重构简历优化

app/ai/model_config.py

@@ -44,14 +44,18 @@ class ResumeExtractorModel:
     PARSE = LLM.DOUBAO_PRO_32K.create(temperature=0)
 
 
+class ResumePolisherModel:
+    """简历段落润色模块"""
+    # 段落润色：仅做格式/错字/表达优化，不改内容，低温度保证稳定
+    POLISH = LLM.DEEPSEEK_V4_FLASH.create(temperature=0.2)
+
+
 class DiagnoserModel:
     """简历诊断模块"""
     # 模块诊断：逐条分析经历记录的问题(错别字/无量化/弱相关等)
     MODULE = LLM.DEEPSEEK_V4_FLASH.create(temperature=0)
     # 整体评价：汇总所有诊断结果生成总结性评语
     SUMMARY = LLM.DEEPSEEK_V4_FLASH.create(temperature=0.3)
-    # 内容润色：用户编辑后的文本做专业润色
-    POLISH = LLM.DEEPSEEK_V4_FLASH.create(temperature=0.3)
 
 
 class BrowserPlugModel:

app/ai/resume_diagnoser/diagnoser.py

@@ -7,7 +7,7 @@ from langchain_core.output_parsers import StrOutputParser
 from langchain_core.prompts import ChatPromptTemplate
 
 from app.ai.model_config import DiagnoserModel
-from app.ai.resume_diagnoser.prompts import DIAGNOSE_MODULE_PROMPT, SUMMARY_PROMPT, POLISH_PROMPT
+from app.ai.resume_diagnoser.prompts import DIAGNOSE_MODULE_PROMPT, SUMMARY_PROMPT
 from app.core.logger import log
 from app.tool.json_helper import parse_llm_json
 
@@ -54,45 +54,6 @@ async def generate_summary(grade: str, urgent_total: int, important_total: int,
         return "简历诊断已完成，请查看各模块的详细诊断结果。"
 
 
-_polish_chain = (
-    ChatPromptTemplate.from_messages([("system", POLISH_PROMPT), ("human", "请开始优化。")])
-    | DiagnoserModel.POLISH
-    | StrOutputParser()
-)
-
-
-async def polish_content(module_type: str, reference_content: list[dict] | str | None,
-                         user_content: list[str], is_summary: bool) -> list[str]:
-    """润色用户编辑后的文本"""
-    ref_text = ""
-    if reference_content:
-        if isinstance(reference_content, list):
-            ref_text = "\n".join(
-                item.get("text", "") if isinstance(item, dict) else str(item)
-                for item in reference_content
-            )
-        else:
-            ref_text = str(reference_content)
-    if not ref_text:
-        ref_text = "无"
-
-    inp = {
-        "module_type": module_type,
-        "reference_content": ref_text,
-        "user_content": "\n".join(user_content),
-        "summary_constraint": "- 注意：此模块只能输出一个段落，数组只能有一个元素" if is_summary else "",
-    }
-    try:
-        raw = await _polish_chain.ainvoke(inp)
-        result = parse_llm_json(raw)
-        if isinstance(result, list):
-            return [str(item) for item in result]
-        return [str(result)]
-    except Exception as e:
-        log.warning(f"AI润色失败: {e}")
-        return user_content
-
-
 async def _safe_invoke(task: dict) -> dict:
     """单条记录诊断，失败返回空结果"""
     module_type = task.get("module_type", "unknown")

app/ai/resume_diagnoser/prompts.py

@@ -82,26 +82,3 @@ SUMMARY_PROMPT = """你是一位资深简历顾问。请根据以下简历诊断
 4. 一句鼓励或行动建议
 
 直接输出评价文本，不要输出JSON或其他格式标记。控制在200字以内。"""
-
-POLISH_PROMPT = """你是一位资深简历顾问。请对用户提供的简历描述文本进行润色优化，让语言更精练、更专业。
-
-## 模块类型
-{module_type}
-
-## AI 之前的优化版本（仅供参考）
-{reference_content}
-
-## 用户提交的文本（以此为主进行优化）
-{user_content}
-
-## 优化要求
-- 以用户提交的文本为主体进行润色，AI之前的版本仅作参考
-- 让语言更精练、更专业，去除冗余表达
-- 尽量使用数据量化成果
-- 保持原意不变，不凭空捏造内容
-- 输出为 JSON 数组格式，每个元素是一个段落的纯文本
-{summary_constraint}
-
-## 输出格式
-严格输出 JSON 数组，不要输出其他内容：
-["优化后的段落1", "优化后的段落2"]"""

app/ai/resume_polisher/polisher.py

@@ -0,0 +1,36 @@
+"""简历段落润色 AI 引擎：仅做格式/错字/表达层面的优化"""
+
+import json
+
+from langchain_core.output_parsers import StrOutputParser
+from langchain_core.prompts import ChatPromptTemplate
+
+from app.ai.model_config import ResumePolisherModel
+from app.ai.resume_polisher.prompts import POLISH_PROMPT
+from app.core.logger import log
+from app.tool.json_helper import parse_llm_json
+
+# 润色链（StrOutputParser 拿原始文本，再手动解析 JSON，避免 markdown 代码块导致解析失败）
+_polish_chain = (
+    ChatPromptTemplate.from_messages([("system", POLISH_PROMPT), ("human", "请开始润色。")])
+    | ResumePolisherModel.POLISH
+    | StrOutputParser()
+)
+
+
+async def polish_paragraphs(content: list[str]) -> list[str]:
+    """对段落数组做表达层面的润色，返回与输入等长的数组；失败兜底原样返回"""
+    if not content:
+        return []
+
+    inp = {"content": json.dumps(content, ensure_ascii=False)}
+    try:
+        raw = await _polish_chain.ainvoke(inp)
+        result = parse_llm_json(raw)
+        if isinstance(result, list) and len(result) == len(content):
+            return [str(item) for item in result]
+        log.warning(f"AI润色返回结果不符合预期, 原样返回: {result}")
+        return content
+    except Exception as e:
+        log.warning(f"AI润色失败: {e}")
+        return content

app/ai/resume_polisher/prompts.py

@@ -0,0 +1,21 @@
+"""简历段落润色 Prompt 模板"""
+
+POLISH_PROMPT = """你是一位严谨的简历文字校对助手。请对用户提交的简历段落进行"表面润色"，只做表达层面的优化。
+
+## 优化范围（只允许做这些）
+- 修正错别字、标点、语法错误
+- 优化文本格式与排版（如多余空格、断句、全半角混用）
+- 让表达更通顺、专业，去除明显口语化和冗余措辞
+
+## 严格禁止（绝对不能做）
+- 不得改变原意，不得增加或删除任何信息点
+- 不得编造、补充任何内容（尤其禁止凭空添加数字、量化成果、技能、成就）
+- 不得改变段落的数量和顺序
+
+## 输入
+用户提交的段落数组（每个元素是一个段落）：
+{content}
+
+## 输出格式
+严格输出 JSON 数组，元素个数和顺序必须与输入完全一致，不要输出其他任何内容：
+["润色后的段落1", "润色后的段落2"]"""