添加agent优化简历接口

app/ai/job_agent/prompts.py

@@ -1,4 +1,4 @@
-"""求职助手 Agent 对话 Prompt 模板"""
+"""求职助手 Agent 对话 Prompt 模板 + 岗位简历优化 Prompt"""
 
 SYSTEM_PROMPT = """你是 OfferPie 求职助手，帮助用户找到合适的工作。
 
@@ -32,3 +32,42 @@ tool 可选值：
 5. 偏好描述要准确概括用户的岗位偏好，如"更偏技术方向的产品岗"、"大厂优先"
 6. 如果用户没有明确偏好，preference 填"无特殊偏好"
 """
+
+
+# ===== 岗位简历优化 Prompt =====
+
+RESUME_SUMMARY_OPTIMIZE_PROMPT = """你是一个求职投递助手。用户即将投递目标岗位，请针对该岗位优化用户的个人概述。
+
+【目标岗位】
+{job_title}
+
+【岗位职责与要求】
+{job_description}
+
+【原始个人概述】
+{original_summary}
+
+规则：
+1. 保持原文风格和主体内容不变
+2. 突出与目标岗位最相关的经验和能力
+3. 适当融入岗位要求中的关键词，但不要生硬堆砌
+4. 避免过度优化和编造内容，改动越少越好
+5. 直接输出优化后的文本，不要其他内容"""
+
+RESUME_EXPERIENCE_OPTIMIZE_PROMPT = """你是一个求职投递助手。用户即将投递目标岗位，请针对该岗位微调用户的经历描述。
+
+【目标岗位】
+{job_title}
+
+【岗位职责与要求】
+{job_description}
+
+【原始经历数据】
+{original_module_data}
+
+规则：
+1. 基本保持原文不变，只在可以优化的地方做轻微调整
+2. 突出与目标岗位最匹配的经历和成果
+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）"""

app/ai/job_agent/resume_optimizer.py

@@ -0,0 +1,55 @@
+"""求职助手 - 岗位简历优化 AI 引擎
+
+针对目标岗位并发优化简历（summary + 经历子表）。
+依赖：LLM 枚举、job_agent/prompts、parse_llm_json
+"""
+
+from langchain_core.output_parsers import StrOutputParser
+from langchain_core.prompts import ChatPromptTemplate
+
+from app.ai.job_agent.prompts import RESUME_SUMMARY_OPTIMIZE_PROMPT, RESUME_EXPERIENCE_OPTIMIZE_PROMPT
+from app.ai.models import LLM
+from app.core.logger import log
+from app.tool.json_helper import parse_llm_json
+
+# ===== summary 优化 =====
+
+_summary_chain = (
+    ChatPromptTemplate.from_messages([("system", RESUME_SUMMARY_OPTIMIZE_PROMPT), ("human", "请开始优化。")])
+    | LLM.JIAYU_CLAUDE_SONNET_4_5.create(temperature=0.3)
+    | StrOutputParser()
+)
+
+
+async def optimize_summary(job_title: str, job_description: str, original_summary: str) -> str:
+    """针对岗位优化个人概述"""
+    try:
+        return await _summary_chain.ainvoke({
+            "job_title": job_title, "job_description": job_description or "",
+            "original_summary": original_summary or "暂无",
+        })
+    except Exception as e:
+        log.warning(f"岗位简历summary优化失败: {e}")
+        return original_summary
+
+
+# ===== 经历优化 =====
+
+_experience_chain = (
+    ChatPromptTemplate.from_messages([("system", RESUME_EXPERIENCE_OPTIMIZE_PROMPT), ("human", "请开始优化。")])
+    | LLM.JIAYU_CLAUDE_SONNET_4_5.create(temperature=0.3)
+    | StrOutputParser()
+)
+
+
+async def optimize_experience(job_title: str, job_description: str, module_data: str) -> list | dict | None:
+    """针对岗位优化经历模块描述，返回修改后的完整模块数据"""
+    try:
+        raw = await _experience_chain.ainvoke({
+            "job_title": job_title, "job_description": job_description or "",
+            "original_module_data": module_data,
+        })
+        return parse_llm_json(raw)
+    except Exception as e:
+        log.warning(f"岗位简历经历优化失败: {e}")
+        return None