本项目面向企业HR、猎头、RPO招聘服务商、集团HRSSC、招聘SaaS平台等行业场景，解决多渠道简历格式杂乱、人工录入成本高、筛选效率低的痛点。支持PDF、Word、图片等异构简历文档，自动抽取基础信息、教育、工作经历、项目经验、技能证书，输出结构化JSON数据，对接ATS招聘系统。
1. 企业社招&校招：大批量投递简历自动入库，完成简历查重、标准化技能标签提取，实现人岗智能匹配，减少HR机械录入，提升初筛效率，适合互联网、制造业、金融集团的大规模招聘场景。
2. 猎头/RPO机构：整合多来源候选人简历，统一字段口径，快速构建候选人才库，支持按技术栈、行业、工作年限检索，快速响应客户岗位需求。
3. 集团内部人才盘点：解析内部员工履历，抽取项目经验、技术能力，搭建内部人才画像与技能图谱，用于人才继任规划、内部岗位竞聘。
4. 招聘SaaS平台：对外提供简历解析API，作为平台底层能力，支持简历上传自动填充表单、候选人检索与人才推荐。
1. 多格式文档接入
支持PDF、Word、图片、扫描件等多种简历文件；支持本地文件上传、接口流式传入；内置OCR能力，识别图片类简历，自动去除水印、页眉页脚等干扰内容。
2. 文本预处理与版面解析
自动识别文档排版，区分正文、列表、表格；清洗多余空行、特殊符号、乱码；区分不同模块边界，自动切分个人信息、教育经历、工作经历、项目经验、技能证书、自我评价六大模块。
3. 实体信息抽取
抽取结构化字段：姓名、电话、邮箱、城市、期望薪资、求职意向；教育信息：院校、学历、专业、就读时间；工作信息：公司名称、岗位、在职起止时间；项目信息：项目名称、职责、技术栈；并提取证书、语言能力、关键词技能标签。
4. 技能归一化与标签标准化
对抽取到的技术词做同义词对齐，例如：py / python、ES / Elasticsearch；统一技术栈标签，区分大数据、后端、AI、数据库等类别，生成标准化技能标签，方便检索。
5. 简历查重
基于文本向量算法，对比候选人简历，识别重复投递，输出重复度，支持设置阈值，过滤重复简历。
6. 人岗匹配打分
输入岗位JD，把岗位要求和候选人技能、项目经验做语义匹配，输出匹配分数，辅助HR初筛。
7. 数据输出与系统对接
输出标准JSON结构化结果；对外提供REST API接口；支持结果写入数据库，可对接ATS招聘系统、人才库；提供简单的结果预览页面，人工复核修正解析错误。
后端：Python、FastAPI、SQLAlchemy、Redis、asyncio，构建异步REST API服务，实现接口限流、连接池、全局异常捕获；
文档处理：PyPDF、python-docx、PaddleOCR，处理PDF/Word/图片扫描简历，完成文字识别；
AI & NLP：LangChain/LangGraph、LLM大模型、向量数据库，实现版面模块切分、实体抽取、技能归一化；
检索：ES（Elasticsearch）向量+BM25混合检索，用于简历查重、人岗语义匹配；
工程配套：Pydantic参数校验、日志系统、单元测试，Docker容器化部署。
技术亮点
1. 混合解析方案：OCR+规则+LLM结合，不单纯依赖大模型，降低调用成本，兼顾扫描件与电子文档解析效果。
2. 技能实体归一化：构建技术同义词知识库，对技术名词做对齐（如ES ↔ Elasticsearch，py ↔ Python），统一标签体系，解决写法不统一问题。
3. 混合检索匹配：ES BM25+向量检索实现简历查重、JD人岗匹配，相比纯关键词检索，语义匹配能力更强，支持模糊岗位筛选。
4. 异步服务架构：基于FastAPI+asyncio实现异步接口，并发处理批量简历上传，Redis缓存高频技能词典，提升接口响应速度。
5. 闭环迭代机制：人工复核的标注数据回流，持续优化prompt与抽取规则，形成模型迭代闭环，逐步提升解析准确率。
技术难点
1. 简历版式异构：不同候选人简历排版千差万别，表格、分栏、自定义布局多，模块分割困难，容易出现工作经历、项目经验字段串位。
2. 实体歧义抽取：公司名、项目名、技术名词容易混淆；部分简写、自定义术语，LLM容易幻觉，抽取字段出现错漏。
3. 查重防误判：同名、同项目但不同候选人的简历，容易误判为重复；需要平衡文本向量相似度阈值，过滤假阳性。
4. 大模型成本与稳定性：大批量简历调用LLM开销高；长文档存在上下文截断问题，需要做文档分段、摘要策略，控制token消耗。
5. 多源文档质量不稳定：扫描件模糊、图片压缩、水印干扰，OCR识别存在乱码，预处理清洗逻辑复杂。
评论