ProyectoCI/CD DevOps
Un asistente de IA que condensa un currículum en una página enfocada
Reescribe un currículum en una página enfocada mediante un chat guiado, con una capa de validación que coteja el resultado con el original.
Stack
- React
- Amazon S3
- AWS Amplify
- Serverless
- Amazon EC2
- AWS Lambda
- Amazon ECS
- Docker
- +15
01 · Cómo funciona
- HoyaModificado en este trabajo
- Flujo de datos
Qué hace
Un producto web que convierte un currículum completo en una sola página donde destacan las competencias clave. El usuario avanza por una conversación guiada, la plataforma extrae el texto del currículum y un modelo de lenguaje con fine-tuning lo reescribe mientras una capa de validación coteja el resultado con la fuente.
Leer más
Lo construí sobre servicios administrados de AWS, desde el flujo de conversación y la integración del modelo hasta el inicio de sesión, los pagos y el despliegue.
7 conexiones· elige un componente para ver su recorrido
- Cliente web a Extracción de texto: currículum subido
- Cliente web a Bot de conversación: mensajes del usuario
- Bot de conversación a Formateo de solicitudes: intención y detalles
- Formateo de solicitudes a LLM con fine-tuning: solicitud formateada
- LLM con fine-tuning a Capa de validación: contenido en borrador
- Extracción de texto a Capa de validación: datos del currículum fuentemodificado
- Capa de validación a Cliente web: currículum verificado
02Qué logró
Resultado
- Resultado: un currículum completo → una página que conserva las competencias más sólidas
- Precisión: salida del modelo cotejada con el currículum fuente para detectar contenido inventado
Leer más
- Experiencia: una conversación guiada desde la carga del archivo hasta la página terminada
- Producto: inicio de sesión, pagos y monitoreo sobre un stack serverless
El desafío
El riesgo central de generar un currículum es la invención: un modelo que agrega una habilidad o infla un cargo perjudica a la persona a la que debería ayudar. Hice fine-tuning del modelo con datos de currículums y agregué una capa de validación que cruza la salida del modelo con el contenido original.
La conversación necesitaba su propia orquestación.
Leer más
Un bot gestiona el diálogo y decide cuándo llamar al modelo, y una función serverless da formato a cada solicitud y normaliza la respuesta, de modo que la experiencia se mantiene coherente de un turno al siguiente. Alrededor de eso estaba todo lo que un producto real necesita: inicio de sesión, pagos, monitoreo y un pipeline de despliegue automatizado.
Qué aprendí
Con los modelos generativos, las barreras de seguridad importan más que la generación. El fine-tuning mejoró el ajuste al lenguaje de los currículums, pero la capa de validación es lo que hizo la salida lo bastante confiable como para ponerla en producción. Orquestar una conversación es un problema de ingeniería en sí mismo: separar la gestión del diálogo, el formateo de las solicitudes y las llamadas al modelo mantuvo cada parte reemplazable.
Leer más
Construir el producto completo, no solo el modelo, implicó diseñar la seguridad, los pagos y el despliegue desde el inicio.
Stack
- React
- Amazon S3
- AWS Amplify
- Serverless
- Amazon EC2
- AWS Lambda
- Amazon ECS
- Docker
- DynamoDB
- Flow Payment
- Amazon CloudWatch
- AWS X-Ray
- AWS IAM
- AWS Cognito
- AWS WAF
- AWS CodePipeline
- AWS CodeDeploy
- AWS CloudFormation
- AWS CDK
- Python
- AWS Lex
- Next.js
- AWS Bedrock
Habilidades
- Integración de IA generativa
- Barreras de seguridad para LLM
- Diseño conversacional
- Arquitectura serverless
- Ingeniería de producto

