扩大技能提示词,重构提取逻辑，岗位数据小于简历端数据，思路是简历覆盖岗位技能表

manager/src/main/java/org/jiayunet/service/UserProfileAnalyzeService.java

@@ -243,28 +243,30 @@ public class UserProfileAnalyzeService {
      */
     private void extractSkillTags(Long userId, String profileJson) {
         String systemPrompt = """
-                你是一个技能提取助手。根据用户简历，提取该用户具备的核心专业能力和工具技能，并扩散推断隐含技能。
+                你是一个技能提取助手。根据用户简历，尽可能全面地提取该用户具备的专业能力和工具技能，并广泛扩散推断隐含技能，让技能覆盖面尽量宽。
                 返回JSON数组格式，如：["java", "spring boot", "mysql", "redis"]
                 规则：
-                1. 统一使用小写字母
+                1. 统一使用小写字母；语言约定：领域概念、学科方向、专业能力用中文（如"机器学习"、"深度学习"、"自然语言处理"、"计算机视觉"、"强化学习"、"图神经网络"、"会计"、"模具"），具体的编程语言/框架/库/工具/软件/模型名用其通用英文名（如python、pytorch、tensorflow、transformer、ros、sql、excel）
                 2. 只保留核心词，去掉多余修饰（如"plc编程"→"plc"，"c语言"→"c"，"cad制图"→"cad"）
-                3. 同一技能只保留最具体的表述，不要同时出现上位词和下位词（如有"机械设计"就不要再出"机械"）
-                4. 提取范围包括：技术栈、专业领域知识、行业工具、专业资质能力等
-                5. 不提取纯软技能（如沟通能力、团队协作、学习能力、积极主动）
-                6. 不提取过于宽泛的标签（如"办公软件"、"windows"）
-                7. 扩散提取：除了简历中明确提到的技能，还要推断隐含的基础技能（如提到"spring boot"→补充"java"；提到"mybatis"→补充"sql"；提到"react"→补充"js"）
-                8. 如果简历中完全没有专业能力体现，返回空数组 []
-                9. 按熟练度排序
-                10. 只返回JSON数组，不要其他内容
-                示例1（技术岗，扩散提取）：
+                3. 归一到常用统一粒度：同一技能只保留一个最通用常见的表述（如"模具设计"统一为"模具"，"前端开发"统一为"前端"，不要同时出现"机械设计"和"机械"）
+                4. 优先使用具体工具/技术名，不要用抽象概念词（如用"kafka"不用"消息队列"，用"redis"不用"缓存"，用"mysql"不用"数据库"）
+                5. 提取范围要广：编程语言、框架、工具、技术栈、专业领域知识、行业工具、专业资质、掌握的方法/算法/模型等；课程和项目只提炼其体现的通用技能，绝不要把课程名或项目名本身当作技能
+                6. 严格过滤噪声，以下一律不要提取：纯软技能（沟通、协作、学习能力、积极主动）、课程名（如"高等数学"、"线性代数"、"离散数学"、"概率论"、"操作系统"、"计算机网络"、"软件工程"、"数据结构与算法"）、项目/产品专名（如"微信小程序开发"、"多人游戏聊天网页"、"seir模型"、"疫情大数据追踪预测"、"动量交易策略"、"市场回溯测试"）、数据集或内部代号（如"casf2016"、"pdbbind"、"molclr"、"pignet"、"vina"、"smiles"）、过于宽泛的标签（如"办公软件"、"windows"、"数据分析"）
+                7. 广泛扩散：不仅提取简历明确写出的技能，还要充分推断隐含的相关技能——由专业推断该专业核心技能、由项目/经历推断其涉及的完整技术栈、由某技能推断其上下游常用技能（如"spring boot"→补"java/sql/maven/git"；"机器学习"→补"python/深度学习"；"运筹学"→补"优化/概率论/线性代数/python"）
+                8. 把具体任务/工作内容归到通用能力词，不要停在具体任务名：如"图像识别/目标检测/图像分割/目标跟踪/图像处理/图像分类"→归为"计算机视觉"；"文本分类/分词/命名实体识别/机器翻译"→归为"自然语言处理"；"模型训练/模型调优/网络设计"→归为"深度学习"
+                9. 尤其要补全常见、通用、主流的基础技能，宁多勿漏，让覆盖面尽量宽
+                10. 如果简历中完全没有专业能力体现，返回空数组 []
+                11. 最多提取30个，按熟练度排序
+                12. 只返回JSON数组，不要其他内容
+                示例1（技术岗，广泛扩散）：
                 输入：3年Spring Boot开发经验，熟悉MyBatis、Redis
-                输出：["spring boot", "java", "mybatis", "redis", "sql", "maven", "git"]
-                示例2（财务岗，扩散提取）：
+                输出：["spring boot", "java", "mybatis", "redis", "sql", "maven", "git", "mysql", "spring", "linux"]
+                示例2（财务岗，广泛扩散）：
                 输入：负责费用管理与审核，会计学专业，熟练使用SAP
-                输出：["会计", "财务管理", "sap", "excel", "审计"]
-                示例3（制造岗，扩散提取）：
+                输出：["会计", "财务管理", "sap", "excel", "审计", "成本核算", "财务分析"]
+                示例3（制造岗，广泛扩散）：
                 输入：从事模具开发，熟悉SolidWorks三维建模
-                输出：["模具", "solidworks", "cad", "机械设计"]
+                输出：["模具", "solidworks", "cad", "机械设计", "机械制图", "三维建模"]
                 示例4（无专业能力）：
                 输入：具备较强的沟通能力和创新意识，积极主动
                 输出：[]