Analisa currículos em PDF e detecta competências profissionais em tempo real
PDF → PyMuPDF → RabbitMQ → WebSocket → Live UI
Compatível com PDFs do LinkedIn, Word, Canva e qualquer plataforma — mapeia seções em PT-BR e EN.
| 📄 PDF Upload |
→ | ⚙️ PyMuPDF |
→ | 🐇 RabbitMQ |
→ | ⚡ WebSocket |
→ | 💡 Live UI |
Upload de currículo em PDF → extração de texto → detecção automática de 228 competências em 8 áreas profissionais → processamento via message broker real → exibição de exemplos de código e curiosidades ao vivo no browser.
Cada stack detectada vira uma mensagem AMQP que é publicada, enfileirada, consumida e entregue via WebSocket — tudo visível em tempo real. Ao clicar em qualquer stack, um code viewer moderno exibe um exemplo de código real e uma curiosidade sobre a tecnologia.
Além da detecção de competências, o sistema inclui um analisador ATS que pontua o currículo em 6 dimensões (seções, verbos de ação, métricas, contato, extensão, competências) com score de 0 a 100 e sugestões de melhoria.
LinkedIn PDF vs CV otimizado: O sistema reconhece tanto seções em PT-BR ("Experiência Profissional", "Stack Técnica") quanto seções em inglês do LinkedIn PDF ("Top Skills", "About", "Licenses & Certifications"). Os scores tendem a diferir — use o dashboard para comparar e otimizar.
Browser
│ POST /upload (PDF)
▼
FastAPI (Python)
│ PyMuPDF extrai texto
│ detecta stacks → retorna session_id
│
│ POST /processar/{session_id}
▼
pika (Producer)
│ publica 1 mensagem por stack
▼
RabbitMQ Broker
│ fila: stack_radar (durable=True)
▼
pika (Consumer — thread dedicada)
│ basic_qos(prefetch=1) — uma por vez
│ basic_ack manual após processar
▼
FastAPI WebSocket (/ws/{session_id})
│ envia JSON ao browser em tempo real
▼
Browser
└── exibe stack processada + exemplo de código
| Camada | Tecnologia | Papel |
|---|---|---|
| Backend | FastAPI + Uvicorn | API REST + WebSocket server |
| Mensageria | RabbitMQ + pika | Broker AMQP, producer/consumer |
| Extração | PyMuPDF (fitz) | Leitura e parsing de PDF |
| Frontend | HTML + CSS + JS | UI responsiva com terminal live |
| Infra | Docker Compose | Orquestração local |
| Deploy | Railway | Cloud com Dockerfile |
https://heroic-renewal-linkedinrepo.up.railway.app/
Escolha um dos 5 demos ou faça upload do seu currículo em PDF.
git clone https://github.com/masilvaarcs/stack-radar.git
cd stack-radar
docker compose up --build| Serviço | URL |
|---|---|
| App | http://localhost:8000 |
| RabbitMQ UI | http://localhost:15672 (guest/guest) |
| API Docs | http://localhost:8000/docs |
# 1. RabbitMQ
docker run -d --name rabbit -p 5672:5672 -p 15672:15672 rabbitmq:3-management
# 2. Backend
cd backend
pip install -r requirements.txt
uvicorn main:app --reload --port 8000| Método | Rota | Descrição |
|---|---|---|
GET |
/health |
Health check |
GET |
/stacks |
Lista todas as 228 competências |
GET |
/stack/{id} |
Exemplo completo + curiosidade de uma stack |
POST |
/upload |
Recebe PDF, detecta stacks |
POST |
/processar/{session_id} |
Publica na fila e inicia consumer |
WS |
/ws/{session_id} |
WebSocket — eventos em tempo real |
- Pipeline visual — diagrama animado mostra cada etapa em tempo real (PDF → PyMuPDF → RabbitMQ → WebSocket → UI)
- Terminal live — log completo do pipeline com timestamps e emojis coloridos
- Stacks grid — cards coloridos com filtro por categoria (Backend, Frontend, DevOps, Database...)
- Code Viewer — clique em qualquer stack para ver um exemplo de código real com syntax highlight
- 💡 Você sabia? — curiosidade histórica/técnica sobre cada tecnologia
- Modo demo — funciona 100% offline, simulando o pipeline completo com stacks de exemplo
- Dark/Light theme — toggle com transição suave e persistência
- Drag & drop — arraste PDF diretamente na upload zone
- Dashboard ATS — score de 0-100 com 6 dimensões, sugestões priorizadas por impacto
- Multi-formato — reconhece seções em PT-BR e EN (incluindo PDFs exportados do LinkedIn)
- 5 demos interativos — TI, Saúde, Design, Educação e Finanças, sem precisar de PDF
| Perfil | Área | Stacks | Tipo de Conteúdo |
|---|---|---|---|
| 💻 Dev Full-Stack Sênior | TI | 17 | Código real (Python, React, Docker...) |
| 🏥 Profissional de Saúde | Saúde | 5 | Protocolos (SAE, NRS-2002, Biossegurança...) |
| 🎨 Designer / UX | Artes & Design | 5 | Frameworks (Design Tokens, WCAG, Wireframes...) |
| 📚 Professor / Educador | Educação | 5 | Metodologias (BNCC, PBL, Sala Invertida, PEI...) |
| 💰 Analista Financeiro | Finanças | 5 | Análises (DRE, DCF, Fluxo de Caixa, Tributário...) |
# Producer — publica uma mensagem por stack detectada
ch.basic_publish(
exchange="",
routing_key="stack_radar",
body=json.dumps(mensagem),
properties=pika.BasicProperties(delivery_mode=2), # persistente
)
# Consumer — processa uma por vez (prefetch=1)
ch.basic_qos(prefetch_count=1)
ch.basic_consume(queue="stack_radar", on_message_callback=callback)
# Callback — envia ao WebSocket no loop asyncio
def callback(ch, method, properties, body):
asyncio.run_coroutine_threadsafe(ws_manager.send(...), loop)
ch.basic_ack(method.delivery_tag) # ACK manualPor que é mensageria real? O broker AMQP armazena mensagens (
durable=True), o consumer usaprefetch_count=1, o ACK é manual, e producer/consumer rodam em threads independentes.
228 competências em 8 áreas profissionais:
| Área | Qtd | Exemplos |
|---|---|---|
| ⚙️ TI | 127 | Python, React, Docker, AWS, SOLID, Design Patterns, GitHub Copilot |
| 🏥 Saúde | 25 | Enfermagem, Fisioterapia, Nutrição, Farmácia |
| 📚 Educação | 17 | Pedagogia, EAD, Alfabetização, Libras |
| 🎨 Artes e Design | 18 | UI/UX, Figma, Motion Design, Fotografia |
| 📣 Marketing | 12 | SEO, Tráfego Pago, Inbound, CRM |
| 💰 Finanças | 14 | Contabilidade, Auditoria, FP&A, Valuation |
| 🏗️ Engenharia | 9 | Civil, Mecânica, Elétrica, Automação |
| 📦 Logística | 6 | WMS, ERP, Supply Chain, Última Milha |
| Variável | Padrão | Descrição |
|---|---|---|
RABBITMQ_URL |
amqp://guest:guest@localhost:5672/ |
URL do broker AMQP |
PORT |
8000 |
Porta do servidor (Railway define automaticamente) |
stack-radar/
├── backend/
│ ├── main.py ← FastAPI + RabbitMQ + WebSocket + ATS Engine
│ ├── test_main.py ← 235 testes unitários (pytest)
│ ├── requirements.txt
│ └── Dockerfile ← build local
├── tabelas/
│ └── stacks_taxonomy.json ← 228 competências em 8 áreas + config ATS
├── docs/
│ ├── SHOWCASE.html ← Showcase visual do projeto (abra no browser)
│ ├── LINKEDIN_POST.md ← Publicação LinkedIn pronta para uso
│ ├── card_config.json ← config do evidence card
│ ├── evidencia-card.svg ← card de evidência (README)
│ └── imagens/ ← 13 screenshots do app em ação
├── frontend/
│ └── index.html ← UI completa (HTML + CSS + JS)
├── Dockerfile ← build produção (Railway)
├── docker-compose.yml
├── railway.json
└── README.md
- Fork/clone este repositório no GitHub
- Acesse railway.com → New Project → GitHub Repository
- Selecione
stack-radar - Adicione um serviço RabbitMQ (Database → RabbitMQ)
- Configure
RABBITMQ_URLnas variáveis do backend - Generate Domain na aba Settings → Networking (porta 8000)
| Screenshot | Descrição |
|---|---|
 |
Header com pipeline visual animado |
 |
Upload zone + 5 cards de demo |
 |
Dashboard ATS: score 72 + 6 dimensões |
 |
Grid de 17 stacks TI com filtros |
 |
Code Viewer Python + "Você Sabia?" |
 |
Demo Educação — multi-área |
 |
Resultado de CV real: 10 stacks |
Veja todas as 13 screenshots em
docs/imagens/
Desenvolvido por Marcos Silva
stack-radar · fastapi · pika · rabbitmq · websocket · 2026