Como funciona a primeira peneira dos currículos com LLM local e MCP (AI HR Talent Analyzer)

Resumo

Neste artigo, apresento uma prova de conceito (POC/MVP) que simula o primeiro filtro de currículos usando agentes LLM locais conectados via MCP. O objetivo é entender de forma prática como plataformas automatizadas filtram candidatos com base em palavras-chave – e como pequenas empresas podem usar esse tipo de solução de maneira privada e segura.

O que o projeto faz?

O projeto AI HR Talent Analyzer demonstra como LLMs locais podem automatizar a análise inicial de currículos, simulando o funcionamento das grandes plataformas e mostrando a importância das palavras-chave para avançar na seleção.

Como funciona a peneira automatizada?

• O agente IA lê a vaga e o currículo enviado.
• Procura correspondências entre requisitos (palavras-chave) e experiências declaradas.
• Informa se o candidato atende aos critérios para prosseguir.
• Mostra como muitos currículos são eliminados automaticamente apenas por não citar as palavras certas – sem resposta ou feedback.

Por que palavras-chave fazem diferença?

• Filtros automatizados nas plataformas fazem a primeira triagem de modo mecânico.
• Currículos sem as palavras mínimas/requisitos não passam para análise humana.
• Dica importante: sempre inclua termos e requisitos presentes na vaga para aumentar suas chances.

Local, privado e adaptável

• Não é produto pronto ou SaaS, é uma POC educativa para testes e compreensão do processo.
• 100% offline/local, seus dados não são expostos.
• Fácil adaptação para pequenas empresas ou times de RH.
• Open Source para livre experimentação.

Teste rápido com Docker

git clone https://github.com/Jcnok/ai-hr-talent-analyzer.git
cd ai-hr-talent-analyzer
docker-compose up

Utilize arquivos de exemplo de vagas e currículos, e veja na prática como os filtros automáticos funcionam!

Resultados & impressões

O sistema simula de forma realista o filtro inicial dos grandes portais, e é perfeitamente adaptável para pequenas empresas que precisam ganhar tempo – tudo rodando local, privado e personalizável.

Testei e recomendo para estudos, adaptações ou uso real em times enxutos!

Para quem é útil?

• Estudantes de IA/data science que querem aprender sobre triagem automatizada.
• Pequenas empresas que precisam agilidade sem expor dados.
• RH preocupado com transparência e privacidade.

Links e referências

• Repositório: AI HR Talent Analyzer no GitHub
• Saiba mais sobre MCP Protocol: https://modelcontextprotocol.io/
• Exemplo de uso Lemonade LLM: https://lemonade-server.ai/

Se gostou da POC, compartilhe, marque este artigo e comente na DIO. Sugestões, dúvidas e novas ideias são bem-vindas!