srbhr--resume-matcher/SETUP.es.md

Guía de configuración de Resume Matcher

English | Español | 简体中文 | 日本語

¡Bienvenido! Esta guía te acompaña para configurar Resume Matcher en tu máquina local. Tanto si eres desarrollador y quieres contribuir como si solo quieres ejecutarlo localmente, aquí tienes todo lo necesario.

---

Tabla de contenidos

• Requisitos previos
• Inicio rápido
• Configuración paso a paso
  • 1. Clonar el repositorio
  • 2. Configurar el backend
  • 3. Configurar el frontend
• Configurar tu proveedor de IA
  • Opción A: Proveedores en la nube
  • Opción B: IA local con Ollama (gratis)
• Despliegue con Docker
• Acceder a la aplicación
• Referencia de comandos comunes
• Solución de problemas
• Estructura del proyecto
• Obtener ayuda

---

Requisitos previos

Antes de empezar, asegúrate de tener lo siguiente instalado en tu sistema:

Herramienta	Versión mínima	Cómo comprobarlo	Instalación
Python	3.13+	python --version	python.org
Node.js	22+	node --version	nodejs.org
npm	10+	npm --version	Viene con Node.js
uv	Última	uv --version	astral.sh/uv
Git	Cualquiera	git --version	git-scm.com

Instalar uv (gestor de paquetes de Python)

Resume Matcher usa uv para una gestión de dependencias de Python rápida y fiable. Instálalo con:

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

# O mediante pip
pip install uv

---

Inicio rápido

Si ya estás familiarizado con herramientas de desarrollo y quieres arrancar rápido:

# 1. Clona el repositorio
git clone https://github.com/srbhr/Resume-Matcher.git
cd Resume-Matcher

# 2. Inicia el backend (Terminal 1)
cd apps/backend
cp .env.example .env        # Crea la configuración a partir de la plantilla
uv sync                      # Instala dependencias de Python
uv run app

# 3. Inicia el frontend (Terminal 2)
cd apps/frontend
npm install                  # Instala dependencias de Node.js
npm run dev                  # Arranca el servidor de desarrollo

Abre http://localhost:3000 en el navegador y listo.

Nota: antes de usar la app, necesitas configurar un proveedor de IA. Consulta Configurar tu proveedor de IA.

---

Configuración paso a paso

1. Clonar el repositorio

Primero, trae el código a tu máquina:

git clone https://github.com/srbhr/Resume-Matcher.git
cd Resume-Matcher

2. Configurar el backend

El backend es una aplicación Python (FastAPI) que gestiona el procesamiento de IA, el parseo del currículum y el almacenamiento de datos.

Ir al directorio del backend

cd apps/backend

Crear tu archivo de entorno

cp .env.example .env

Editar el archivo .env con tu editor preferido

# macOS/Linux
nano .env

# O usa el editor que prefieras
code .env   # VS Code

El ajuste más importante es tu proveedor de IA. Aquí tienes una configuración mínima para OpenAI:

LLM_PROVIDER=openai
LLM_MODEL=gpt-5-nano-2025-08-07
LLM_API_KEY=sk-your-api-key-here

# Mantén estos valores por defecto para desarrollo local
HOST=0.0.0.0
PORT=8000
FRONTEND_BASE_URL=http://localhost:3000
CORS_ORIGINS=["http://localhost:3000", "http://127.0.0.1:3000"]

Instalar dependencias de Python

uv sync

Esto crea un entorno virtual e instala todos los paquetes requeridos.

Iniciar el servidor del backend

RELOAD=true uv run app

Deberías ver una salida como:

INFO:     Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)
INFO:     Started reloader process

Deja este terminal ejecutándose y abre un nuevo terminal para el frontend.

3. Configurar el frontend

El frontend es una aplicación Next.js que proporciona la interfaz de usuario.

Ir al directorio del frontend

cd apps/frontend

(Opcional) Crear un archivo de entorno para el frontend

Solo es necesario si tu backend se ejecuta en un puerto distinto:

cp .env.sample .env.local

Instalar dependencias de Node.js

npm install

Iniciar el servidor de desarrollo

npm run dev

Deberías ver:

▲ Next.js 16.x.x (Turbopack)
- Local:        http://localhost:3000

Abre http://localhost:3000 en el navegador. Deberías ver el panel de Resume Matcher.

---

Configurar tu proveedor de IA

Resume Matcher admite múltiples proveedores de IA. Puedes configurarlo desde la página de Settings en la app o editando el archivo .env del backend.

Opción A: Proveedores en la nube

Proveedor	Configuración	Obtener API key
OpenAI	LLM_PROVIDER=openai LLM_MODEL=gpt-5-nano-2025-08-07	platform.openai.com
Anthropic	LLM_PROVIDER=anthropic LLM_MODEL=claude-haiku-4-5-20251001	console.anthropic.com
Google Gemini	LLM_PROVIDER=gemini LLM_MODEL=gemini-3-flash-preview	aistudio.google.com
OpenRouter	LLM_PROVIDER=openrouter LLM_MODEL=deepseek/deepseek-chat	openrouter.ai
DeepSeek	LLM_PROVIDER=deepseek LLM_MODEL=deepseek-chat	platform.deepseek.com
OpenAI-Compatible	LLM_PROVIDER=openai_compatible LLM_MODEL=llama-3.1-8b LLM_API_BASE=http://localhost:8080/v1	— (local)

OpenAI-Compatible apunta a cualquier servidor local que exponga la API Chat Completions de OpenAI — llama.cpp, vLLM, LM Studio, etc. La API key es opcional.

Ejemplo de .env para Anthropic:

LLM_PROVIDER=anthropic
LLM_MODEL=claude-haiku-4-5-20251001
LLM_API_KEY=sk-ant-your-key-here

Opción B: IA local con Ollama (gratis)

¿Quieres ejecutar modelos localmente sin costes de API? Usa Ollama.

Paso 1: Instalar Ollama

Descárgalo e instálalo desde ollama.com

Paso 2: Descargar un modelo

ollama pull gemma3:4b

Otras buenas opciones: mistral, codellama, neural-chat

Paso 3: Configurar tu .env

LLM_PROVIDER=ollama
LLM_MODEL=gemma3:4b
LLM_API_BASE=http://localhost:11434
# LLM_API_KEY no es necesario con Ollama

Paso 4: Asegúrate de que Ollama está en ejecución

ollama serve

Normalmente Ollama se inicia automáticamente tras la instalación.

---

Despliegue con Docker

¿Prefieres un despliegue en contenedor? Resume Matcher incluye soporte para Docker.

Usando Docker Compose (recomendado)

# Construir e iniciar los contenedores
docker-compose up -d

# Ver logs
docker-compose logs -f

# Detener los contenedores
docker-compose down

Notas importantes sobre Docker

• Las API keys se configuran desde la UI en http://localhost:3000/settings (no mediante archivos .env)
• Los datos se persisten en un volumen de Docker
• Se exponen los puertos del frontend (3000) y del backend (8000)

---

Acceder a la aplicación

Cuando ambos servidores estén ejecutándose, abre el navegador:

URL	Descripción
http://localhost:3000	Aplicación principal (Dashboard)
http://localhost:3000/settings	Configurar proveedor de IA
http://localhost:8000	Raíz de la API del backend
http://localhost:8000/docs	Documentación interactiva de la API
http://localhost:8000/health	Health check del backend

Checklist de primera ejecución

1. Abre http://localhost:3000/settings
2. Selecciona tu proveedor de IA
3. Introduce tu API key (o configura Ollama)
4. Haz clic en "Save Configuration"
5. Haz clic en "Test Connection" para verificar
6. Vuelve al Dashboard y sube tu primer currículum

---

Referencia de comandos comunes

Comandos del backend

cd apps/backend

# Iniciar servidor de desarrollo (con auto-reload)
RELOAD=true uv run app

# Iniciar servidor de producción
uv run uvicorn app.main:app --host 0.0.0.0 --port 8000

# Instalar dependencias
uv sync

# Instalar con dependencias de desarrollo (para tests)
uv sync --group dev

# Ejecutar tests
uv run pytest

# Verificar si la base de datos requiere reset (se guarda como JSON)
ls -la data/

Comandos del frontend

cd apps/frontend

# Iniciar servidor de desarrollo (con Turbopack para refresco rápido)
npm run dev

# Build para producción
npm run build

# Iniciar servidor de producción
npm run start

# Ejecutar linter
npm run lint

# Formatear código con Prettier
npm run format

# Ejecutar en un puerto diferente
npm run dev -- -p 3001

Gestión de base de datos

Resume Matcher usa TinyDB (almacenamiento en archivos JSON). Todos los datos están en apps/backend/data/:

# Ver archivos de la base de datos
ls apps/backend/data/

# Hacer backup de tus datos
cp -r apps/backend/data apps/backend/data-backup

# Resetear todo (empezar de cero)
rm -rf apps/backend/data

---

Solución de problemas

El backend no arranca

Error: ModuleNotFoundError

Asegúrate de ejecutar con uv:

uv run uvicorn app.main:app --reload

Error: LLM_API_KEY not configured

Revisa que tu archivo .env tenga una API key válida para el proveedor elegido.

El frontend no arranca

Error: ECONNREFUSED al cargar páginas

El backend no está en ejecución. Inícialo primero:

cd apps/backend && uv run uvicorn app.main:app --reload

Error: errores de build o TypeScript

Limpia la caché de Next.js:

rm -rf apps/frontend/.next
npm run dev

Fallo al descargar PDF

Error: Cannot connect to frontend for PDF generation

El backend no puede acceder al frontend. Comprueba:

1. El frontend está en ejecución
2. FRONTEND_BASE_URL en .env coincide con tu URL del frontend
3. CORS_ORIGINS incluye la URL del frontend

Si el frontend corre en el puerto 3001:

FRONTEND_BASE_URL=http://localhost:3001
CORS_ORIGINS=["http://localhost:3001", "http://127.0.0.1:3001"]

Fallo de conexión con Ollama

Error: Connection refused to localhost:11434

1. Comprueba que Ollama está en ejecución: ollama list
2. Inicia Ollama si es necesario: ollama serve
3. Asegúrate de que el modelo está descargado: ollama pull gemma3:4b

---

Estructura del proyecto

Resume-Matcher/
├─ apps/
│  ├─ backend/                 # Python FastAPI backend
│  │  ├─ app/
│  │  │  ├─ main.py            # Application entry point
│  │  │  ├─ config.py          # Environment configuration
│  │  │  ├─ database.py        # TinyDB wrapper
│  │  │  ├─ llm.py             # AI provider integration
│  │  │  ├─ routers/           # API endpoints
│  │  │  ├─ services/          # Business logic
│  │  │  └─ schemas/           # Data models
│  │  ├─ prompts/              # LLM prompt templates
│  │  ├─ data/                 # Database storage (auto-created)
│  │  ├─ .env.example          # Environment template
│  │  └─ pyproject.toml        # Python dependencies
│  └─ frontend/                # Next.js React frontend
│     ├─ app/                  # Pages (dashboard, builder, etc.)
│     ├─ components/           # Reusable React components
│     ├─ lib/                  # Utilities and API client
│     ├─ .env.sample           # Environment template
│     └─ package.json          # Node.js dependencies
├─ docs/                        # Additional documentation
├─ docker-compose.yml           # Docker configuration
├─ Dockerfile                   # Container build instructions
└─ README.md                    # Project overview

---

Obtener ayuda

¿Atascado? Estas son tus opciones:

• Comunidad de Discord: dsc.gg/resume-matcher - Comunidad activa para preguntas y discusiones
• Issues de GitHub: Abrir un issue para bugs o solicitudes de funcionalidades
• Documentación: revisa la carpeta docs/agent/ para guías detalladas

Documentación útil

Documento	Descripción
backend-guide.md	Arquitectura del backend y detalles de la API
frontend-workflow.md	Flujo de usuario y arquitectura de componentes
swiss-design-system/	Sistema de diseño UI (Swiss International Style) — paquete portable

---

¡Feliz creación de currículums! Si Resume Matcher te resulta útil, considera darle una estrella al repo y unirte a nuestro Discord.