简历制作智能体产品系统Vibe Coding

面向 BOSS 直聘场景设计本地化简历智能体，针对岗位 JD 与个人简历匹配不足、一岗一简历修改耗时、生成内容缺少事实校验和版本追踪等问题，打通职位采集、JD 结构化、简历解析、匹配评分、项目经历生成、字段级修改、用户反馈和简历导出的完整流程。

* 职位采集与 JD 结构化：基于 Python 标准 MCP（stdio）和可见 Edge/Playwright 浏览器流程获取 BOSS 职位列表与详情，支持按职位和城市搜索、发布时间筛选及历史快照；将岗位职责、任职要求和技能拆解为带来源定位的原子证据，降低过期岗位和无依据生成风险。
* LangGraph 智能体与模型网关：以 LangGraph 编排环境检查、简历解析、匹配、生成、确认和导出节点，LangChain 负责模型与结构化输出适配；聊天模型和 embedding 模型独立配置、独立探测，兼容 Ollama 与 OpenAI 接口，并通过 tokenizer 预算、上下文裁剪和 TF-IDF 降级策略控制模型调用风险。
* 匹配分析与安全生成：围绕技能、职责、项目和关键词四个维度建立可配置评分，结合确定性命中与带 evidence_id 的语义判断生成多个候选项目；简历修改仅输出字段级补丁，应用前校验旧值哈希，所有推导内容保留“示例/待核实”状态并逐字段确认，支持反馈再生成、版本分支和回退。
* 版本化简历处理与导出：支持 DOCX 和文本型 PDF 的结构化解析，尽量保留原有字体、标题、表格、多栏和浮动图形；通过 PostgreSQL 保存任务、checkpoint、模型版本、草稿和审计记录，使用乐观并发校验避免旧标签页覆盖新状态，并在用户同意后执行一页压缩、预览和 DOCX/PDF 导出。

Python、FastAPI、Streamlit、LangChain、LangGraph、FastMCP、Playwright、PostgreSQL、Ollama、OpenAI 兼容接口、DOCX/PDF 解析与渲染