# Webanwendung

Um die Nutzung zu erleichtern, haben wir eine einfache FullStack-Anwendung (eine auf Flask basierende API als BackEnd und ein jQuery FrontEnd) entwickelt, um Stellenbeschreibungen zu analysieren und mithilfe des Entity-Linking-Modells relevante Berufe, Fähigkeiten und Qualifikationen vorherzusagen.

### Verwendung

Aktivieren Sie zuerst die virtuelle Umgebung wie erklärt [hier](/tabiya-documentation/deutsch/unser-tech-stack/livelihoods-classifier/getting-started.md#dep). Führen Sie dann den folgenden Befehl in Python im `Root` Verzeichnis aus:

#### Die API ausführen

**Führen Sie die Flask-Anwendung aus**:

```bash
python app/server/matching.py
```

Oder setzen Sie die Umgebungsvariable für die Flask-Anwendung und verwenden Sie den Flask-Befehl:

```bash
export FLASK_APP=app/server/matching.py
flask run --host=0.0.0.0 --port=5001
```

### Beispielanwendung

1. **Öffnen Sie den Browser** und navigieren Sie zu `http://127.0.0.1:5001/`.
2. **Fügen Sie eine Stellenbeschreibung ein** in das bereitgestellte Textfeld.
3. **Klicken Sie auf die Schaltfläche "Analyze Job"** um die Stellenbeschreibung an das `/match` Endpoint zu senden.
4. **Ergebnisse anzeigen** unter "Predicted Occupations," "Predicted Skills," und "Predicted Qualifications."

{% hint style="danger" %}
Diese App dient nur Demonstrationszwecken. Wenn Sie dieses Modell bereitstellen möchten, verwenden Sie eine zuverlässigere/sicherere Strategie.
{% endhint %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.tabiya.org/tabiya-documentation/deutsch/unser-tech-stack/livelihoods-classifier/web-application.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.