Bem-vindo ao guia de instalação do AI HR Talent Analyzer. Para atender a diferentes necessidades, oferecemos três métodos de instalação.

---

1. Instalação com Docker (Recomendado)

Este é o método mais simples e rápido. Ele usa contêineres Docker para criar um ambiente isolado onde o modelo de linguagem user.jan-nano já vem pré-instalado.

Por que usar Docker?

• Simplicidade Extrema: Um único comando para iniciar todo o ambiente, sem necessidade de instalação manual de modelos.
• Consistência Garantida: Funciona da mesma forma em qualquer máquina (Windows, macOS, Linux).
• Isolamento Total: Não interfere com outras ferramentas ou projetos na sua máquina.

Pré-requisitos

• Git: Guia de Instalação
• Docker e Docker Compose: Guia de Instalação

Passos

1. Clone o repositório:

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

2. Inicie os serviços com Docker Compose:

   docker-compose up
   

   Nota Importante: Na primeira vez que você executar este comando, o Docker construirá a imagem. Este processo inclui o download do modelo LLM user.jan-nano (aproximadamente 2.7GB), então pode levar vários minutos dependendo da sua conexão com a internet. As execuções futuras serão quase instantâneas.

✅ Pronto! Após a conclusão do build, ambos os contêineres (servidor e agente) iniciarão automaticamente. O terminal se tornará sua janela de chat interativa com o agente.

A interface web do servidor de modelos estará disponível em http://localhost:8001 caso você queira adicionar outros modelos.

---

2. Instalação Local com Scripts

Este método é ideal se você prefere não usar Docker, mas ainda deseja um processo de setup automatizado.

Pré-requisitos

• Git
• Python 3.11+
• Node.js (com npx)

Passos Detalhados

1. Clone o repositório (se ainda não o fez).

2. Execute o script de setup para o seu sistema:
   • Linux / macOS: chmod +x ./scripts/setup.sh && ./scripts/setup.sh
   • Windows (PowerShell como Admin): Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope Process; .\scripts\setup.ps1
3. Instale o Modelo LLM Manualmente (Terminal 1): Abra um terminal, ative o ambiente virtual e use a CLI do Lemonade para baixar o modelo.

   # Ative o ambiente virtual
   # Linux/macOS: source .venv/bin/activate
   # Windows: .venv\Scripts\activate
   
   lemonade-server-dev pull user.jan-nano --checkpoint Menlo/Jan-nano-gguf:jan-nano-4b-Q4_0.gguf --recipe llamacpp
   

4. Inicie o Servidor Lemonade (ainda no Terminal 1): Após o download do modelo, inicie o servidor na porta 8001.

   lemonade-server-dev serve --port 8001
   

   Deixe este terminal aberto.

5. Configure e Execute o Agente (Terminal 2):
   • Siga o guia em Configuração e Arquitetura para configurar o seu agent.json com o caminho do npx e a porta 8001.
   • Em um segundo terminal, execute o agente com o script run.
     • Linux / macOS: chmod +x ./scripts/run.sh && ./scripts/run.sh
     • Windows (PowerShell): .\scripts\run.ps1

---

3. Guia de Instalação Manual (Avançado)

Este guia é para desenvolvedores que desejam entender cada passo.

1. Clone o repositório e entre no diretório.
2. Crie e ative um ambiente virtual: python -m venv .venv e ative-o.
3. Instale as dependências Python: pip install -r requirements.txt.
4. Instale o modelo LLM: lemonade-server-dev pull user.jan-nano --checkpoint Menlo/Jan-nano-gguf:jan-nano-4b-Q4_0.gguf --recipe llamacpp.
5. Inicie o servidor em um terminal: lemonade-server-dev serve --port 8001.
6. Configure o agent.json com o caminho do npx e a porta 8001.
7. Inicie o agente em um segundo terminal: tiny-agents run file-assistant/agent.json.