更新技能

.kiro/specs/skill-gap-analysis.md

@@ -44,7 +44,7 @@
 3. 查岗位：
    - 查 `bg_job` 拿 id、title、skill_tags
    - 岗位不存在 → 报错
-   - skill_tags 为空 → 直接返回满分 10，missingSkills 为空数组
+   - skill_tags 为空 → 直接返回满分 10，gaps 为空数组
 4. 查简历子表（拼 AI 输入）：
    - `bg_user_resume_education`
    - `bg_user_resume_work`
@@ -53,8 +53,8 @@
    - `bg_user_resume_competition`
 5. 调 AI（一次）：
    - 输入：岗位 skill_tags 列表 + 简历 skills 字段 + 各子表经历描述
-   - 输出：缺失技能的 JSON 数组，必须是 skill_tags 的子集
+   - 输出：差距条目 JSON 数组，每条含 keyword（缺失技能，skill_tags 子集）、title（≤12字）、description（≤30字）
-6. 计算匹配分：`score = (skill_tags总数 - missingSkills数) / skill_tags总数 × 10`，保留一位小数
+6. 计算匹配分：`score = (skill_tags总数 - gaps条目数) / skill_tags总数 × 10`，保留一位小数
 
 ### 返回
 
@@ -71,7 +71,10 @@
     "resumeName": "李华_产品经理",
     "targetPosition": "电商产品经理"
   },
-  "missingSkills": ["Python", "SQL", "数据分析", "跨部门沟通"]
+  "gaps": [
+    { "keyword": "SQL", "title": "缺少 SQL 关键词", "description": "岗位要求数据查询分析能力，简历未体现。" },
+    { "keyword": "数据分析", "title": "数据分析证据不足", "description": "建议补充指标拆解与结论产出的经历。" }
+  ]
 }
 ```
 
@@ -81,13 +84,13 @@
 |------|------|
 | 用户无简历 | 报错"请先创建简历" |
 | 岗位不存在 | 报错 |
-| skill_tags 为空 | 满分 10，missingSkills 为空数组 |
+| skill_tags 为空 | 满分 10，gaps 为空数组 |
 | AI 调用失败 | 降级：全部标记为缺失，分数 0 |
 
 ### AI Prompt
 
 ```
-你是一个技能匹配助手。给定岗位要求的技能标签列表和用户简历信息，判断用户简历中未覆盖的技能。
+你是一个技能匹配助手。给定岗位要求的技能标签列表和用户简历信息，找出用户简历中未覆盖的技能并生成差距说明。
 
 【岗位技能标签】
 {skill_tags}
@@ -97,10 +100,15 @@
 
 规则：
 1. 逐个判断岗位技能标签，用户简历中是否体现了该技能（包括直接提及、经历中隐含的技能）
-2. 只输出用户简历未覆盖的技能，必须是岗位技能标签的子集，原文输出不要修改
+2. 只针对未覆盖的技能输出差距条目，已覆盖的技能不输出
-3. 返回 JSON 数组格式，如：["Python", "SQL"]
+3. 每个差距条目包含三个字段：
-4. 如果全部覆盖，返回空数组 []
+   - keyword：缺失的技能，必须是岗位技能标签中的原文，不要修改
-5. 只返回 JSON 数组，不要其他内容
+   - title：差距点的简短标题，不超过 12 个字（例如"缺少 SQL 关键词"）
+   - description：结合岗位要求的一句说明或建议，不超过 30 个字
+4. 返回 JSON 数组格式，如：
+   [{"keyword": "SQL", "title": "缺少 SQL 关键词", "description": "岗位要求数据查询分析能力，简历未体现。"}]
+5. 如果全部覆盖，返回空数组 []
+6. 只返回 JSON 数组，不要其他内容
 ```
 
 ---
@@ -128,7 +136,7 @@
 
 - `resumeId`：以哪份简历为模板（来自差距分析返回的 resumeId，用户可能切换过简历）
 - `optimizeModules`：用户勾选要优化的模块，可选值：summary（个人概述）、skills（技能）、experience（过往经历）
-- `addSkills`：用户勾选要新增的技能关键词（来自差距分析的 missingSkills）
+- `addSkills`：用户勾选要新增的技能关键词（来自差距分析 gaps 的 keyword）
 
 ### 处理流程
 
@@ -383,7 +391,7 @@
 ### 1. 差距分析 Prompt
 
 ```
-你是一个技能匹配助手。给定岗位要求的技能标签列表和用户简历信息，判断用户简历中未覆盖的技能。
+你是一个技能匹配助手。给定岗位要求的技能标签列表和用户简历信息，找出用户简历中未覆盖的技能并生成差距说明。
 
 【岗位技能标签】
 {skill_tags}
@@ -393,10 +401,15 @@
 
 规则：
 1. 逐个判断岗位技能标签，用户简历中是否体现了该技能（包括直接提及、经历中隐含的技能）
-2. 只输出用户简历未覆盖的技能，必须是岗位技能标签的子集，原文输出不要修改
+2. 只针对未覆盖的技能输出差距条目，已覆盖的技能不输出
-3. 返回 JSON 数组格式，如：["Python", "SQL"]
+3. 每个差距条目包含三个字段：
-4. 如果全部覆盖，返回空数组 []
+   - keyword：缺失的技能，必须是岗位技能标签中的原文，不要修改
-5. 只返回 JSON 数组，不要其他内容
+   - title：差距点的简短标题，不超过 12 个字（例如"缺少 SQL 关键词"）
+   - description：结合岗位要求的一句说明或建议，不超过 30 个字
+4. 返回 JSON 数组格式，如：
+   [{"keyword": "SQL", "title": "缺少 SQL 关键词", "description": "岗位要求数据查询分析能力，简历未体现。"}]
+5. 如果全部覆盖，返回空数组 []
+6. 只返回 JSON 数组，不要其他内容
 ```
 
 ### 2. 定制简历 - summary 优化 Prompt

app/ai/skill_gap_analyzer/analyzer.py

@@ -28,17 +28,25 @@ _skill_gap_chain = (
 )
 
 
-async def analyze_skill_gap(skill_tags: list[str], resume_json: str) -> list[str]:
+async def analyze_skill_gap(skill_tags: list[str], resume_json: str) -> list[dict]:
-    """分析技能差距，返回缺失技能列表"""
+    """分析技能差距，返回差距条目列表 [{keyword, title, description}]，keyword 为缺失技能"""
     try:
         raw = await _skill_gap_chain.ainvoke({"skill_tags": str(skill_tags), "resume_json": resume_json})
         result = parse_llm_json(raw)
         if isinstance(result, list):
-            return [s for s in result if isinstance(s, str) and s in skill_tags]
+            return result
-        return skill_tags  # 解析异常降级：全部标记缺失
+        return _fallback_gaps(skill_tags)  # 解析异常降级：全部标记缺失
     except Exception as e:
         log.warning(f"AI技能差距分析失败: {e}")
-        return skill_tags  # 降级：全部标记缺失
+        return _fallback_gaps(skill_tags)  # 降级：全部标记缺失
+
+
+def _fallback_gaps(skill_tags: list[str]) -> list[dict]:
+    """降级：把全部岗位技能标记为缺失"""
+    return [
+        {"keyword": kw, "title": f"缺少{kw}", "description": "岗位要求该技能，简历暂未体现。"}
+        for kw in skill_tags
+    ]
 
 
 # ===== 定制简历 - summary 优化 =====

app/ai/skill_gap_analyzer/prompts.py

@@ -3,7 +3,7 @@
 注意：prompt 中的 JSON 示例花括号必须用 {{ }} 转义，避免被 ChatPromptTemplate 当作变量。
 """
 
-SKILL_GAP_PROMPT = """你是一个技能匹配助手。给定岗位要求的技能标签列表和用户简历信息，判断用户简历中未覆盖的技能。
+SKILL_GAP_PROMPT = """你是一个技能匹配助手。给定岗位要求的技能标签列表和用户简历信息，找出用户简历中未覆盖的技能并生成差距说明。
 
 【岗位技能标签】
 {skill_tags}
@@ -13,10 +13,15 @@ SKILL_GAP_PROMPT = """你是一个技能匹配助手。给定岗位要求的技
 
 规则：
 1. 逐个判断岗位技能标签，用户简历中是否体现了该技能（包括直接提及、经历中隐含的技能）
-2. 只输出用户简历未覆盖的技能，必须是岗位技能标签的子集，原文输出不要修改
+2. 只针对未覆盖的技能输出差距条目，已覆盖的技能不输出
-3. 返回 JSON 数组格式，如：["Python", "SQL"]
+3. 每个差距条目包含三个字段：
-4. 如果全部覆盖，返回空数组 []
+   - keyword：缺失的技能，必须是岗位技能标签中的原文，不要修改
-5. 只返回 JSON 数组，不要其他内容"""
+   - title：差距点的简短标题，不超过 12 个字（例如"缺少 SQL 关键词"）
+   - description：结合岗位要求的一句说明或建议，不超过 30 个字
+4. 返回 JSON 数组格式，如：
+   [{{"keyword": "SQL", "title": "缺少 SQL 关键词", "description": "岗位要求数据查询分析能力，简历未体现。"}}]
+5. 如果全部覆盖，返回空数组 []
+6. 只返回 JSON 数组，不要其他内容"""
 
 SUMMARY_OPTIMIZE_PROMPT = """你是一个简历优化助手。根据目标岗位信息，微调用户的个人概述。
 

app/services/skill_gap_service.py

@@ -79,19 +79,20 @@ class SkillGapService:
             return self._gap_result(10.0, job, detail.resume, [])
         # 4. 拼 AI 输入
         resume_json = _build_resume_json(detail)
-        # 5. AI 分析
+        # 5. AI 分析（返回差距条目 [{keyword, title, description}]）
-        missing = await analyze_skill_gap(skill_tags, resume_json)
+        gaps = await analyze_skill_gap(skill_tags, resume_json)
-        # 6. 计算匹配分
+        # 6. 计算匹配分（缺失技能 = 差距条目的 keyword）
-        score = round((len(skill_tags) - len(missing)) / len(skill_tags) * 10, 1)
+        missing_count = len(gaps)
-        return self._gap_result(score, job, detail.resume, missing)
+        score = round((len(skill_tags) - missing_count) / len(skill_tags) * 10, 1)
+        return self._gap_result(score, job, detail.resume, gaps)
 
     @staticmethod
-    def _gap_result(score: float, job: Job, resume: UserResume, missing: list[str]) -> dict:
+    def _gap_result(score: float, job: Job, resume: UserResume, gaps: list[dict]) -> dict:
         return {
             "score": score,
             "job": {"jobId": str(job.id), "title": job.title, "skillTags": job.skill_tags or []},
             "resume": {"resumeId": str(resume.id), "resumeName": resume.resume_name or "", "targetPosition": resume.target_position or ""},
-            "missingSkills": missing,
+            "gaps": gaps,
         }
 
     # ===== 生成定制简历 =====