Slayer — AI 기반 취업 지원 어시스턴트

팀

멤버	GitHub	담당
지호	@jy0jy0	기업 리서치, 이력서 최적화, 자기소개서
현지	@shinhyunji36	JD 파싱, 면접 질문
예신	@yesinkim	이력서 파싱, Gmail 모니터, 프론트엔드, DB

---

프로젝트 구조

Slayer/
├── slayer/                     # Python 백엔드
│   ├── schemas.py              # 공통 스키마 (Pydantic)
│   ├── config.py               # 공통 설정
│   ├── api/                    # FastAPI 엔드포인트
│   ├── db/                     # Supabase PostgreSQL (10 tables)
│   ├── pipelines/              # 단일 패스 처리
│   │   ├── jd_parser/          # 현지 — JD 스크래핑+파싱
│   │   ├── resume_parser/      # 예신 — OCR 이력서 파싱
│   │   ├── gmail_monitor/      # 예신 — Gmail 폴링
│   │   ├── apply_pipeline/     # 예신 — 지원 액션
│   │   ├── interview_questions/# 현지 — 면접 질문 생성
│   │   └── jd_resume_matcher/  # TBD — 매칭 분석
│   ├── services/               # 공유 로직 (상태 전이 등)
│   └── agents/                 # 반복 루프 + 도구 호출
│       ├── company_research/   # 지호 (완료)
│       ├── resume_optimizer/   # 지호+현지
│       └── cover_letter/       # 지호
├── web/                        # React 프론트엔드 (예신)
├── supabase/                   # Google OAuth (예신)
├── docs/                       # 파이프라인/모듈 문서
│   └── pipelines/              # 파이프라인별 구조도 및 사용법
├── scripts/                    # 로컬 테스트 스크립트
├── data/                       # 테스트/샘플 데이터
│   ├── resumes/                # 이력서 PDF 5건
│   └── jds/                    # JD 샘플
└── tests/

Pipeline vs Agent

	Pipeline	Agent
특징	고정 흐름, LLM 1회	반복 루프, 도구 호출, 조건 분기
해당	JD 파싱, 이력서 파싱, 면접질문, Gmail, 지원액션	기업 리서치, 이력서 최적화, 자기소개서

---

데이터 흐름

[JD URL] ──→ JD 파싱 (현지) ──→ JDSchema ──────┐
                                                ├──→ MatchResult
[이력서] ──→ 이력서 파싱 (예신) ──→ ParsedResume ┘
                                                │
[회사명] ──→ 기업 리서치 (지호) ──→ CompanyResearchOutput
                                                │
              ┌─────────────────────────────────┘
              ▼                                 ▼
    이력서 최적화 Agent              자기소개서 생성 Agent
              │                                 │
              ▼                                 ▼
    ResumeOptimizationOutput        CoverLetterOutput

---

스키마

중앙 관리: slayer/schemas.py (Pydantic BaseModel)

스키마	생산자	소비자
JDSchema	JD 파싱 (현지)	매칭, 최적화, 자소서, 면접질문
ParsedResume	이력서 파싱 (예신)	매칭, 최적화, 자소서
MatchResult	TBD — 매칭	최적화, 자소서
CompanyResearchOutput	기업 리서치 (지호)	자소서, 면접질문
ResumeOptimizationOutput	최적화 (지호+현지)	저장/다운로드
CoverLetterOutput	자소서 (지호)	저장/다운로드

ATS 점수 가중치

카테고리	가중치
ats_simulation	0.30
keywords	0.25
experience	0.20
industry_specific	0.15
content	0.05
format	0.03
errors	0.02

---

DB (Supabase PostgreSQL)

10개 테이블: users, resumes, companies, job_postings, applications, application_stages, status_history, gmail_events, calendar_events, agent_logs

스키마 상세: docs/data-schema.md | Discussion #6

---

마이그레이션 가이드

지호 (feat/company-research)

company_research/  →  slayer/agents/company_research/

현지 (feat/jd-scraper)

slayer/parsers/*    →  slayer/pipelines/jd_parser/parsers/*
slayer/scraper.py   →  slayer/pipelines/jd_parser/scraper.py
slayer/cli.py       →  slayer/pipelines/jd_parser/cli.py
slayer/llm_client.py→  slayer/pipelines/jd_parser/llm_client.py
(+ parser_base.py, registry.py, __main__.py)

예신 (feat/google-oauth-login)

web/       →  변경 없음
supabase/  →  변경 없음
+ 새 작업: resume_parser, gmail_monitor, apply_pipeline, db/models.py

---

Setup

# Python 환경
uv sync

# 환경 변수
cp .env.example .env
# .env 파일에 API 키 입력

# 개발 서버 (추후)
# uvicorn slayer.api.main:app --reload

---

논의 사항

1. JD-이력서 매칭 담당자 TBD
2. skills vs requirements.required 중복 정리 (현지)
3. 날짜 포맷 정규화 (YYYY-MM)
4. 오케스트레이션 프레임워크 (LangGraph 등) — MVP 이후
5. RAG + 벡터 DB (합격 이력서 검색) — MVP 이후