添加岗位简历诊断

2026-04-09 18:22:10 +08:00
parent fd675e05cc
commit c001ba8146
11 changed files with 1487 additions and 10 deletions
@@ -0,0 +1,653 @@
+# 岗位简历技能差距分析 + 定制简历 — 完整方案
+
+## 一、需求概述
+
+三步流程：
+1. **差距分析**：根据岗位技能标签和用户简历，AI 判断缺失技能，纯计算匹配分
+2. **定制简历**：用户选择要优化的模块和要新增的技能，AI 生成优化后的简历内容
+3. **预览 + AI 对话编辑**：前端渲染定制简历，用户可通过 AI 对话继续编辑，用于投递时使用（不写回原简历）
+
+定制简历存 Redis，过期时间 12 小时，不落库。一个用户同时只有一份定制简历。
+
+---
+
+## 二、接口总览
+
+| 序号 | 路径 | 方法 | 说明 |
+|------|------|------|------|
+| 1 | `/api/job/skill-gap` | POST | 差距分析 |
+| 2 | `/api/job/customize-resume` | POST | 生成定制简历 |
+| 3 | `/api/job/customize-resume` | GET | 查询定制简历 |
+| 4 | `/api/job/customize-resume` | PUT | 手动编辑定制简历 |
+| 5 | `/api/job/customize-resume/rollback` | POST | 回滚定制简历 |
+| 6 | `/api/job/customize-resume/ai-edit` | POST | AI 对话式编辑定制简历 |
+
+---
+
+## 三、接口一：差距分析
+
+### 接口信息
+
+| 项目 | 值 |
+|------|-----|
+| 路径 | `POST /api/job/skill-gap` |
+| 入参 | `{ "jobId": Long }` |
+| 鉴权 | 需要登录态，从 token 取 userId |
+
+### 处理流程
+
+1. 从 token 取 userId
+2. 查简历（自动选择，不传 resumeId）：
+   - 先查 `bg_user_resume` 中 `user_id=userId AND is_default=1`，按 `update_time DESC` 取第一条
+   - 没有默认简历 → 查 `user_id=userId`，按 `update_time DESC` 取第一条
+   - 没有任何简历 → 报错"请先创建简历"
+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
+4. 查简历子表（拼 AI 输入）：
+   - `bg_user_resume_education`
+   - `bg_user_resume_work`
+   - `bg_user_resume_internship`
+   - `bg_user_resume_project`
+   - `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
+6. 计算匹配分：`score = (skill_tags总数 - missingSkills数) / skill_tags总数 × 10`，保留一位小数
+
+### 返回
+
+```json
+{
+  "score": 2.5,
+  "job": {
+    "jobId": "1234567890",
+    "title": "数据产品经理",
+    "skillTags": ["Python", "SQL", "项目管理", "团队协作", "数据分析", "跨部门沟通"]
+  },
+  "resume": {
+    "resumeId": "1234567890",
+    "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"]
+}
+```
+
+### 边界处理
+
+| 场景 | 处理 |
+|------|------|
+| 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 |
+| 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。
+
+【岗位技能标签】
+{skill_tags}
+
+【用户简历】
+{resume_json}
+
+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
+3. 返回 JSON 数组格式，如：["Python", "SQL"]
+4. 如果全部覆盖，返回空数组 []
+5. 只返回 JSON 数组，不要其他内容
+```
+
+---
+
+## 四、接口二：生成定制简历
+
+### 接口信息
+
+| 项目 | 值 |
+|------|-----|
+| 路径 | `POST /api/job/customize-resume` |
+| 入参 | 见下方 |
+| 鉴权 | 需要登录态，从 token 取 userId |
+
+### 入参
+
+```json
+{
+  "jobId": "Long",
+  "resumeId": "Long",
+  "optimizeModules": ["summary", "skills", "experience"],
+  "addSkills": ["Python", "SQL"]
+}
+```
+
+- `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）
+
+### 处理流程
+
+1. 查简历主表 + 所有子表（完整简历数据）
+2. 查岗位信息（title、description、requirement）
+3. 按用户选择的模块分别处理（各模块并发执行，最后合并）：
+
+**summary（个人概述）**：
+- 调 AI，根据岗位信息微调 summary，融入选中的技能关键词
+- 避免过度优化，保持原文风格，只做轻微润色
+
+**skills（技能）**：
+- 把 addSkills 追加到现有 skills 列表，不调 AI，纯内存操作
+
+**experience（过往经历）**：
+- 按子表（education/work/internship/project/competition）为单位，每个子表一个 AI 调用，传入该子表的完整数据
+- 让描述更贴合岗位方向，避免过度优化，基本保持原文不变
+- 不融入 addSkills，经历描述不硬塞技能关键词
+
+**addSkills 影响范围**：只影响 skills（直接追加）和 summary（自然融入），不影响 experience。
+
+**并发策略**：summary 优化 和 各子表优化 全部并发执行（asyncio.gather），skills 纯内存操作不需要等待。最终合并所有结果。
+
+4. 未勾选的模块保持原数据不动
+5. 组装完整的定制简历数据，存 Redis（key：`customize:resume:{userId}`，过期 12 小时，重新生成会覆盖）
+6. 返回成功标识，不返回简历数据（前端通过 GET 接口查询）
+
+### 返回
+
+```json
+{
+  "success": true
+}
+```
+
+说明：简历数据前端通过 `GET /api/job/customize-resume` 查询。子表记录的 id 使用随机 8 位字符串作为标识（从数据库查出时生成），不使用数据库原始 id。
+
+### 边界处理
+
+| 场景 | 处理 |
+|------|------|
+| 简历不存在 | 报错 |
+| 岗位不存在 | 报错 |
+| optimizeModules 为空 | 报错"请至少选择一个优化模块" |
+| AI 调用失败 | 该模块保持原数据不动，不影响其他模块 |
+
+---
+
+## 五、接口三：查询定制简历
+
+### 接口信息
+
+| 项目 | 值 |
+|------|-----|
+| 路径 | `GET /api/job/customize-resume` |
+| 入参 | 无 |
+| 鉴权 | 需要登录态，从 token 取 userId |
+
+### 处理流程
+
+1. 从 Redis 取定制简历数据（key：`customize:resume:{userId}`）
+2. 不存在 → 返回 null
+3. 返回完整简历 JSON
+
+---
+
+## 六、接口四：修改定制简历（手动编辑）
+
+### 接口信息
+
+| 项目 | 值 |
+|------|-----|
+| 路径 | `PUT /api/job/customize-resume` |
+| 入参 | 完整简历 JSON（整体覆盖） |
+| 鉴权 | 需要登录态，从 token 取 userId |
+
+### 处理流程
+
+1. 校验入参
+2. 整体覆盖 Redis 中的定制简历数据（key：`customize:resume:{userId}`）
+3. 刷新过期时间为 12 小时
+4. 不存在时也直接写入
+
+---
+
+## 七、接口五：回滚定制简历
+
+### 接口信息
+
+| 项目 | 值 |
+|------|-----|
+| 路径 | `POST /api/job/customize-resume/rollback` |
+| 入参 | 无 |
+| 鉴权 | 需要登录态，从 token 取 userId |
+
+### 处理流程
+
+1. 从 Redis 取回滚数据（key：`customize:resume:rollback:{userId}`）
+2. 不存在 → 报错"没有可回滚的版本"
+3. 用回滚数据覆盖当前定制简历（key：`customize:resume:{userId}`）
+4. 删除回滚数据
+5. 刷新定制简历过期时间为 12 小时
+
+---
+
+## 七、接口五：AI 对话式编辑定制简历
+
+### 接口信息
+
+| 项目 | 值 |
+|------|-----|
+| 路径 | `POST /api/job/customize-resume/ai-edit` |
+| 入参 | 见下方 |
+| 鉴权 | 需要登录态，从 token 取 userId |
+
+### 入参
+
+```json
+{
+  "jobId": "Long",
+  "instruction": "精简一下第一段工作经历",
+  "chatHistory": [
+    { "role": "user", "content": "优化描述" },
+    { "role": "assistant", "content": "你想优化哪一部分？" }
+  ]
+}
+```
+
+- `instruction`：用户当前输入的指令
+- `chatHistory`：之前的对话历史，前端维护，每次请求带上
+
+### 消息类型
+
+返回两种消息类型：
+
+**message（普通对话）**：AI 追问、引导，不修改简历
+```json
+{
+  "type": "message",
+  "message": "你想优化哪一部分的描述？是最新的实习还是所有工作经历？"
+}
+```
+
+**updated（修改通知）**：AI 修改了简历，返回新版本
+```json
+{
+  "type": "updated",
+  "message": "完成！已更新：个人简介、技能、工作经验"
+}
+```
+
+### 处理流程（两步走）
+
+#### 第一步：准备数据
+
+1. 从 Redis 取当前定制简历（不存在则报错）
+2. 查 `bg_job` 拿 title、description
+
+#### 第二步：规划 AI（意图识别）
+
+输入：用户指令 + 对话历史 + 当前完整简历内容 + 岗位 title
+
+输出两种结果：
+
+**对话（指令不明确）**：
+```json
+{ "action": "chat", "message": "你想优化哪一部分？" }
+```
+→ 直接返回 `{ "type": "message", "message": "..." }`，结束。
+
+**修改计划（指令明确）**：
+```json
+{
+  "action": "modify",
+  "modules": [
+    { "module": "resume", "instruction": "在 summary 中融入数据分析技能，skills 添加 Python" },
+    { "module": "work", "instruction": "精简第一段工作经历，突出量化成果" }
+  ],
+  "updatedModulesLabel": "个人简介、工作经验"
+}
+```
+
+模块划分（按表结构，共 6 个）：
+
+| 模块名 | 对应表 | 可修改字段 |
+|--------|--------|-----------|
+| `resume` | `bg_user_resume` | avatarUrl、name、email、mobileNumber、city、wechatNumber、portfolioUrl、skills、certificates、summary |
+| `education` | `bg_user_resume_education` | 全部字段 |
+| `work` | `bg_user_resume_work` | 全部字段 |
+| `internship` | `bg_user_resume_internship` | 全部字段 |
+| `project` | `bg_user_resume_project` | 全部字段 |
+| `competition` | `bg_user_resume_competition` | 全部字段 |
+
+#### 第三步：按模块并发执行修改
+
+根据修改计划，对每个模块并发调 AI（asyncio.gather）：
+- 每个模块传入该模块的完整数据（如 work 传 `[{工作1}, {工作2}]` 整体）
+- AI 返回修改后的该模块完整数据
+- 所有模块统一走 AI，包括 skills 等简单操作（因为需要 AI 理解用户自然语言指令）
+
+#### 第四步：合并
+
+- AI 调用失败的模块保持原数据不动
+- 成功的模块直接用 AI 返回结果替换
+
+把所有模块结果合并回完整简历。
+
+#### 第五步：保存 + 返回
+
+1. 当前简历存为回滚数据（key：`customize:resume:rollback:{userId}`，过期 30 分钟）
+2. 新简历覆盖 Redis（key：`customize:resume:{userId}`），刷新过期时间 12 小时
+3. 返回 `type: updated` + 消息（前端通过 GET 接口查询新简历，通过回滚接口恢复）
+
+### description 字段处理
+
+子表的 description 字段格式为 `[{id, text}, {id, text}]`，AI 操作规则（通过 prompt 约束）：
+- **修改**：保留原 id，只改 text
+- **新增**：AI 自行生成随机 8 位字符串作为 id
+- **删除**：直接从数组中移除
+
+不做后端校验，完全依靠 prompt 约束 AI 行为。
+
+### 边界处理
+
+| 场景 | 处理 |
+|------|------|
+| 定制简历不存在 | 报错"定制简历不存在，请先生成" |
+| 规划 AI 失败 | 返回 `type: message`，提示重试 |
+| 某个模块修改 AI 失败 | 该模块保持原数据，其他模块正常返回 |
+
+---
+
+## 八、AI Prompt 汇总
+
+### 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。
+
+【岗位技能标签】
+{skill_tags}
+
+【用户简历】
+{resume_json}
+
+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
+3. 返回 JSON 数组格式，如：["Python", "SQL"]
+4. 如果全部覆盖，返回空数组 []
+5. 只返回 JSON 数组，不要其他内容
+```
+
+### 2. 定制简历 - summary 优化 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。
+
+【目标岗位】
+{job_title}
+
+【需要融入的技能关键词】
+{add_skills}
+
+【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. 只做轻微润色，让概述更贴合目标岗位方向
+3. 自然融入需要新增的技能关键词，不要生硬堆砌
+4. 避免过度优化，改动越少越好
+5. 直接输出优化后的文本，不要其他内容
+```
+
+### 3. 定制简历 - experience 优化 Prompt
+
+```
+你是一个简历优化助手。根据目标岗位信息，微调用户的经历描述。
+
+【目标岗位】
+{job_title}
+{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. 让描述更贴合目标岗位方向，但不要编造内容
+3. 避免过度优化，改动越少越好
+4. description 字段是 [{id, text}] 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）
+```
+
+### 4. Agent - 规划 Prompt
+
+```
+你是一个简历编辑助手。分析用户的指令，决定需要修改简历的哪些模块。
+
+【目标岗位】
+{job_title}
+
+【当前简历】
+{resume_json}
+
+【对话历史】
+{chat_history}
+
+【用户指令】
+{instruction}
+
+如果用户指令明确，返回修改计划 JSON：
+{"action": "modify", "modules": [{"module": "模块名", "instruction": "具体修改要求"}], "updatedModulesLabel": "中文模块名列表"}
+
+如果用户指令不明确或需要澄清，返回对话 JSON：
+{"action": "chat", "message": "你的追问内容"}
+
+模块名可选：
+- resume：主表（个人信息，包含 name、email、mobileNumber、city、wechatNumber、portfolioUrl、skills、certificates、summary、avatarUrl）
+- education：教育经历
+- work：工作经历
+- internship：实习经历
+- project：项目经历
+- competition：竞赛经历
+只返回 JSON，不要其他内容。
+```
+
+### 5. Agent - 模块修改 Prompt
+
+```
+你是一个简历编辑助手。根据修改要求，修改简历的指定模块。
+
+【目标岗位】
+{job_title}
+
+【修改要求】
+{module_instruction}
+
+【模块数据结构】
+{module_schema}
+
+【当前模块数据】
+{module_data}
+
+规则：
+1. 严格按照修改要求操作，可以增删改
+2. 未要求修改的记录保持不变
+3. 不要编造用户简历中不存在的内容
+4. 保持原文格式和结构
+5. description 字段是 [{id, text}] 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，删除段落直接从数组中移除
+6. 新增记录时按照模块数据结构生成完整字段，id 使用随机8位字符串
+7. 返回修改后的完整模块数据（JSON 格式，与输入格式一致）
+```
+
+### 各模块数据结构定义（传入 prompt 的 module_schema）
+
+**resume（主表）**：
+```json
+{ "avatarUrl": "string", "name": "string", "email": "string", "mobileNumber": "string", "city": "string", "wechatNumber": "string", "portfolioUrl": "string", "skills": ["string"], "certificates": ["string"], "summary": "string" }
+```
+
+**education**：
+```json
+[{ "id": "string(8位)", "school": "string", "major": "string", "degree": "大专/本科/硕士/博士", "studyType": "全日制/非全日制", "startDate": "2023.09", "endDate": "2024.06", "description": [{"id": "string(8位)", "text": "string"}] }]
+```
+
+**work**：
+```json
+[{ "id": "string(8位)", "companyName": "string", "position": "string", "startDate": "2023.06", "endDate": "2023.09", "description": [{"id": "string(8位)", "text": "string"}] }]
+```
+
+**internship**：
+```json
+[{ "id": "string(8位)", "companyName": "string", "position": "string", "startDate": "2023.06", "endDate": "2023.09", "description": [{"id": "string(8位)", "text": "string"}] }]
+```
+
+**project**：
+```json
+[{ "id": "string(8位)", "companyName": "string", "projectName": "string", "role": "string", "startDate": "2023.06", "endDate": "2023.09", "description": [{"id": "string(8位)", "text": "string"}] }]
+```
+
+**competition**：
+```json
+[{ "id": "string(8位)", "competitionName": "string", "award": "string", "awardDate": "2023.07", "description": [{"id": "string(8位)", "text": "string"}] }]
+```
+
+---
+
+## 九、Redis 设计
+
+### Key 格式
+
+- 定制简历：`customize:resume:{userId}`
+- 回滚数据：`customize:resume:rollback:{userId}`
+
+### Value 结构
+
+```python
+class CustomizeResume:
+    """定制简历缓存结构"""
+    resume: ResumeProfile          # 主表信息
+    education: list[Education]     # 教育经历
+    work: list[Work]               # 工作经历
+    internship: list[Internship]   # 实习经历
+    project: list[Project]         # 项目经历
+    competition: list[Competition] # 竞赛经历
+
+class ResumeProfile:
+    """主表可修改字段"""
+    avatarUrl: str
+    name: str
+    email: str
+    mobileNumber: str
+    city: str
+    wechatNumber: str
+    portfolioUrl: str
+    skills: list[str]
+    certificates: list[str]
+    summary: str
+
+class Education:
+    id: str                        # 随机8位标识
+    school: str
+    major: str
+    degree: str                    # 大专/本科/硕士/博士
+    studyType: str                 # 全日制/非全日制
+    startDate: str                 # 格式：2023.09
+    endDate: str                   # 格式：2024.06
+    description: list[Paragraph]
+
+class Work:
+    id: str
+    companyName: str
+    position: str
+    startDate: str
+    endDate: str
+    description: list[Paragraph]
+
+class Internship:
+    id: str
+    companyName: str
+    position: str
+    startDate: str
+    endDate: str
+    description: list[Paragraph]
+
+class Project:
+    id: str
+    companyName: str
+    projectName: str
+    role: str
+    startDate: str
+    endDate: str
+    description: list[Paragraph]
+
+class Competition:
+    id: str
+    competitionName: str
+    award: str
+    awardDate: str                 # 格式：2023.07
+    description: list[Paragraph]
+
+class Paragraph:
+    id: str                        # 随机8位标识
+    text: str
+```
+
+定制简历和回滚数据使用相同的 `CustomizeResume` 结构。代码实现时使用 Pydantic model，存取 Redis 通过 `model_dump_json()` / `model_validate_json()`。
+
+### 常量
+
+```python
+CUSTOMIZE_RESUME_KEY_PREFIX = "customize:resume:"
+CUSTOMIZE_RESUME_EXPIRE = 12 * 60 * 60       # 12小时
+CUSTOMIZE_RESUME_ROLLBACK_KEY_PREFIX = "customize:resume:rollback:"
+CUSTOMIZE_RESUME_ROLLBACK_EXPIRE = 30 * 60    # 30分钟
+```
+
+### 过期时间
+
+- 定制简历：12 小时，每次写入/修改时刷新
+- 回滚数据：30 分钟，每次 AI 编辑时覆盖
+
+---
+
+## 十、数据依赖
+
+| 表 | 读写 | 用途 |
+|----|------|------|
+| `bg_job` | 读 | 取岗位信息（title、description、requirement、skill_tags） |
+| `bg_user_resume` | 读 | 取简历主表数据 |
+| `bg_user_resume_education` | 读 | 取教育经历 |
+| `bg_user_resume_work` | 读 | 取工作经历 |
+| `bg_user_resume_internship` | 读 | 取实习经历 |
+| `bg_user_resume_project` | 读 | 取项目经历 |
+| `bg_user_resume_competition` | 读 | 取竞赛经历 |
+| Redis | 写/读 | 存取定制简历，过期 12 小时 |
+
+无新建表，无数据库写操作。
+
+---
+
+## 十一、文件规划
+
+### 新建文件
+
+| 文件 | 职责 |
+|------|------|
+| `app/models/job.py` | Job 表 ORM 模型（bg_job，只读） |
+| `app/core/schemas/skill_gap.py` | Pydantic Schema（请求参数 Param + 响应 Dto + Redis 缓存模型 CustomizeResume） |
+| `app/ai/skill_gap_analyzer/__init__.py` | 模块初始化 |
+| `app/ai/skill_gap_analyzer/prompts.py` | 所有 AI prompt 模板 |
+| `app/ai/skill_gap_analyzer/analyzer.py` | AI 调用逻辑（差距分析 + 定制简历优化 + Agent 规划/执行） |
+| `app/services/skill_gap_service.py` | 业务逻辑层（含 Redis 常量、简历查询、Redis 读写） |
+| `app/api/skill_gap.py` | 路由层（6 个接口） |
+
+### 修改文件
+
+| 文件 | 改动 |
+|------|------|
+| `app/main.py` | 注册 skill_gap 路由 |
@@ -35,14 +35,18 @@ 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_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）
-    │       └─ diagnoser.py           # AI 并行诊断（diagnose_all 入口 + generate_summary 汇总评价 + polish_content 润色优化）
+    │   ├─ 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）
+    │   │   └─ diagnoser.py           # AI 并行诊断（diagnose_all 入口 + generate_summary 汇总评价 + polish_content 润色优化）
+    │   └─ 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/执行 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 + Agent模块修改）
    │
    ├─ api/                       # **路由层**（REST API 接口）
    │   ├─ health.py              # 健康检查接口 GET /health/
    │   ├─ resume.py              # 简历接口 POST /resume/upload（上传文件AI解析）
-    │   └─ resume_diagnose.py     # 简历诊断接口（POST 触发诊断 / GET 查询报告 / PUT 标记处理+用户评价 / POST 润色优化）
+    │   ├─ resume_diagnose.py     # 简历诊断接口（POST 触发诊断 / GET 查询报告 / PUT 标记处理+用户评价 / POST 润色优化）
+    │   └─ skill_gap.py           # 技能差距分析 + 定制简历接口（差距分析 / 生成定制简历 / 查询 / 编辑 / 回滚 / AI对话编辑）
    │
    ├─ models/                    # **ORM 模型层**（SQLAlchemy 声明式映射）
    │   ├─ func_permission.py             # 功能权限定义表（bg_func_permission）
@@ -55,16 +59,21 @@ offerpie_python_ai/
    │   ├─ user_resume_project.py         # 简历-项目经历表（bg_user_resume_project）
    │   ├─ user_resume_competition.py     # 简历-竞赛经历表（bg_user_resume_competition）
    │   ├─ resume_diagnosis_report.py     # 简历诊断报告表（bg_resume_diagnosis_report）
-    │   └─ resume_diagnosis_issue.py      # 简历诊断问题表（bg_resume_diagnosis_issue）
+    │   ├─ resume_diagnosis_issue.py      # 简历诊断问题表（bg_resume_diagnosis_issue）
+    │   └─ job.py                         # 岗位表（bg_job，只读，用于技能差距分析）
    │
    ├─ tool/                      # **工具层**（无状态、无业务依赖的通用工具）
    │   ├─ file_parser.py             # 文件解析工具（PDF/Word/TXT → 纯文本，parse_to_text 入口方法）
    │   └─ snowflake.py               # 雪花 ID 生成工具（next_id）
    │
+    ├─ schemas/                   # **Schema 层**（Pydantic 请求/响应/缓存模型）
+    │   └─ skill_gap.py               # 技能差距分析 Schema（SkillGapParam、CustomizeResumeParam、AiEditParam、CustomizeResume 等）
+    │
    └─ 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_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）
+        ├─ 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/查询/编辑/回滚→AI对话编辑）
 ```

 ## 2️⃣ 各层模块职责
@@ -72,11 +81,11 @@ 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、`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）、`resume_diagnoser/`（简历诊断：并行诊断各模块描述 + 汇总评价） |
-| **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） |
-| **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` |
+| **ai** | AI 模型管理 + 业务 AI 能力 | `LLM` 枚举、`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 规划/执行） |
+| **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 + 定制简历） |
+| **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） |
 | **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） |
-| **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） |
+| **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/查询/编辑/回滚→AI对话编辑） |

 ## 3️⃣ 技术栈
 | 类别 | 技术选型 | 说明 |