refactor prompts into dedicated module

app.py

@@ -6,10 +6,8 @@ import gradio as gr
 import requests
 from langchain.chat_models import ChatOpenAI
 
-import recruiting_assistant  # Assuming this module provides the required reversed functionality
-import skills
 import utils
-import preprocess
+from prompts import preprocess, recruiting_assistant, matches
 
 llm = ChatOpenAI(temperature=0.0, openai_api_key=os.environ["OPENAI"])
 
@@ -43,7 +41,7 @@ def postprocess_vancy(vacancies, resume):
             html_table = "<table>"
 
             # Add table headers
-            html_table += "<tr><th>Vacancy</th><th>Skills Match</th></tr>"
+            html_table += "<tr><th>Vacancy</th><th>Match</th></tr>"
 
             # Prepare a list to hold the futures
             futures = []
@@ -53,7 +51,7 @@ def postprocess_vancy(vacancies, resume):
                 for i, vacancy in enumerate(prediction):
                     # Schedule the get_skills_match function to run and store the future
                     future = executor.submit(
-                        skills.get_skills_match, llm, vacancy, resume
+                        matches.get_skills_match, llm, vacancy, resume
                     )
                     futures.append((i, vacancy, future))
 
@@ -76,8 +74,10 @@ def postprocess_vancy(vacancies, resume):
                         )
                     formatted_vacancy = vacancy.replace(".,", "<br/>")
                     formatted_vacancy = f"VACATURE {i + 1}:<br/>{formatted_vacancy}"
-                    matches = "<br/> - ".join(matched_skills)
-                    macthes_formatted = f"Score: {len(matched_skills)}<br/>-{matches}"
+                    matches_html = "<br/> - ".join(matched_skills)
+                    macthes_formatted = (
+                        f"Score: {len(matched_skills)}<br/>-{matches_html}"
+                    )
                     html_table += f"<tr><td>{formatted_vacancy}</td><td>{macthes_formatted}</td></tr>"
             html_table += "</table>"
             return html_table
@@ -101,9 +101,7 @@ examples = [
     Adres: Hoofdstraat 123, 1000 Brussel
     Telefoon: +32 123 456 789
     E-mail: jan.devries@email.com
-    
-    Doelstelling
-    
+        
     Ervaren magazijnier met meer dan 7 jaar ervaring in het beheer van auto-onderdelen in grootschalige distributiecentra. Ik zoek een positie waar ik mijn expertise in voorraadbeheer, orderverwerking en teammanagement kan toepassen om de efficiëntie en productiviteit van het magazijn te verbeteren.
     
     Werkervaring
@@ -150,7 +148,6 @@ examples = [
     Telefoon: +31 6 1234 5678
     E-mail: johannesvdm@email.nl
     
-    SAMENVATTING
     Gepassioneerde en ervaren chef-kok met meer dan 12 jaar ervaring in zowel traditionele Nederlandse als internationale keukens. Bekend om het creëren van innovatieve en heerlijke gerechten met een focus op verse en lokale ingrediënten. Sterke leiderschapsvaardigheden en een bewezen vermogen om keukenteams te leiden en te trainen.
     
     WERKERVARING
@@ -206,7 +203,6 @@ examples = [
      Geboortedatum: 15 juli 1985
      Nationaliteit: Nederlandse
     
-     Profiel:
      Een toegewijde en bekwame koeltechnieker met 8 jaar ervaring in het ontwerpen, installeren, onderhouden en repareren van koelsystemen. Technisch onderlegd en bekend met verschillende koeltechnieken. Een probleemoplosser die snel storingen kan diagnosticeren en efficiënte oplossingen kan implementeren. Goed in teamverband en klantgericht.
     
      Werkervaring:

preprocess.py → prompts/preprocess.py

@@ -7,6 +7,7 @@ from langchain.prompts import ChatPromptTemplate
 
 
 def preprocess_resume(llm, resume) -> SequentialChain:
+    """We mold the resume to the format of the vacancy to increase the chances of good search results."""
 
     template_get_skills_intersection = """