添加适配评分

app/ai/job_agent/match_scorer.py

@@ -0,0 +1,39 @@
+"""求职助手 - 岗位匹配评分 AI 引擎
+
+根据简历与岗位在技能/学历/经验上的要求评估匹配度，输出 0-100 分。
+依赖：job_agent/prompts、model_config.JobAgentModel.MATCH_SCORE、parse_llm_json
+"""
+
+import time
+
+from langchain_core.output_parsers import StrOutputParser
+from langchain_core.prompts import ChatPromptTemplate
+
+from app.ai.job_agent.prompts import RESUME_JOB_MATCH_SCORE_PROMPT
+from app.ai.model_config import JobAgentModel
+from app.core.logger import log
+from app.tool.json_helper import parse_llm_json
+
+_score_chain = (
+    ChatPromptTemplate.from_messages([("system", RESUME_JOB_MATCH_SCORE_PROMPT), ("human", "请开始评估。")])
+    | JobAgentModel.MATCH_SCORE
+    | StrOutputParser()
+)
+
+
+async def score_match(job_title: str, job_skill_tags: str, job_description: str, resume_text: str) -> int:
+    """评估简历与岗位匹配度，返回 0-100 整数分，失败返回 0"""
+    t0 = time.monotonic()
+    try:
+        raw = await _score_chain.ainvoke({
+            "job_title": job_title, "job_skill_tags": job_skill_tags or "无",
+            "job_description": job_description or "无", "resume_text": resume_text or "暂无简历信息",
+        })
+        parsed = parse_llm_json(raw)
+        score = int(parsed.get("score", 0))
+        score = max(0, min(100, score))  # 兜底夹取到 0-100
+        log.info(f"岗位匹配评分完成 score={score} ({round(time.monotonic() - t0, 2)}s)")
+        return score
+    except Exception as e:
+        log.error(f"岗位匹配评分失败: {e} ({round(time.monotonic() - t0, 2)}s)")
+        return 0

app/ai/job_agent/prompts.py

@@ -38,3 +38,37 @@ RESUME_EXPERIENCE_OPTIMIZE_PROMPT = """你是一个求职投递助手。用户
 3. 适当使用岗位要求中的关键词润色描述，但不要编造内容
 4. description 字段是 [{{"id": "xxx", "text": "xxx"}}] 格式：修改时保留原 id 只改 text，新增段落生成随机8位字符串作为 id，删除段落直接移除
 5. 返回修改后的完整模块数据（JSON 格式，与输入格式一致）"""
+
+
+# ===== 岗位匹配评分 Prompt =====
+
+RESUME_JOB_MATCH_SCORE_PROMPT = """你是一名资深招聘评估专家，负责客观评估候选人简历与目标岗位的匹配程度。请从【技能】【学历】【经验】三个维度逐项分析，再综合给出一个 0-100 的匹配分数。
+
+【候选人简历】
+{resume_text}
+
+【目标岗位】
+岗位名称：{job_title}
+技能标签：{job_skill_tags}
+岗位职责与要求：{job_description}
+
+【评估维度与要点】
+1. 技能匹配（建议权重约 50%）：候选人掌握的技能/工具/技术栈与岗位技能标签、JD 中要求的硬技能的覆盖程度；核心技能命中比软技能更重要，关注关键技能是否缺失。
+2. 学历匹配（建议权重约 20%）：学历层次、院校、专业与岗位学历门槛及专业相关度；满足门槛即可得高分，明显高于要求不额外加分，低于门槛要扣分。
+3. 经验匹配（建议权重约 30%）：工作/实习/项目/竞赛经历与岗位职责的相关性、年限、岗位层级、业务领域贴合度；优先看相关经历的深度与成果，而非堆数量。
+
+【打分档位（用于校准总分）】
+- 90-100：高度匹配，核心技能基本全覆盖、学历达标、有强相关经验，可直接进入面试
+- 75-89：较匹配，主要要求满足，存在少量可弥补的差距
+- 60-74：基本匹配，满足部分核心要求，但有明显短板
+- 40-59：匹配度偏低，多数关键要求不满足
+- 0-39：基本不匹配或简历信息严重不足
+
+【规则】
+1. 严格基于简历已有信息评估，简历中缺失或未提及的能力一律按"不具备"处理，不得臆测或脑补
+2. 客观打分，避免一律给高分；不相关的经历/技能不计入加分
+3. 岗位信息或简历信息明显不足时，应给保守分而非高分
+4. 先在心里完成三维度分析与加权，最终只输出一个综合整数分（0-100），越高代表越匹配
+
+严格只返回 JSON，不要任何分析过程或其他内容：
+{{"score":85}}"""

app/ai/model_config.py

@@ -24,6 +24,8 @@ class SkillGapModel:
 
 class JobAgentModel:
     """求职助手Agent模块"""
+    # 岗位匹配评分：评估简历与岗位在技能/学历/经验上的匹配度，输出0-100分（评分要稳定，温度设0）
+    MATCH_SCORE = LLM.DEEPSEEK_V4_FLASH.create(temperature=0)
     # 岗位简历-summary优化：针对具体岗位JD优化个人概述
     SUMMARY = LLM.DEEPSEEK_V4_FLASH.create(temperature=0.3)
     # 岗位简历-经历优化：针对具体岗位JD优化单条经历描述

app/api/job_agent_chat.py

@@ -5,12 +5,22 @@ from fastapi import APIRouter, Depends
 from app.core.auth import func_permission
 from app.core.context import RequestContext
 from app.core.database import get_db
-from app.schemas.job_agent_chat import OptimizeResumeParam
+from app.schemas.job_agent_chat import OptimizeResumeParam, MatchScoreParam
 from app.services.job_agent_chat_service import JobAgentChatService
 
 router = APIRouter(prefix="/job-agent", tags=["求职助手agent"])
 
 
+@router.post("/match-score", summary="岗位匹配度评分")
+async def match_score(param: MatchScoreParam):
+    """根据定制简历和岗位，从技能/学历/经验维度评估匹配度，返回 0-100 分"""
+    user_id = RequestContext.user_id.get()
+    async for session in get_db():
+        service = JobAgentChatService(session)
+        result = await service.score_match(user_id, param.customize_resume_id, param.job_id)
+    return result
+
+
 @router.post("/optimize-resume", summary="针对岗位优化简历")
 async def optimize_resume(param: OptimizeResumeParam, _: None = Depends(func_permission("resume_custom"))):
     """根据目标岗位，AI并发优化简历（summary + 5张子表经历），存Redis并返回"""

app/schemas/job_agent_chat.py

@@ -10,3 +10,8 @@ from pydantic import BaseModel, Field
 class OptimizeResumeParam(BaseModel):
     resume_id: int = Field(..., alias="resumeId", description="简历ID")
     job_id: int = Field(..., alias="jobId", description="岗位ID")
+
+
+class MatchScoreParam(BaseModel):
+    customize_resume_id: int = Field(..., alias="customizeResumeId", description="定制简历ID")
+    job_id: int = Field(..., alias="jobId", description="岗位ID")

app/services/customize_resume_store.py

@@ -92,6 +92,15 @@ async def save(user_id: int, job_id: int, cr: CustomizeResume, resume_id: int |
             session.add(UserJobCustomizeResume(id=next_id(), user_id=user_id, job_id=job_id, resume_id=resume_id, resume_name=resume_name, content=content))
 
 
+async def get_by_id(user_id: int, customize_resume_id: int) -> CustomizeResume | None:
+    """按定制简历ID查询，校验归属当前用户，查不到返回 None"""
+    async for session in get_db():
+        result = await session.execute(select(UserJobCustomizeResume).where(UserJobCustomizeResume.id == customize_resume_id, UserJobCustomizeResume.user_id == user_id))
+        record = result.scalar_one_or_none()
+        return CustomizeResume.model_validate(record.content) if record else None
+    return None
+
+
 async def get(user_id: int, job_id: int) -> dict | None:
     """查询定制简历，查不到则加载默认简历构建返回
 

app/services/job_agent_chat_service.py

@@ -1,8 +1,8 @@
 """求职助手 Agent 岗位简历优化 Service
 
-主要功能：针对岗位并发优化简历。
+主要功能：针对岗位并发优化简历；岗位匹配度评分。
-依赖：resume_loader（简历统一查询）、customize_resume_store（定制简历存取+构建）、job_agent.resume_optimizer（岗位简历优化）
+依赖：resume_loader（简历统一查询）、customize_resume_store（定制简历存取+构建）、job_agent.resume_optimizer（岗位简历优化）、job_agent.match_scorer（匹配评分）
-使用表：bg_user_resume + 5张子表（通过 resume_loader 查询）、bg_job（查岗位）
+使用表：bg_user_resume + 5张子表（通过 resume_loader 查询）、bg_job（查岗位）、bg_user_job_customize_resume（定制简历）
 """
 
 import asyncio
@@ -13,6 +13,7 @@ from sqlalchemy import select
 from sqlalchemy.ext.asyncio import AsyncSession
 
 from app.ai.job_agent.resume_optimizer import optimize_summary, optimize_experience_record
+from app.ai.job_agent.match_scorer import score_match as ai_score_match
 from app.core.logger import log
 from app.models.job import Job
 from app.schemas.customize_resume import CustomizeResume, Education, Work, Internship, Project, Competition
@@ -25,6 +26,55 @@ class JobAgentChatService:
     def __init__(self, session: AsyncSession):
         self.session = session
 
+    async def score_match(self, user_id: int, customize_resume_id: int, job_id: int) -> int:
+        """岗位匹配评分：查定制简历 + 岗位 → 序列化简历 → 调AI评分，返回 0-100 整数"""
+        cr = await customize_resume_store.get_by_id(user_id, customize_resume_id)
+        if cr is None:
+            raise ValueError("定制简历不存在")
+        job = await self._get_job(job_id)
+        resume_text = self._build_resume_text_from_cr(cr)
+        skill_tags = "、".join(job.skill_tags) if job.skill_tags else ""
+        job_desc = f"{job.description or ''}\n{job.requirement or ''}"
+        return await ai_score_match(job.title or "", skill_tags, job_desc, resume_text)
+
+    @staticmethod
+    def _build_resume_text_from_cr(cr: CustomizeResume) -> str:
+        """将定制简历序列化为文本供 AI 评估使用"""
+        r = cr.resume
+        parts: list[str] = []
+        if r.name:
+            parts.append(f"姓名：{r.name}")
+        if r.skills:
+            parts.append(f"技能：{'、'.join(r.skills)}")
+        if r.certificates:
+            parts.append(f"证书：{'、'.join(r.certificates)}")
+        if r.summary:
+            parts.append(f"个人概述：{r.summary}")
+        if cr.education:
+            parts.append("教育经历：")
+            for e in cr.education:
+                parts.append(f"  - {e.school} {e.major} {e.degree} {e.study_type}".rstrip())
+        if cr.work:
+            parts.append("工作经历：")
+            for w in cr.work:
+                parts.append(f"  - {w.company_name} {w.position}".rstrip())
+                parts.extend(f"    {p.text}" for p in w.description if p.text)
+        if cr.internship:
+            parts.append("实习经历：")
+            for i in cr.internship:
+                parts.append(f"  - {i.company_name} {i.position}".rstrip())
+                parts.extend(f"    {p.text}" for p in i.description if p.text)
+        if cr.project:
+            parts.append("项目经历：")
+            for p in cr.project:
+                parts.append(f"  - {p.project_name} {p.role}".rstrip())
+                parts.extend(f"    {seg.text}" for seg in p.description if seg.text)
+        if cr.competition:
+            parts.append("竞赛经历：")
+            for c in cr.competition:
+                parts.append(f"  - {c.competition_name} {c.award}".rstrip())
+        return "\n".join(parts) if parts else "暂无简历信息"
+
     async def optimize_resume(self, user_id: int, resume_id: int, job_id: int) -> dict:
         """针对岗位优化简历：查简历+岗位 → 构建定制简历 → 按单条记录并发AI优化 → 存数据库 → 返回"""
         # 1. 查简历 + 岗位