Resume Analyzer

简历分析与评估

从PDF简历中提取信息，根据目标岗位要求从多个维度对候选人打分，生成结构化的Excel评估报告。

工作流程

简历分析包含以下步骤：

1. 确认输入信息（简历路径、目标岗位）
2. 加载岗位要求（读取 resources/ 下对应岗位文档）
3. 读取简历（运行 scripts/read_pdf.py）
4. 逐份分析评分（AI 根据岗位要求对每份简历进行多维度评分）
5. 生成Excel报告（运行 scripts/write_excel.py）

第一步：确认输入信息

向用户确认以下信息：

• 简历路径：单个PDF文件路径 或 包含多个PDF的文件夹路径（必需）
• 目标岗位：用于评估的岗位名称（必需）
• 输出路径：Excel报告保存位置（可选，默认在简历同目录下生成 简历分析报告.xlsx）

第二步：加载岗位要求

岗位要求文档存放在 resources/ 目录下，以岗位名称命名（如 产品经理.md）。

已有岗位：产品经理、前端开发、Java工程师、测试工程师、项目经理

• 用户指定的岗位在 resources/ 中存在 → 直接读取对应文件
• 用户指定的岗位不存在 → 告知用户没有该岗位的要求文档，询问是否需要：
  • (a) 从已有岗位中选择
  • (b) 由AI根据岗位名称生成通用要求后继续分析

读取岗位文档后，重点关注其中的核心技能要求和评分标准部分。

第三步：读取简历

使用 scripts/read_pdf.py 脚本提取简历文本：

# 单个简历
python scripts/read_pdf.py /路径/简历.pdf

# 批量简历
python scripts/read_pdf.py /路径/简历文件夹/

脚本输出JSON格式结果到stdout，包含每个文件的路径、文件名和提取的文本内容。

依赖：需要安装 pdfplumber（pip install pdfplumber）。运行前检查是否已安装，未安装则先安装。

第四步：逐份分析评分

对每份简历，根据岗位要求从以下六个维度进行评分：

总分 = 各维度得分之和（满分100分）

评分原则

• 简历中明确提到的内容才计分，不做过度推测
• 信息不足的维度给予中等偏下分数，而非零分
• 评分需结合岗位要求文档中的具体技能权重

推荐结论

根据总分给出推荐结论：

• 推荐：总分 ≥ 75分
• 待定：总分 60-74分
• 不推荐：总分 < 60分

综合评价

为每位候选人撰写100-200字的综合评价，包含：

• 核心优势（1-2个亮点）
• 主要不足（1-2个短板）
• 整体评估结论

信息提取

从简历文本中尽量提取以下基本信息：

姓名、性别、年龄、学历、毕业院校、专业、工作年限、联系电话、邮箱

无法提取的字段填写"-"。

第五步：生成Excel报告

将所有分析结果组织成JSON格式，然后调用 scripts/write_excel.py：

echo '<JSON数据>' | python scripts/write_excel.py /输出路径/简历分析报告.xlsx

或先将JSON写入临时文件再调用：

python scripts/write_excel.py /输出路径/简历分析报告.xlsx --input /临时文件.json

依赖：需要安装 openpyxl（pip install openpyxl）。运行前检查是否已安装，未安装则先安装。

JSON数据格式

{
    "position": "岗位名称",
    "candidates": [
        {
            "name": "姓名",
            "file_name": "源文件名",
            "basic_info": {
                "gender": "性别",
                "age": "年龄",
                "education": "学历",
                "school": "毕业院校",
                "major": "专业",
                "work_years": "工作年限",
                "phone": "联系电话",
                "email": "邮箱"
            },
            "scores": {
                "education_score": 0,
                "experience_score": 0,
                "skill_match_score": 0,
                "project_score": 0,
                "stability_score": 0,
                "potential_score": 0,
                "total_score": 0
            },
            "evaluation": "综合评价",
            "recommendation": "推荐/待定/不推荐"
        }
    ]
}

完成

报告生成后，向用户展示分析摘要：

• 分析的简历总数
• 各推荐等级的人数分布
• 得分最高的前3位候选人及其得分和核心优势
• Excel报告保存位置