offerpai/offerpai_python_ai
6
0
Fork 0
Code Issues Packages Projects Releases Wiki Activity

修改简历上传为多路上传

Browse Source
This commit is contained in:
zk
2026-04-03 11:20:17 +08:00
parent e82159278a
commit 7ac1e723a4
6 changed files with 164 additions and 122 deletions
Download Patch File Download Diff File Expand all files Collapse all files
.kiro/steering/项目结构说明.md
+5 -2
View File
@@ -31,7 +31,10 @@ offerpie_python_ai/
│ └─ responses.py # 统一响应模型 StandardResponse（code/msg/data/timestamp/uuid）
│
├─ ai/ # **AI 能力层**
│ └─ models.py # LLM 模型枚举（LLM.DOUBAO_PRO_256K、DEEPSEEK_V3、GPT_4O 等），基于 LangChain ChatOpenAI
│ ├─ models.py # LLM 模型枚举（LLM.DOUBAO_PRO_256K、DEEPSEEK_V3、GPT_4O 等），基于 LangChain ChatOpenAI
│ └─ 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）
│
├─ api/ # **路由层**（REST API 接口）
│ ├─ health.py # 健康检查接口 GET /health/
@@ -62,7 +65,7 @@ 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，封装多供应商 LLM 实例创建，基于 LangChain ChatOpenAI | `LLM` 枚举（火山引擎：doubao/deepseek，心缘：gpt-4o/claude） |
| **ai** | AI 模型管理 + 业务 AI 能力 | `LLM` 枚举、`resume_extractor/`（简历并行提取：5路 AI 同时提取个人信息/教育/工作+实习/项目/竞赛） |
| **api** | REST API 路由定义 | `health.py`（健康检查）、`resume.py`（简历上传解析） |
| **models** | SQLAlchemy ORM 模型，与 Java 端共享同一数据库 | `FuncPermission`、`UserFuncPermissionStock`、`UserFuncUsageLog`、`UserResume`、`UserResumeEducation`/`Work`/`Internship`/`Project`/`Competition` |
| **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）、`snowflake.py`（雪花ID生成） |
app/ai/models.py
+3 -3
View File
@@ -22,9 +22,8 @@ class LLM(Enum):
"""所有可用模型，每个枚举值 = (模型名, api_key函数, base_url函数)"""
# 火山引擎
DOUBAO_PRO_256K = ("doubao-pro-256k", *_VOLCENGINE)
DOUBAO_PRO_32K = ("doubao-pro-32k", *_VOLCENGINE)
DOUBAO_LITE_128K = ("doubao-lite-128k", *_VOLCENGINE)
DOUBAO_PRO_32K = ("doubao-1-5-pro-32k-250115", *_VOLCENGINE)
DEEPSEEK_V3 = ("deepseek-v3-250324", *_VOLCENGINE)
DEEPSEEK_R1 = ("deepseek-r1-250528", *_VOLCENGINE)
DOUBAO_SEED_LITE = ("doubao-seed-2-0-lite-260215", *_VOLCENGINE)
@@ -34,6 +33,7 @@ class LLM(Enum):
GPT_4O = ("gpt-4o", *_CARDIAC)
GPT_4O_MINI = ("gpt-4o-mini", *_CARDIAC)
CLAUDE_SONNET_4 = ("claude-sonnet-4-20250514", *_CARDIAC)
GEMINI_FLASH = ("gemini-2.5-flash", *_CARDIAC)
def __init__(self, model_name: str, api_key_fn, base_url_fn):
self.model_name = model_name
app/ai/resume_extractor/__init__.py
+1
View File
@@ -0,0 +1 @@
app/ai/resume_extractor/extractor.py
+61
View File
@@ -0,0 +1,61 @@
"""简历并行提取：将完整简历文本拆分为5个AI任务并行提取"""
import asyncio
from langchain_core.output_parsers import JsonOutputParser
from langchain_core.prompts import ChatPromptTemplate
from app.ai.models import LLM
from app.ai.resume_extractor.prompts import (
PROFILE_PROMPT, EDUCATION_PROMPT, WORK_PROMPT,
PROJECT_PROMPT, COMPETITION_PROMPT,
)
from app.core.logger import log
def _build_chain(prompt: str):
"""构建单个提取链：prompt → LLM → JSON解析"""
return (
ChatPromptTemplate.from_messages([("system", prompt), ("human", "{text}")])
| LLM.DOUBAO_PRO_32K.create(temperature=0)
| JsonOutputParser()
)
# 5 条独立的提取链
_profile_chain = _build_chain(PROFILE_PROMPT)
_education_chain = _build_chain(EDUCATION_PROMPT)
_work_chain = _build_chain(WORK_PROMPT)
_project_chain = _build_chain(PROJECT_PROMPT)
_competition_chain = _build_chain(COMPETITION_PROMPT)
async def extract_all(text: str) -> dict:
"""asyncio.gather 并行提取简历所有模块，返回合并后的结构化数据"""
log.info("开始5路并行AI提取")
inp = {"text": text}
profile, education, work_intern, project, competition = await asyncio.gather(
_safe_invoke(_profile_chain, inp, "个人信息"),
_safe_invoke(_education_chain, inp, "教育经历"),
_safe_invoke(_work_chain, inp, "工作+实习经历"),
_safe_invoke(_project_chain, inp, "项目经历"),
_safe_invoke(_competition_chain, inp, "竞赛经历"),
)
result = profile if isinstance(profile, dict) else {}
result["education"] = education if isinstance(education, list) else []
result["work"] = work_intern.get("work", []) if isinstance(work_intern, dict) else []
result["internship"] = work_intern.get("internship", []) if isinstance(work_intern, dict) else []
result["project"] = project if isinstance(project, list) else []
result["competition"] = competition if isinstance(competition, list) else []
return result
async def _safe_invoke(chain, inp: dict, label: str):
"""单个链调用，失败返回空"""
try:
return await chain.ainvoke(inp)
except Exception as e:
log.warning(f"AI提取[{label}]失败: {e}")
return {} if "个人信息" in label else []
app/ai/resume_extractor/prompts.py
+79
View File
@@ -0,0 +1,79 @@
"""简历各模块提取的 System Prompt
注意：prompt 中的 JSON 示例花括号必须用 {{ }} 转义，避免被 ChatPromptTemplate 当作变量。
"""
PROFILE_PROMPT = """从简历文本中仅提取个人基本信息，原文提取不要改写，输出JSON：
```json
{{
"name": "姓名",
"email": "邮箱",
"mobileNumber": "手机号",
"city": "所在城市",
"wechatNumber": "微信号",
"portfolioUrl": "作品集链接",
"skills": ["技能1"],
"certificates": ["证书1"],
"summary": "个人概述原文"
}}
```
规则：只提取个人信息，不提取经历内容。summary只填"自我评价/个人概述"原文。没有的填null，数组填[]。只输出JSON。"""
EDUCATION_PROMPT = """从简历文本中仅提取教育经历，原文提取不要改写，输出JSON数组：
```json
[{{
"school": "学校",
"major": "专业",
"degree": "学历",
"studyType": "全日制/非全日制",
"startDate": "2020.09",
"endDate": "2024.06",
"description": ["原文段落"]
}}]
```
规则：只提取教育经历，不提取工作/实习/项目/竞赛。时间格式YYYY.MM。没有输出[]。只输出JSON。"""
WORK_PROMPT = """从简历文本中仅提取工作经历和实习经历，原文提取不要改写，输出JSON：
```json
{{
"work": [{{
"companyName": "公司",
"position": "职位",
"startDate": "2024.07",
"endDate": "2025.03",
"description": ["原文段落"]
}}],
"internship": [{{
"companyName": "公司",
"position": "职位",
"startDate": "2023.06",
"endDate": "2023.09",
"description": ["原文段落"]
}}]
}}
```
规则：标注"实习"的归internship，其余归work。不提取项目/教育/竞赛。时间格式YYYY.MM。没有填[]。只输出JSON。"""
PROJECT_PROMPT = """从简历文本中仅提取项目经历，原文提取不要改写，输出JSON数组：
```json
[{{
"companyName": "所属公司",
"projectName": "项目名",
"role": "角色名称（如：后端开发、项目经理、前端工程师，只填角色名不填职责描述）",
"startDate": "2023.03",
"endDate": "2023.12",
"description": ["原文段落"]
}}]
```
规则：只提取项目经历，不提取工作/实习/教育/竞赛。role只填简短角色名，职责内容放description。时间格式YYYY.MM。没有输出[]。只输出JSON。"""
COMPETITION_PROMPT = """从简历文本中仅提取竞赛/获奖经历，原文提取不要改写，输出JSON数组：
```json
[{{
"competitionName": "竞赛名",
"award": "获奖情况",
"awardDate": "2023.07",
"description": ["原文段落"]
}}]
```
规则：只提取竞赛获奖，不提取其他经历。时间格式YYYY.MM。没有输出[]。只输出JSON。"""
app/services/resume_parse_service.py
+15 -117
View File
@@ -1,18 +1,16 @@
"""简历解析 Service
上传简历文件 → 解析为纯文本 → AI 结构化 → 写入数据库。
依赖：file_parser（文件解析工具）、LLM（AI模型）
上传简历文件 → 解析为纯文本 → AI 并行结构化 → 写入数据库。
依赖：file_parser（文件解析工具）、resume_extractor（AI并行提取）
使用表：bg_user_resume（主表）、bg_user_resume_education/work/internship/project/competition（5张子表）
"""
import asyncio
import json
import shortuuid
from langchain_core.messages import SystemMessage, HumanMessage
from sqlalchemy.ext.asyncio import AsyncSession
from app.ai.models import LLM
from app.ai.resume_extractor.extractor import extract_all
from app.core.logger import log
from app.models.user_resume import UserResume
from app.models.user_resume_competition import UserResumeCompetition
@@ -24,115 +22,26 @@ from app.tool.file_parser import parse_to_text
from app.tool.snowflake import next_id
_SYSTEM_PROMPT = """你是一个专业的简历解析助手。请将用户提供的简历纯文本解析为结构化JSON。
输出格式要求（严格按此JSON结构输出，不要输出任何其他内容）：
```json
{
"name": "姓名",
"email": "邮箱",
"mobileNumber": "手机号",
"city": "所在城市",
"wechatNumber": "微信号（如有）",
"portfolioUrl": "作品集链接（如有）",
"skills": ["技能1", "技能2"],
"certificates": ["证书1", "证书2"],
"summary": "个人概述/自我评价",
"education": [
{
"school": "学校名称",
"major": "专业",
"degree": "学历（大专/本科/硕士/博士）",
"studyType": "学习形式（全日制/非全日制）",
"startDate": "2020.09",
"endDate": "2024.06",
"description": ["描述段落1", "描述段落2"]
}
],
"work": [
{
"companyName": "公司名称",
"position": "职位",
"startDate": "2024.07",
"endDate": "2025.03",
"description": ["工作描述段落1", "工作描述段落2"]
}
],
"internship": [
{
"companyName": "公司名称",
"position": "实习职位",
"startDate": "2023.06",
"endDate": "2023.09",
"description": ["实习描述段落1"]
}
],
"project": [
{
"companyName": "所属公司（如有）",
"projectName": "项目名称",
"role": "担任角色",
"startDate": "2023.03",
"endDate": "2023.12",
"description": ["项目描述段落1"]
}
],
"competition": [
{
"competitionName": "竞赛名称",
"award": "获奖情况",
"awardDate": "2023.07",
"description": ["竞赛描述段落1"]
}
]
}
```
规则：
1. 时间格式统一为 YYYY.MM（如 2023.09），如果只有年份则写 YYYY.01
2. 没有的字段填 null，没有的数组填 []
3. description 是字符串数组，每个元素是一个描述段落
4. 区分工作经历和实习经历：明确标注"实习"的归入 internship，其余归入 work
5. 只输出 JSON，不要输出任何解释文字"""
class ResumeParseService:
async def parse_and_extract(self, filename: str, content: bytes) -> dict:
"""文件解析 + AI 结构化，不涉及数据库操作"""
# 1. 文件解析为纯文本（同步操作丢线程池）
"""文件解析 + AI 并行结构化，不涉及数据库操作"""
log.info(f"开始解析简历文件: {filename}")
text = await asyncio.to_thread(parse_to_text, filename, content)
if not text or not text.strip():
raise ValueError("文件内容为空，无法解析")
log.info(f"文件解析完成，文本长度: {len(text)}")
# 2. AI 结构化解析
log.info("开始AI结构化解析")
parsed = await self._ai_parse(text)
log.info("AI结构化解析完成")
log.info("开始AI并行结构化提取")
parsed = await extract_all(text)
log.info("AI并行结构化提取完成")
return parsed
async def _ai_parse(self, text: str) -> dict:
"""调用 AI 将纯文本解析为结构化 JSON"""
llm = LLM.DOUBAO_SEED_LITE.create(temperature=0)
messages = [SystemMessage(content=_SYSTEM_PROMPT), HumanMessage(content=text)]
response = await llm.ainvoke(messages)
# 提取 JSON（兼容 markdown 代码块包裹）
raw = response.content.strip()
if raw.startswith("```"):
raw = raw.split("\n", 1)[1] if "\n" in raw else raw[3:]
raw = raw.rsplit("```", 1)[0]
return json.loads(raw)
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()
# 主表
resume = UserResume(
session.add(UserResume(
id=resume_id, user_id=user_id,
resume_name=filename.rsplit(".", 1)[0],
target_position=None, is_default=0, sort_order=0,
@@ -141,59 +50,48 @@ class ResumeParseService:
wechat_number=parsed.get("wechatNumber"), portfolio_url=parsed.get("portfolioUrl"),
skills=parsed.get("skills") or [], certificates=parsed.get("certificates") or [],
summary=parsed.get("summary"),
)
session.add(resume)
))
# 教育经历
for i, edu in enumerate(parsed.get("education") or []):
session.add(UserResumeEducation(
id=next_id(), resume_id=resume_id, user_id=user_id,
school=edu.get("school"), major=edu.get("major"),
degree=edu.get("degree"), study_type=edu.get("studyType"),
start_date=edu.get("startDate"), end_date=edu.get("endDate"),
description=_to_description_paragraphs(edu.get("description")),
sort_order=i,
description=_to_paragraphs(edu.get("description")), sort_order=i,
))
# 工作经历
for i, work in enumerate(parsed.get("work") or []):
session.add(UserResumeWork(
id=next_id(), resume_id=resume_id, user_id=user_id,
company_name=work.get("companyName"), position=work.get("position"),
start_date=work.get("startDate"), end_date=work.get("endDate"),
description=_to_description_paragraphs(work.get("description")),
sort_order=i,
description=_to_paragraphs(work.get("description")), sort_order=i,
))
# 实习经历
for i, intern in enumerate(parsed.get("internship") or []):
session.add(UserResumeInternship(
id=next_id(), resume_id=resume_id, user_id=user_id,
company_name=intern.get("companyName"), position=intern.get("position"),
start_date=intern.get("startDate"), end_date=intern.get("endDate"),
description=_to_description_paragraphs(intern.get("description")),
sort_order=i,
description=_to_paragraphs(intern.get("description")), sort_order=i,
))
# 项目经历
for i, proj in enumerate(parsed.get("project") or []):
session.add(UserResumeProject(
id=next_id(), resume_id=resume_id, user_id=user_id,
company_name=proj.get("companyName"), project_name=proj.get("projectName"),
role=proj.get("role"),
start_date=proj.get("startDate"), end_date=proj.get("endDate"),
description=_to_description_paragraphs(proj.get("description")),
sort_order=i,
description=_to_paragraphs(proj.get("description")), sort_order=i,
))
# 竞赛经历
for i, comp in enumerate(parsed.get("competition") or []):
session.add(UserResumeCompetition(
id=next_id(), resume_id=resume_id, user_id=user_id,
competition_name=comp.get("competitionName"), award=comp.get("award"),
award_date=comp.get("awardDate"),
description=_to_description_paragraphs(comp.get("description")),
sort_order=i,
description=_to_paragraphs(comp.get("description")), sort_order=i,
))
await session.flush()
@@ -201,7 +99,7 @@ class ResumeParseService:
return resume_id
def _to_description_paragraphs(texts: list[str] | None) -> list[dict] | None:
def _to_paragraphs(texts: list[str] | None) -> list[dict] | None:
"""将字符串数组转为 [{id, text}] 格式的描述段落"""
if not texts:
return None