删除无效代码

.kiro/steering/项目结构说明.md

@@ -79,7 +79,7 @@ offerpie_python_ai/
     │   └─ user_job_customize_resume.py   # 用户岗位定制简历表（bg_user_job_customize_resume）
     │
     ├─ tool/                      # **工具层**（无状态、无业务依赖的通用工具）
-    │   ├─ file_parser.py             # 文件解析工具（PDF/Word/TXT → 纯文本，parse_to_text 入口方法）
+    │   ├─ file_parser.py             # 文件解析工具（PDF/Word(.docx)/TXT/Markdown → 文本单元数组，parse_to_segments 入口方法）
     │   ├─ json_helper.py             # AI 输出 JSON 解析工具（自动去除 markdown 代码块包裹 + json_repair 容错，parse_llm_json 入口方法）
     │   └─ snowflake.py               # 雪花 ID 生成工具（next_id）
     │
@@ -108,7 +108,7 @@ offerpie_python_ai/
 | **ai** | AI 模型管理 + 业务 AI 能力 | `LLM` 枚举（models.py）、`model_config.py`（场景模型配置）、`resume_extractor/`（简历并行提取）、`resume_polisher/`（简历段落润色）、`resume_diagnoser/`（简历诊断）、`skill_gap_analyzer/`（技能差距分析 + 定制简历优化 + Agent 原子化规划 + 单条记录修改/新增）、`job_agent/`（求职助手对话 + 岗位简历优化）、`nova_chat/`（Nova 对话助手，纯对话） |
 | **api** | REST API 路由定义 | `health.py`（健康检查）、`resume.py`（简历上传解析 + 段落润色）、`resume_diagnose.py`（简历诊断）、`skill_gap.py`（技能差距分析 + 生成定制简历 + AI对话编辑）、`customize_resume.py`（定制简历查询/修改/回滚）、`job_agent_chat.py`（求职助手对话 + 岗位简历优化）、`nova_chat.py`（Nova 对话助手） |
 | **models** | SQLAlchemy ORM 模型，与 Java 端共享同一数据库 | `FuncPermission`、`UserFuncPermissionStock`、`UserFuncUsageLog`、`UserResume`、`UserResumeEducation`/`Work`/`Internship`/`Project`/`Competition`、`ResumeDiagnosisReport`、`ResumeDiagnosisIssue`、`Job`（只读）、`JobAgentConfig`、`UserJobCustomizeResume` |
-| **tool** | 无状态通用工具，不依赖数据库/Redis/用户上下文 | `file_parser.py`（PDF/Word/TXT 文件解析为纯文本）、`json_helper.py`（AI 输出 JSON 解析，去 markdown 代码块 + json_repair 容错）、`snowflake.py`（雪花ID生成） |
+| **tool** | 无状态通用工具，不依赖数据库/Redis/用户上下文 | `file_parser.py`（PDF/Word(.docx)/TXT/Markdown 文件解析为文本单元数组）、`json_helper.py`（AI 输出 JSON 解析，去 markdown 代码块 + json_repair 容错）、`snowflake.py`（雪花ID生成） |
 | **services** | 业务逻辑实现 | `FuncPermissionService`（功能权限校验、扣减、回退）、`ResumeService`（简历文件解析→AI结构化→入库 + 段落润色）、`ResumeDiagnoseService`（简历诊断→AI并行分析→评级→入库）、`SkillGapService`（技能差距分析→定制简历生成→AI对话编辑）、`resume_loader`（简历统一查询，返回ResumeDetail）、`customize_resume_store`（定制简历数据库存取+数据构建，按用户+岗位维度，Redis回滚备份）、`JobAgentChatService`（求职助手对话+岗位简历优化）、`NovaChatService`（Nova对话助手，查简历+查岗位→调AI） |
 
 ## 3️⃣ 技术栈

app/tool/file_parser.py

@@ -1,14 +1,10 @@
 """文件解析工具
 
-将上传的简历文件（PDF / Word / TXT）转换为「文本单元数组」或纯文本字符串。
+将上传的简历文件解析为「文本单元数组」，供 AI 按行号定位 description/summary，避免照抄长文本。
 - PDF：使用 LiteParse（JSON 模式）按文本块的阅读顺序提取，每个文本块作为一个单元。
         关闭 OCR —— 文本型简历无需 OCR，且 OCR 默认会联网下载字库导致严重阻塞。
-- Word：按段落（paragraph）切分，表格行用 \t 拼成一个单元。
-- TXT：按换行切分。
-单元数组用于 AI 提取时按行号定位 description/summary，避免 AI 照抄长文本。
-
-另提供 parse_to_markdown：基于 LiteParse 的 Markdown 结构化输出（保留标题/列表/加粗等
-语义层级），可用于需要整篇结构化文本的 AI 场景。
+- Word(.docx)：按段落（paragraph）切分，表格行用 \t 拼成一个单元。
+- TXT / Markdown(.md)：自动检测编码，按换行切分。
 """
 
 import io
@@ -20,8 +16,7 @@ from liteparse import LiteParse
 from app.core.logger import log
 
 # LiteParse 解析器复用实例（关闭 OCR、静默日志）。线程安全由调用方的 to_thread 串行保证。
-_PDF_SEGMENT_PARSER = LiteParse(output_format="json", ocr_enabled=False, quiet=True)
-_PDF_MARKDOWN_PARSER = LiteParse(output_format="markdown", ocr_enabled=False, quiet=True)
+_PDF_PARSER = LiteParse(output_format="json", ocr_enabled=False, quiet=True)
 
 
 def _drop_repeated(segments: list[str], threshold: int = 3) -> list[str]:
@@ -35,7 +30,7 @@ def _pdf_segments(content: bytes) -> list[str]:
 
     不在预处理阶段合并行——是否合并/分段/排除噪声全部交给 AI 的行号区间决定。
     """
-    result = _PDF_SEGMENT_PARSER.parse(content)
+    result = _PDF_PARSER.parse(content)
     segments: list[str] = []
     for page in result.pages:
         for item in page.text_items:
@@ -50,7 +45,7 @@ def _docx_segments(content: bytes) -> list[str]:
     try:
         doc = Document(io.BytesIO(content))
     except Exception:
-        raise ValueError("无法解析该 Word 文件，如果是旧版 .doc 格式，请另存为 .docx 后重试")
+        raise ValueError("无法解析该 Word 文件，请确认为有效的 .docx 格式")
     segments: list[str] = []
     for para in doc.paragraphs:
         text = para.text.strip()
@@ -65,7 +60,7 @@ def _docx_segments(content: bytes) -> list[str]:
 
 
 def _txt_segments(content: bytes) -> list[str]:
-    """解析 TXT，自动检测编码，按换行切分为单元"""
+    """解析纯文本 (.txt / .md)，自动检测编码，按换行切分为单元"""
     text = None
     for encoding in ("utf-8", "gbk", "gb2312", "latin-1"):
         try:
@@ -78,38 +73,20 @@ def _txt_segments(content: bytes) -> list[str]:
     return [line.strip() for line in text.splitlines() if line.strip()]
 
 
+# 后缀 → 解析函数。新增格式只需在此登记一行。
+_PARSERS = {
+    ".pdf": _pdf_segments,
+    ".docx": _docx_segments,
+    ".txt": _txt_segments,
+    ".md": _txt_segments,
+}
+
+
 def parse_to_segments(filename: str, content: bytes) -> list[str]:
-    """根据文件名后缀自动选择解析方法，返回「文本单元数组」"""
+    """根据文件名后缀选择解析器，返回去重后的「文本单元数组」"""
     suffix = filename[filename.rfind("."):].lower() if "." in filename else ""
     log.info(f"解析文件: {filename}，类型: {suffix}")
-    if suffix == ".pdf":
-        segments = _pdf_segments(content)
-    elif suffix in (".docx", ".doc"):
-        segments = _docx_segments(content)
-    elif suffix == ".txt":
-        segments = _txt_segments(content)
-    else:
-        raise ValueError(f"不支持的文件类型: {suffix}，支持: .pdf, .docx, .doc, .txt")
-    return _drop_repeated(segments)
-
-
-def parse_to_text(filename: str, content: bytes) -> str:
-    """根据文件名后缀自动选择解析方法，返回纯文本（单元用换行拼接）"""
-    return "\n".join(parse_to_segments(filename, content))
-
-
-def parse_to_markdown(filename: str, content: bytes) -> str:
-    """将简历解析为 Markdown 结构化文本（保留标题/列表/加粗等语义层级）。
-
-    PDF 使用 LiteParse 的 Markdown 输出；Word/TXT 无版式信息，退化为换行拼接的纯文本。
-    适用于需要整篇结构化文本喂给 LLM 的场景。
-    """
-    suffix = filename[filename.rfind("."):].lower() if "." in filename else ""
-    log.info(f"解析文件(markdown): {filename}，类型: {suffix}")
-    if suffix == ".pdf":
-        return _PDF_MARKDOWN_PARSER.parse(content).text
-    if suffix in (".docx", ".doc"):
-        return "\n".join(_drop_repeated(_docx_segments(content)))
-    if suffix == ".txt":
-        return "\n".join(_drop_repeated(_txt_segments(content)))
-    raise ValueError(f"不支持的文件类型: {suffix}，支持: .pdf, .docx, .doc, .txt")
+    parser = _PARSERS.get(suffix)
+    if parser is None:
+        raise ValueError(f"不支持的文件类型: {suffix}，支持: {', '.join(_PARSERS)}")
+    return _drop_repeated(parser(content))