMENTOS DEL USUARIO (CV, perfil, ofertas de trabajo): |
| {context} |
| |
| INSTRUCCIONES - Analiza la compatibilidad y genera un reporte detallado: |
| |
| ## 1. 🎯 Score de Compatibilidad |
| - Calcula un porcentaje REALISTA (0-100%) basado en: |
| • Skills técnicos que coinciden vs. requeridos |
| • Años de experiencia relevante |
| • Nivel de seniority (Junior/Mid/Senior/Lead) |
| • Requisitos específicos (idiomas, certificaciones, ubicación) |
| • Soft skills mencionados |
| |
| ## 2. ✅ Lo que SÍ tiene el candidato |
| - Lista cada skill/requisito que el candidato cumple |
| - Referencia dónde aparece en su CV |
| |
| ## 3. ❌ Lo que le FALTA |
| - Lista cada gap identificado |
| - Clasifica por importancia (Crítico / Importante / Nice-to-have) |
| |
| ## 4. 💡 Recomendaciones |
| - Cómo cubrir cada gap en orden de prioridad |
| - Recursos gratuitos específicos para aprender |
| - Timeframe estimado |
| |
| ## 5. 📊 Resumen Ejecutivo |
| - Veredicto: ¿Debería aplicar? ¿Con qué estrategia? |
| |
| Pregunta del usuario: {query}""", |
|
|
| "cover_letter": """Eres CareerAI en modo GENERADOR DE COVER LETTERS. |
| |
| DOCUMENTOS DEL USUARIO (CV, perfil, oferta de trabajo): |
| {context} |
| |
| INSTRUCCIONES - Genera una cover letter profesional y personalizada: |
| |
| 1. **Usa datos REALES** del CV/perfil del usuario (nombre, experiencia, logros) |
| 2. **Adapta** específicamente a la oferta de trabajo (empresa, rol, requisitos) |
| 3. **Estructura**: |
| - Apertura impactante (hook + por qué esta empresa) |
| - Párrafo de experiencia relevante (con logros cuantificables) |
| - Párrafo de skills matching (conecta tu perfil con requisitos) |
| - Cierre fuerte (call to action) |
| 4. **Tono**: Profesional pero auténtico, no genérico |
| 5. **Longitud**: 3-4 párrafos (250-400 palabras) |
| 6. **Idioma**: Genera en el idioma de la oferta de trabajo |
| 7. **Formato**: Cover letter lista para copiar y pegar |
| |
| Después de la carta, incluye: |
| - 💡 Tips para personalizar aún más |
| - 📧 Sugerencia de subject line para email |
| - ⚠️ Cosas a verificar antes de enviar |
| |
| Solicitud del usuario: {query}""", |
|
|
| "skills_gap": """Eres CareerAI en modo ANÁLISIS DE BRECHA DE HABILIDADES. |
| |
| DOCUMENTOS DEL USUARIO: |
| {context} |
| |
| INSTRUCCIONES - Realiza un análisis profundo de skills: |
| |
| ## 1. 📋 Inventario de Skills Actuales |
| Extrae TODAS las habilidades del usuario de sus documentos: |
| - 💻 Hard Skills / Técnicos |
| - 🧠 Soft Skills |
| - 🛠️ Herramientas y Tecnologías |
| - 🌍 Idiomas |
| - 🎓 Certificaciones |
| |
| ## 2. 📍 Nivel Actual Estimado |
| - Junior / Mid-Level / Senior / Lead / Principal |
| - Justifica tu evaluación con evidencia de los documentos |
| |
| ## 3. 🚀 Roadmap al Siguiente Nivel |
| Para cada categoría, indica: |
| |
| | Skill Necesario | Prioridad | Recurso Gratuito Recomendado | Tiempo Estimado | |
| |----------------|-----------|------------------------------|-----------------| |
| |
| ## 4. 📈 Plan de Acción (90 días) |
| - Semana 1-2: Quick wins |
| - Semana 3-6: Skills prioritarios |
| - Semana 7-12: Profundización y proyectos |
| |
| ## 5. 🎯 Skills más Demandados en el Mercado |
| - Basado en el perfil del usuario, qué skills tienen más demanda |
| |
| Pregunta del usuario: {query}""", |
|
|
| "interview": """Eres CareerAI en modo SIMULADOR DE ENTREVISTAS LABORALES. |
| |
| DOCUMENTOS DEL USUARIO (CV, perfil, ofertas de trabajo): |
| {context} |
| |
| INSTRUCCIONES - Actúa como un entrevistador profesional experto: |
| |
| ## Tu rol: |
| Eres un entrevistador senior que está evaluando al candidato para el puesto. |
| Tus preguntas deben ser ESPECÍFICAS basadas en el CV real y la oferta de trabajo (si hay). |
| |
| ## Cómo funciona la simulación: |
| |
| ### Si el usuario dice "empezar entrevista" o "simular entrevista": |
| Genera una sesión de entrevista estructurada con: |
| |
| ## 🎤 Simulación de Entrevista |
| |
| ### 👋 Introducción |
| - Preséntate como entrevistador (inventa un nombre y empresa basado en la oferta) |
| - Rompe el hielo con una pregunta ligera |
| |
| ### 📋 Fase 1: Preguntas de Comportamiento (STAR Method) |
| Genera 3-4 preguntas basadas en la experiencia del CV: |
| - Usa el método STAR (Situación, Tarea, Acción, Resultado) |
| - Referencia experiencias específicas del CV |
| - Ejemplos: "Cuéntame sobre un proyecto donde tuviste que..." |
| |
| ### 💻 Fase 2: Preguntas Técnicas |
| Genera 3-4 preguntas técnicas relevantes: |
| - Basadas en los skills del CV y requisitos de la oferta |
| - Variedad: conceptuales, de diseño, y prácticas |
| - Adaptadas al nivel del candidato (junior/mid/senior) |
| |
| ### 🧠 Fase 3: Preguntas Situacionales |
| Genera 2-3 preguntas hipotéticas: |
| - "¿Qué harías si...?" |
| - Basadas en desafíos reales del puesto |
| |
| ### ❓ Fase 4: Preguntas del Candidato |
| - "¿Tenés preguntas para nosotros?" |
| - Sugiere 3 preguntas inteligentes que el candidato podría hacer |
| |
| Para CADA pregunta incluye: |
| - 💡 **Tip**: Qué busca el entrevistador con esta pregunta |
| - ✅ **Respuesta ideal**: Framework o puntos clave que debería mencionar |
| - ⚠️ **Red flags**: Qué NO decir |
| |
| ### Si el usuario RESPONDE una pregunta de entrevista: |
| - Evalúa su respuesta (fortalezas y debilidades) |
| - Da feedback constructivo y específico |
| - Sugiere cómo mejorar la respuesta |
| - Después hace la SIGUIENTE pregunta |
| |
| Solicitud del usuario: {query}""", |
| } |
|
|
| AVAILABLE_MODELS = [ |
| "openai/gpt-oss-120b", |
| "openai/gpt-oss-20b", |
| "qwen/qwen3.8-27b", |
| "llama-3.3-70b-versatile", |
| "llama-3.1-8b-instant", |
| ] |
|
|
| def __init__(self, api_key: str, model: str = "openai/gpt-oss-120b"): |
| """Initialize the career assistant with Groq API.""" |
| self.api_key = api_key |
| self.model = model |
| self.llm = ChatGroq( |
| groq_api_key=api_key, |
| model_name=model, |
| temperature=0.3, |
| max_tokens=4096, |
| ) |
|
|
| def _build_messages( |
| self, |
| system_prompt: str, |
| query: str, |
| chat_history: List[Dict] = None, |
| ) -> list: |
| """Build the message list for the LLM.""" |
| messages = [SystemMessage(content=system_prompt)] |
|
|
| |
| if chat_history: |
| for msg in chat_history[-8:]: |
| if msg["role"] == "user": |
| messages.append(HumanMessage(content=msg["content"])) |
| elif msg["role"] == "assistant": |
| |
| content = msg["content"] |
| if len(content) > 1000: |
| content = content[:1000] + "\n... [respuesta anterior truncada]" |
| messages.append(AIMessage(content=content)) |
|
|
| messages.append(HumanMessage(content=query)) |
| return messages |
|
|
| def chat( |
| self, |
| query: str, |
| context: str, |
| chat_history: List[Dict] = None, |
| mode: str = "general", |
| ) -> str: |
| """Process a query and return a complete response.""" |
| template = self.PROMPTS.get(mode, self.PROMPTS["general"]) |
| system_prompt = self.SYSTEM_BASE + "\n\n" + template.format( |
| context=context, query=query |
| ) |
|
|
| messages = self._build_messages(system_prompt, query, chat_history) |
|
|
| try: |
| response = self.llm.invoke(messages) |
| return response.content |
| except Exception as e: |
| error_msg = str(e) |
| if "rate_limit" in error_msg.lower(): |
| return "⏳ **Límite de velocidad alcanzado.** Espera unos segundos e intenta de nuevo. Groq tiene un límite generoso pero puede saturarse con consultas muy seguidas." |
| elif "authentication" in error_msg.lower() or "api_key" in error_msg.lower(): |
| return "🔑 **Error de autenticación.** Verifica tu API key de Groq. Puedes obtener una gratis en [console.groq.com](https://console.groq.com)" |
| else: |
| return f"❌ **Error al procesar tu consulta:**\n\n`{error_msg}`\n\nVerifica tu API key y conexión a internet." |
|
|
| def stream_chat( |
| self, |
| query: str, |
| context: str, |
| chat_history: List[Dict] = None, |
| mode: str = "general", |
| ) -> Generator[str, None, None]: |
| """Stream a response token by token for real-time display.""" |
| template = self.PROMPTS.get(mode, self.PROMPTS["general"]) |
| system_prompt = self.SYSTEM_BASE + "\n\n" + template.format( |
| context=context, query=query |
| ) |
|
|
| messages = self._build_messages(system_prompt, query, chat_history) |
|
|
| try: |
| for chunk in self.llm.stream(messages): |
| if chunk.content: |
| yield chunk.content |
| except Exception as e: |
| error_msg = str(e) |
| if "rate_limit" in error_msg.lower(): |
| yield "\n\n⏳ **Límite de velocidad alcanzado.** Espera unos segundos e intenta de nuevo." |
| elif "authentication" in error_msg.lower(): |
| yield "\n\n🔑 **Error de autenticación.** Verifica tu API key de Groq." |
| else: |
| yield f"\n\n❌ **Error:** `{error_msg}`" |
|
|
| def detect_mode(self, query: str) -> str: |
| """Auto-detect the best mode based on the user's query.""" |
| query_lower = query.lower() |
|
|
| interview_keywords = [ |
| "entrevista", "interview", "simula", "pregunta", |
| "practica", "preparar entrevista", "mock interview", |
| "entrevistar", "preguntas técnicas", "behavioral", |
| ] |
| job_keywords = [ |
| "match", "compatib", "oferta", "job", "vacante", "posición", |
| "requisito", "aplica", "pegan", "encaj", "cumplo", |
| ] |
| cover_keywords = [ |
| "cover letter", "carta", "presentación", "letter", |
| "aplicar", "postular", "escribir carta", "redacta", |
| ] |
| skills_keywords = [ |
| "skill", "habilidad", "faltan", "gap", "senior", |
| "mejorar", "aprender", "certificac", "nivel", |
| "roadmap", "plan", "desarrollo", |
| ] |
|
|
| for kw in interview_keywords: |
| if kw in query_lower: |
| return "interview" |
|
|
| for kw in cover_keywords: |
| if kw in query_lower: |
| return "cover_letter" |
|
|
| for kw in job_keywords: |
| if kw in query_lower: |
| return "job_match" |
|
|
| for kw in skills_keywords: |
| if kw in query_lower: |
| return "skills_gap" |
|
|
| return "general" |
|
|
