修改技能提取方案

.kiro/steering/项目结构说明.md

@@ -244,11 +244,11 @@ offerpie/back-end
 ### 整体架构
 - **触发时机**：用户访问岗位列表接口（支持筛选条件：地区/岗位类型/行业/工作类型）
 - **核心流程**：扩展层级筛选 → 查询不感兴趣记录 → 扩展排除列表 → SQL分页查询 → 查询收藏状态 → 批量计算匹配度 → 组装返回
-- **匹配度计算**：教育30% + 经历40% + 技能30%，在Java层批量计算
+- **匹配度计算**：教育30% + 经历30% + 技能40%，在Java层批量计算
 
 ### 匹配度计算规则
 
-总分公式：`MatchScore = Sedu × 30% + Sexp × 40% + Sskill × 30%`
+总分公式：`MatchScore = Sedu × 30% + Sexp × 30% + Sskill × 40%`
 
 #### 教育维度（Sedu）
 - 学校等级分（Srank）：1→100, 2→80, 3→60, 4→40

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

@@ -71,8 +71,8 @@ public class JobMatchService {
             int experienceScore = calculateExperienceScore(profile);
             int skillScore = calculateSkillScore(jobSkillMap.get(job.getId()), userSkillTagSet);
 
-            // 加权计算总分：教育30% + 经历40% + 技能30%
-            int totalScore = (int) Math.round(educationScore * 0.3 + experienceScore * 0.4 + skillScore * 0.3);
+            // 加权计算总分：教育30% + 经历30% + 技能40%
+            int totalScore = (int) Math.round(educationScore * 0.3 + experienceScore * 0.3 + skillScore * 0.4);
 
             Map<String, Integer> map = new HashMap<>();
             map.put("educationScore", educationScore);

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

@@ -224,7 +224,7 @@ 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。
+                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。
                 返回JSON数组格式，如：["java", "spring boot", "mysql", "redis"]
                 规则：
                 1. 统一使用小写字母
@@ -233,18 +233,19 @@ public class UserProfileAnalyzeService {
                 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. 如果简历中完全没有专业能力体现，返回空数组 []
-                8. 最多15个，按熟练度排序
-                9. 只返回JSON数组，不要其他内容
-                示例1（技术岗）：
-                输入：3年Java开发经验，熟悉Spring Boot、MySQL、Redis，会PLC编程
-                输出：["java", "spring boot", "mysql", "redis", "plc"]
-                示例2（财务岗）：
-                输入：负责费用管理与审核，月度经营利润分析，会计学专业
-                输出：["财务管理", "会计", "经营分析"]
-                示例3（制造岗）：
-                输入：从事模具开发，熟悉CAD制图，了解注塑成型工艺
-                输出：["模具", "cad", "注塑"]
+                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. 最多25个，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）：
+                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）：
+                输入：从事模具开发，熟悉SolidWorks三维建模
+                输出：["模具", "solidworks", "cad", "机械设计"]
                 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：[]