重构简历优化

.kiro/steering/项目结构说明.md

@@ -36,9 +36,12 @@ offerpie_python_ai/
     │   ├─ resume_extractor/      # 简历 AI 提取模块
     │   │   ├─ prompts.py             # 5 个提取任务的 System Prompt（个人信息/教育/工作+实习/项目/竞赛）
     │   │   └─ extractor.py           # AI 并行提取（extract_all 入口，asyncio.gather 5 路并行）
+    │   ├─ resume_polisher/       # 简历段落润色模块
+    │   │   ├─ prompts.py             # 润色 Prompt 模板（仅格式/错字/表达优化，不改内容）
+    │   │   └─ polisher.py            # AI 段落润色（polish_paragraphs 入口，输出等长数组）
     │   ├─ resume_diagnoser/      # 简历 AI 诊断模块
-    │   │   ├─ prompts.py             # 诊断 Prompt 模板（分模块诊断 + 汇总评价 + 润色优化）
+    │   │   ├─ prompts.py             # 诊断 Prompt 模板（分模块诊断 + 汇总评价）
-    │   │   └─ diagnoser.py           # AI 并行诊断（diagnose_all 入口 + generate_summary 汇总评价 + polish_content 润色优化）
+    │   │   └─ diagnoser.py           # AI 并行诊断（diagnose_all 入口 + generate_summary 汇总评价）
     │   ├─ skill_gap_analyzer/    # 技能差距分析 + 定制简历 AI 模块
     │   │   ├─ prompts.py             # 差距分析 + 简历优化 + Agent 规划（原子化操作）/ 单条记录修改 / 新增记录 Prompt 模板 + MODULE_SCHEMAS
     │   │   └─ analyzer.py            # AI 调用逻辑（差距分析 + summary优化 + 经历优化 + Agent规划 + 单条记录修改 + 新增记录）
@@ -88,7 +91,7 @@ offerpie_python_ai/
     │
     └─ services/                  # **业务逻辑层**
         ├─ func_permission_service.py     # 功能权限服务（校验+扣减+回退，逻辑与Java端一致）
-        ├─ resume_parse_service.py        # 简历解析服务（文件解析→AI结构化→写入主表+5张子表）
+        ├─ resume_service.py              # 简历服务（文件解析→AI结构化→写入主表+5张子表）
         ├─ resume_diagnose_service.py     # 简历诊断服务（加载简历→AI并行诊断→统计评级→写入报告）
         ├─ skill_gap_service.py           # 技能差距分析服务（差距分析→定制简历生成→AI对话编辑）
         ├─ resume_loader.py               # 简历统一查询模块（按ID查/自动选默认+5张子表，返回 ResumeDetail dataclass）
@@ -102,11 +105,11 @@ offerpie_python_ai/
 |------|----------|-------------|
 | **config** | 统一配置管理，基于 Pydantic Settings，支持 .env 文件加载 | `Settings`（数据库、Redis、LLM供应商、JWT、CORS、日志等全部配置项） |
 | **core** | 核心基础设施：数据库连接、Redis连接、鉴权、日志、中间件、异常处理、统一响应 | `database.py`、`redis.py`、`auth.py`、`middleware.py`、`exceptions.py`、`logger.py`、`StandardResponse` |
-| **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_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） |
+| **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）、`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） |
+| **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） |
-| **services** | 业务逻辑实现 | `FuncPermissionService`（功能权限校验、扣减、回退）、`ResumeParseService`（简历文件解析→AI结构化→入库）、`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） |
+| **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
 | 类别 | 技术选型 | 说明 |

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"]"""

app/api/resume.py

@@ -1,10 +1,11 @@
 """简历上传解析接口"""
 
 from fastapi import APIRouter, UploadFile, File
+from pydantic import BaseModel, Field
 
 from app.core.context import RequestContext
 from app.core.database import get_db
-from app.services.resume_parse_service import ResumeParseService
+from app.services.resume_service import ResumeService
 
 router = APIRouter(prefix="/resume", tags=["简历"])
 
@@ -15,7 +16,7 @@ async def upload_resume(file: UploadFile = File(...)):
     user_id = RequestContext.user_id.get()
     content = await file.read()
 
-    service = ResumeParseService()
+    service = ResumeService()
     # 文件解析 + AI 结构化（不占数据库连接）
     parsed = await service.parse_and_extract(file.filename, content)
     # 短事务：只做数据库写入
@@ -23,3 +24,15 @@ async def upload_resume(file: UploadFile = File(...)):
     async for session in get_db():
         resume_id = await service.save_resume(session, user_id, file.filename, parsed)
     return {"resumeId": resume_id}
+
+
+class PolishParam(BaseModel):
+    content: list[str] = Field(..., description="待润色的简历段落文本数组")
+
+
+@router.post("/polish", summary="AI润色简历段落")
+async def polish_resume(param: PolishParam):
+    """对前端提交的简历段落做表达层面的润色（格式/错字/表达），不改内容，返回等长数组"""
+    service = ResumeService()
+    result = await service.polish_paragraphs(param.content)
+    return {"content": result}

app/api/resume_diagnose.py

@@ -5,7 +5,7 @@ import time
 from fastapi import APIRouter, Depends
 from pydantic import BaseModel, Field
 
-from app.ai.resume_diagnoser.diagnoser import diagnose_all, generate_summary, polish_content
+from app.ai.resume_diagnoser.diagnoser import diagnose_all, generate_summary
 from app.core.auth import func_permission
 from app.core.context import RequestContext
 from app.core.database import get_db
@@ -98,25 +98,3 @@ async def feedback_issue(issue_id: int, param: FeedbackParam):
     async for session in get_db():
         service = ResumeDiagnoseService(session)
         await service.update_feedback(issue_id, user_id, param.user_feedback)
-
-
-class PolishParam(BaseModel):
-    content: list[str] = Field(..., description="用户编辑后的文本段落数组")
-
-
-@router.post("/issue/{issue_id}/polish", summary="AI润色用户编辑的文本")
-async def polish_issue_content(issue_id: int, param: PolishParam):
-    """基于诊断问题上下文，AI润色用户编辑后的文本"""
-    user_id = RequestContext.user_id.get()
-
-    async for session in get_db():
-        service = ResumeDiagnoseService(session)
-        ctx = await service.get_issue_for_polish(issue_id, user_id)
-
-    result = await polish_content(
-        module_type=ctx["module_label"],
-        reference_content=ctx["optimized_content"],
-        user_content=param.content,
-        is_summary=ctx["is_summary"],
-    )
-    return {"content": result}

app/services/resume_diagnose_service.py

@@ -153,21 +153,6 @@ class ResumeDiagnoseService:
         issue.user_feedback = user_feedback
         await self.session.flush()
 
-    async def get_issue_for_polish(self, issue_id: int, user_id: int) -> dict:
-        """获取 issue 润色所需的上下文信息"""
-        result = await self.session.execute(
-            select(ResumeDiagnosisIssue).where(
-                ResumeDiagnosisIssue.id == issue_id, ResumeDiagnosisIssue.user_id == user_id))
-        issue = result.scalar_one_or_none()
-        if issue is None:
-            raise ValueError("诊断问题不存在")
-        return {
-            "module_type": issue.module_type,
-            "module_label": _MODULE_LABELS.get(issue.module_type, issue.module_type),
-            "optimized_content": issue.optimized_content,
-            "is_summary": issue.module_type == "summary",
-        }
-
 
 # ===== 工具函数 =====
 

app/services/resume_service.py

@@ -1,4 +1,4 @@
-"""简历解析 Service
+"""简历 Service
 
 上传简历文件 → 解析为纯文本 → AI 两阶段并行结构化 → 写入数据库。
 依赖：file_parser（文件解析工具）、resume_extractor（AI两阶段并行提取）
@@ -11,6 +11,7 @@ import shortuuid
 from sqlalchemy.ext.asyncio import AsyncSession
 
 from app.ai.resume_extractor.extractor import extract_all
+from app.ai.resume_polisher.polisher import polish_paragraphs
 from app.core.logger import log
 from app.models.user_resume import UserResume
 from app.models.user_resume_competition import UserResumeCompetition
@@ -22,7 +23,7 @@ from app.tool.file_parser import parse_to_text
 from app.tool.snowflake import next_id
 
 
-class ResumeParseService:
+class ResumeService:
 
     async def parse_and_extract(self, filename: str, content: bytes) -> dict:
         """文件解析 + AI 两阶段并行结构化，不涉及数据库操作"""
@@ -37,6 +38,13 @@ class ResumeParseService:
         log.info("AI两阶段并行结构化提取完成")
         return parsed
 
+    async def polish_paragraphs(self, content: list[str]) -> list[str]:
+        """对简历段落做表达层面的润色（格式/错字/表达），不涉及数据库操作"""
+        log.info(f"开始简历段落润色, 段落数={len(content)}")
+        result = await polish_paragraphs(content)
+        log.info("简历段落润色完成")
+        return result
+
     async def save_resume(self, session: AsyncSession, user_id: int, filename: str, parsed: dict) -> int:
         """将解析结果写入主表 + 5张子表，返回简历ID"""
         resume_id = next_id()