resume-evidence-mcp

实用 LLM 应用

可克隆并运行的 AI Agent、RAG 应用和 MCP 服务。

手工打造、可自定义并交付的示例——不是演示文稿上的样例。

兼容 OpenAI，且有多个应用可完全在本地运行，无需 API 密钥。

---

立即运行一个

发票跟进 Agent

git clone https://github.com/nimish14/practical-llm-apps.git
cd practical-llm-apps/starter_ai_agents/invoice_followup_agent
pip install -r requirements.txt
cp .env.example .env   # add OPENAI_API_KEY
streamlit run app.py

与 PDF 聊天

cd practical-llm-apps/starter_ai_agents/chat_with_pdf
pip install -r requirements.txt
cp .env.example .env   # add OPENAI_API_KEY
streamlit run app.py

简历证据 RAG（无需 API 密钥）

cd practical-llm-apps/rag_apps/resume_evidence_rag
pip install -r requirements.txt
streamlit run app.py

自由职业运营 MCP（Cursor / Claude）

cd practical-llm-apps/mcp_servers/freelance-ops-mcp
npm install
npm run build
npx -y @modelcontextprotocol/inspector node dist/index.js

添加到 Cursor MCP 设置：

{
  "mcpServers": {
    "freelance-ops": {
      "command": "npx",
      "args": ["-y", "freelance-ops-mcp"]
    }
  }
}

（npm publish 之后——在此之前，将 args 指向 node + 本地 dist/index.js。）

---

浏览模板

入门 AI Agent

应用	描述
发票跟进 Agent	根据语气控制和逾期情况，起草从礼貌到强硬的发票提醒
与 PDF 聊天	针对上传的 PDF 提问，并附上页码引用

RAG 应用

应用	描述
简历证据 RAG	使用混合 MiniLM + BM25 检索，根据职位描述返回有依据的简历事实

MCP 服务

服务	描述
freelance-ops-mcp	提供逾期状态、语气建议和发票提醒草稿工具
resume-evidence-mcp	为编码 Agent 提供基于 BM25 的简历证据检索工具

---

项目目标

1. 每个应用都能在 2 分钟内完成：克隆 → 安装 → 运行
2. README 清楚说明问题、流程和限制
3. 将 MCP 服务打包发布到 npm + MCP Registry
4. 优先采用小巧、专注的工具，而非大型框架

---

许可证

MIT——可自由派生、交付和销售。