Transforme currículos em documentos ATS-friendly com IA — em segundos.
DevATS é um projeto pessoal full stack que usa o Google Gemini para extrair, estruturar e gerar currículos otimizados para sistemas de triagem automatizada (ATS). O usuário pode tanto adaptar um currículo existente quanto criar um do zero, com download direto em .docx.
- Upload e adaptação de currículos em PDF ou DOCX
- Extração inteligente de dados com Google Gemini (
gemini-2.5-pro) - Geração de DOCX ATS-friendly com templates profissionais
- Criação de currículo do zero via formulário guiado em etapas
- Dashboard pessoal para salvar e gerenciar currículos
- Autenticação segura com Supabase Auth
- Isolamento de dados por usuário via Row Level Security (RLS)
Login → Dashboard → Upload de currículo (PDF/DOCX)
→ IA extrai e estrutura os dados
→ Usuário revisa e ajusta
→ Download do .docx ATS-friendly ✅
ou → Formulário passo a passo
→ Escolha de template
→ Download do .docx ATS-friendly ✅
Tela de Inicio
Adaptar Currículo — Upload
Arraste seu PDF ou DOCX e a IA extrai tudo automaticamente.
Detalhes do Currículo Gerado
Visualize todas as informações extraídas e estruturadas antes de gerar o arquivo.
Criar do Zero — Etapa de Experiências
Formulário guiado em múltiplas etapas para construir o currículo do zero.
Preview do Currículo Final
Veja o resultado ATS-friendly antes de fazer o download.
| Camada | Tecnologias |
|---|---|
| Frontend | Next.js 16, React 19, TypeScript, Tailwind CSS, shadcn/ui |
| Backend | FastAPI, Pydantic, python-docx / docxtpl |
| IA | Google Gemini API (gemini-2.5-pro) |
| Auth / DB | Supabase (Auth + PostgreSQL + Storage + RLS) |
devATS/
├── frontend/ # App Next.js (UI, auth, dashboard)
├── backend/ # API FastAPI (parse, extract, generate)
├── SUPABASE_SCHEMA.sql # Schema, RLS policies e triggers
├── scripts/
│ └── test-rls.ts # Validação de isolamento por usuário
└── Templates/ # Exemplos de templates DOCX
- Node.js 20+ e npm 10+
- Python 3.11+
- Conta no Supabase
- Chave de API do Google Gemini
git clone https://github.com/iSousadev/devATS.git
cd devATS# Scripts utilitários da raiz
npm install
# Frontend
cd frontend && npm install && cd ..
# Backend
cd backend
python -m venv .venv
# Ativar venv:
# Windows (PowerShell):
.\.venv\Scripts\Activate.ps1
# macOS / Linux:
# source .venv/bin/activate
pip install -r requirements.txt
cd ..Raiz — .env (usado pelo script de teste RLS)
SUPABASE_URL=
SUPABASE_ANON_KEY=
TEST_USER_A_EMAIL=
TEST_USER_A_PASSWORD=
TEST_USER_B_EMAIL=
TEST_USER_B_PASSWORD=Backend — backend/.env
APP_ENV=development
APP_VERSION=0.1.0
ALLOWED_ORIGINS=http://localhost:3000
SUPABASE_URL=
SUPABASE_ANON_KEY=
SUPABASE_SERVICE_ROLE_KEY=
GEMINI_MODEL=gemini-2.5-pro
GEMINI_API_KEY=Frontend — frontend/.env.local
NEXT_PUBLIC_API_URL=http://localhost:8000
NEXT_PUBLIC_SUPABASE_URL=
NEXT_PUBLIC_SUPABASE_ANON_KEY=- Crie um projeto em supabase.com.
- Execute o conteúdo de
SUPABASE_SCHEMA.sqlno SQL Editor do painel. - Confirme que foram criados:
- Tabelas
public.profilesepublic.resumes - RLS ativa com políticas por
auth.uid() - Bucket privado
resumescom políticas de storage por pasta do usuário
- Tabelas
Backend
cd backend
uvicorn app.main:app --reload --host 0.0.0.0 --port 8000- Health check: http://localhost:8000/health
- Documentação Swagger: http://localhost:8000/docs
Frontend
cd frontend
npm run devRecebe um arquivo PDF ou DOCX (multipart/form-data), valida os magic bytes e retorna o texto extraído.
- Tamanho máximo: 5 MB
// Resposta
{
"success": true,
"filename": "cv.pdf",
"detected_type": "pdf",
"text": "...",
"message": "Texto extraído com sucesso."
}Envia o texto bruto para o Gemini e retorna os dados estruturados do currículo.
// Body
{ "text": "texto extraído do currículo" }
// Resposta
{
"success": true,
"data": {
"personal_info": {},
"experiences": [],
"skills": {}
},
"message": "Dados extraídos com sucesso. Revise antes de gerar."
}Gera o arquivo DOCX final a partir de um template_id e dos dados do currículo.
// Body
{
"template_id": "template-frontend-jr",
"resume_data": { "...": "..." }
}Retorno: stream do arquivo .docx.
O endpoint também aceita o envelope retornado diretamente por
/api/extract, sem necessidade de reformatar o payload.
Os templates ficam em backend/app/templates/. IDs disponíveis:
template-frontend-jrtemplate-frontendtemplate-backend
O backend aceita o template_id com ou sem a extensão .docx.
A rota /api/extract usa a SDK google-generativeai. O prompt instrui o modelo a manter fidelidade estrita ao conteúdo original do currículo — sem inventar informações. A saída é normalizada e validada via Pydantic (ResumeData) antes de ser retornada. Casos de erro tratados incluem chave ausente/inválida, rate limit e JSON malformado ou truncado.
Valida que um usuário autenticado não consegue inserir um currículo com o user_id de outro usuário.
npm run test:rlsRequer dois usuários cadastrados no Supabase e o
.envda raiz configurado.
| Contexto | Comando | Descrição |
|---|---|---|
| Raiz | npm run test:rls |
Teste de políticas RLS |
| Frontend | npm run dev |
Servidor de desenvolvimento |
| Frontend | npm run build |
Build de produção |
| Frontend | npm run start |
Start em produção |
| Frontend | npm run lint |
Lint do código |
| Backend | uvicorn app.main:app --reload |
Servidor de desenvolvimento |
| Sintoma | Solução |
|---|---|
| "Serviço de IA não configurado" | Verifique GEMINI_API_KEY em backend/.env |
| Erros de CORS | Adicione a URL do frontend em ALLOWED_ORIGINS no backend/.env |
| Falha no login/cadastro | Confirme NEXT_PUBLIC_SUPABASE_URL e NEXT_PUBLIC_SUPABASE_ANON_KEY |
| Erro ao gerar DOCX | Verifique se o template_id existe e se o payload contém personal_info e skills |
| PDF sem texto | PDFs baseados em imagem/scan não são suportados — o sistema retornará erro indicando ausência de texto extraível |
Desenvolvido por iSousadev como projeto pessoal.
Feedbacks e sugestões são bem-vindos via Issues ou PRs.
Distribuído sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.