Add filter for personal skill messages in vacancy collector

vacancies/main/management/commands/collect_vacancies_from_telegram_messages.py

@@ -15,7 +15,8 @@ WHERE timestamp >= now() - INTERVAL 30 DAY
     'требования', 'обязанности', 'условия', 'компания', 'офис',
     'удаленно', 'гибкий график', 'полный день', 'частичная занятость',
     'резюме', 'собеседование', 'junior', 'middle', 'senior'
-  ]) >= 5 AND position(message, 'О себе') = 0 AND position(message, 'Обо мне') = 0 AND position(message, '#ищу') = 0
+  ]) >= 5 AND position(message, 'О себе') = 0 AND position(message, 'Обо мне') = 0
+  AND position(message, '#ищу') = 0 AND position(message, 'умею') = 0
   AND id NOT IN %(exist_points)s
 """
 

vacancies/main/vector_store.py

@@ -106,15 +106,15 @@ def add_vectors(collection_name: str, _id: int, features: dict, payload: dict):
 
 
 def search_similarities(query_filter: Filter, cv_id: int):
-    vectors = client.retrieve(
+    cv = client.retrieve(
         collection_name="cvs",
         ids=[cv_id],
         with_vectors=True,
-    )[0].vector
+    )[0]
 
     max_similarities = {}
     vacancies_content = {}
-    for name, vec in vectors.items():
+    for name, vec in cv.vector.items():
         if any(v != 0 for v in vec):
             results = client.query_points(
                 collection_name="vacancies",
@@ -140,11 +140,15 @@ def search_similarities(query_filter: Filter, cv_id: int):
         total = sum(feature_sims[feature] * weights.get(feature, 1) for feature in feature_sims)
         scored.append({"id": vid, "score": total, "content": vacancies_content[vid]["content"], "link": vacancies_content[vid]["link"]})
 
+    scored.sort(key=lambda x: x["score"], reverse=True)
+
     prompt = f"""
-    Среди вакансий ниже выбери одну наиболее релевантную и выведи ее индекс.
+    Резюме: {cv.payload['content']}
+
+    Среди вакансий ниже выбери одну наиболее релевантную и выведи ее индекс(от 0 до 9).
     Если среди вакансий нет подходящих, то верни -1.
     В ответе выведи только число.
-    {scored}
+    {scored[:10]}
     """
     openai_client = ChatOpenAI(model_name="gpt-5-mini", reasoning_effort="minimal", temperature=0, seed=42, top_p=1)
     response = openai_client.invoke(prompt)