OpenJobFlow
OpenJobFlow es un pipeline de reclutamiento open-source y plataforma de datos AI ligera que convierte snapshots JSON conformes en datos analíticos, APIs de lectura sola, resúmenes y envío por mensajería.
Ficha actualizada 23 sept 2026, 8:02 · upstream 23 sept 2026, 7:43 · release sin release detectada
Qué es OpenJobFlow
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
OpenJobFlow separa las responsabilidades del proyecto: recolección, limpieza, almacenamiento, análisis, IA y entrega. Su flujo público comienza con un snapshot JSON válido que valida y normaliza datos como salario, ciudad y habilidades. El pipeline ETL se ejecuta en una transacción para garantizar integridad de datos. Los resultados se almacenan en PostgreSQL organizados por capas (ops/raw/core/mart) y se exponen a través de FastAPI para consultas analíticas fijas sin necesidad de llaves de IA.
La plataforma ofrece capacidades opcionales: resumen automático mediante API compatible con OpenAI, envío vía Telegram Bot, creación de borradores formales en WeChat Official Account y un helper de Windows para descargar y validar paquetes de artículos. También incluye un script Bash con guardias de fallo configurable por systemd.
Es ideal para aprendizaje técnico, investigación personal y despliegues locales pequeños. No es una plataforma multi-tenant ni de alta disponibilidad: no incluye permisos, catálogo de datos, interfaz de orquestación, suite de observabilidad o topología HA.
- Analizar tendencias de contratación en diferentes ciudades mediante consultas SQL fijas
- Generar resúmenes automáticos de métricas estructuradas con API OpenAI compatible
- Enviar reportes de reclutamiento por Telegram Bot sin intervención humana
- Crear borradores formales para publicación en WeChat Official Account desde un paquete Markdown/HTML
- Automatizar la validación y normalización de snapshots JSON de candidatos antes del ETL
- Generar gráficos comparativos de tendencias de habilidades mediante Matplotlib
- Valida un snapshot JSON de reclutamiento con siete campos e integra datos como salario, ciudad y habilidades
- Ejecuta el pipeline ETL en una única transacción PostgreSQL para garantizar integridad de datos
- Organiza los datos en capas lógicas (ops/raw/core/mart) que facilitan consultas analíticas fijas sin IA
- Exponen APIs read-only a través de FastAPI con endpoints protegidos por autenticación
- Generan reportes determinísticos basados en consultas SQL sin necesidad de llaves de API OpenAI
- Soportan envío automático vía Telegram Bot y creación de borradores formales en WeChat Official Account
- No incluye permisos, catálogo de datos ni interfaz de orquestación para múltiples usuarios
- No ofrece autenticación centralizada o gestión de roles (RBAC) para acceso a datos
- El envío por WeChat requiere revisión manual del borrador antes de publicar
- La validación del snapshot JSON es estática y no se adapta dinámicamente a nuevos campos
- No incluye observabilidad completa: no hay logs centralizados ni métricas de rendimiento en tiempo real
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para desplegar, clona el repositorio y ejecuta `docker compose up -d postgres api`. El servicio ETL se ejecuta con `docker compose run --rm etl /data/raw/inbox/jobs.json` para importar datos. Si necesitas un entorno de producción real, instala Docker Desktop o Docker Engine, asegúrate de que las puertos 5432 (PostgreSQL) y 8000 (API) estén disponibles, y configura los valores en `.env`. Para automatizar el despliegue diario, crea una tarea systemd con `systemctl enable jobflow-daily` y ejecuta `docker compose run --rm etl /data/raw/inbox/jobs.json` cada día. No se recomienda usar la imagen local para producción; siempre construye desde el repositorio principal.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.