扩大技能提取限制

.kiro/steering/代码开发风格文档.md

@@ -102,10 +102,58 @@ inclusion: manual
 
 ## 异常处理
 
-- HTTP 异常使用 `raise HTTPException(status_code=xxx, detail="描述")`
+### 核心约定
-- 简单断言直接使用 Python `assert` 或 `if not ... raise`
+- 统一异常与全局处理器都集中在 `app/core/exceptions.py`，`main.py` 只调用一次 `register_exception_handlers(app)`
-- 不要 catch 后吞掉异常，交由全局异常处理器（`exceptions.py`）统一处理
+- **自定义异常一律 HTTP 500**，真实业务含义靠响应体里的 `code` 区分（前端拦截器读 `code`）
-- 全局异常处理器已注册：HTTP异常、验证异常、断言异常、未知异常
+- 抛异常时传一句具体原因（detail）即可，不用记错误码；不传就用类别名兜底
+  - `raise BizError("不支持的商品")` → msg = `业务异常[不支持的商品]`
+  - `raise BizError()` → msg = `业务异常`
+- **不要** catch 后吞掉异常，交由全局异常处理器统一处理
+
+### 自定义异常类（`app/core/exceptions.py`）
+业务代码优先抛下列语义化异常，不要直接 `raise HTTPException`：
+
+| 异常类 | code | 类别名 | 典型场景 |
+|--------|------|--------|----------|
+| `ParamError` | 4000 | 参数异常 | 入参缺失/非法、模型档位不支持 |
+| `AssertError` | 4100 | 断言异常 | 业务前置条件不满足（由 `Assert` 工具抛出） |
+| `BizError` | 4200 | 业务异常 | 资源不存在、限频、验证码、越权、会员校验 |
+| `CreditError` | 4300 | 扣费异常 | 余额不足、扣费失败（前端引导充值） |
+| `SysError` | 5000 | 系统异常 | 已知内部错误 / 上游模型调用失败（主动抛） |
+
+- 所有自定义异常继承 `AppError`，处理器只在基类上注册，靠继承链自动覆盖全部子类
+- 流式（SSE）场景用 `exc.to_event()` 输出 error 事件；上游异常包装用 `SysError.from_exc(exc)`
+- 兜底：未建模的异常由 `global_exception_handler` 统一按系统异常（code=5000）返回，dev 环境暴露细节，生产只回通用提示
+
+```python
+from app.core.exceptions import BizError, CreditError, ParamError
+
+if not resume:
+    raise BizError("简历不存在")
+if balance < cost:
+    raise CreditError("积分不足")
+if model not in ALLOWED:
+    raise ParamError(f"不支持的模型档位: {model}")
+```
+
+### 业务断言工具（`app/core/asserts.py`）
+前置条件校验优先用 `Assert` 工具类（风格参考 Spring `Assert`），条件不满足时抛 `AssertError`(code=4100)，**不要**再手写 `if not ... raise` 或裸 `assert`：
+
+```python
+from app.core.asserts import Assert
+
+Assert.not_none(user, "用户不存在")
+Assert.has_text(func_code, "功能编码不能为空")
+Assert.not_empty(items, "列表不能为空")
+Assert.gt(days, 0, "天数必须大于0")
+Assert.eq(status, 1, "状态不可用")
+```
+
+常用方法：`is_true` / `is_false` / `not_none` / `is_none` / `has_text` / `not_empty` / `gt` / `gte` / `lt` / `lte` / `eq` / `ne`
+
+### HTTPException
+- 仅在需要返回特定 HTTP 状态码的场景（如框架层、鉴权 401/403）使用 `raise HTTPException(status_code=xxx, detail="描述")`
+- 业务拒绝一律用上面的自定义异常，不要用 `HTTPException` 表达业务错误
 
 ## Redis 使用规范
 

.kiro/steering/项目结构说明.md

@@ -26,7 +26,8 @@ offerpie_python_ai/
     │   ├─ lifespan.py            # FastAPI 生命周期管理（启动初始化 DB/Redis，关闭释放资源）
     │   ├─ logger.py              # Loguru 日志配置（控制台+文件，自动注入 request_id/user_id）
     │   ├─ middleware.py           # 中间件注册（RequestID、JWT鉴权、登录拦截、请求日志、响应统一包装）
-    │   ├─ exceptions.py          # 全局异常处理器（HTTP异常、验证异常、断言异常、未知异常）
+    │   ├─ exceptions.py          # 统一异常定义 + 全局异常处理器（AppError/ParamError/BizError/CreditError/AssertError/SysError + HTTP/验证/断言/未知兜底）
+    │   ├─ asserts.py             # 业务断言工具类 Assert（风格参考 Spring Assert，条件不满足抛 AssertError code=4100）
     │   └─ schemas/
     │       └─ responses.py       # 统一响应模型 StandardResponse（code/msg/data/timestamp/uuid）
     │
@@ -103,7 +104,7 @@ offerpie_python_ai/
 | 层级 | 主要职责 | 关键类/文件 |
 |------|----------|-------------|
 | **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` |
+| **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、断言工具、统一响应 | `database.py`、`redis.py`、`auth.py`、`middleware.py`、`exceptions.py`（统一异常+全局处理器）、`asserts.py`（业务断言工具 `Assert`）、`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_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 + 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` |

app/ai/model_config.py

@@ -40,14 +40,14 @@ class NovaChatModel:
 
 class ResumeExtractorModel:
     """简历解析模块"""
-    # 简历结构化提取：两阶段并行提取简历文本为JSON结构
+    # 简历结构化提取：并行提取简历文本为JSON结构
-    PARSE = LLM.DOUBAO_PRO_32K.create(temperature=0)
+    PARSE = LLM.DEEPSEEK_V4_FLASH.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)
+    POLISH = LLM.DOUBAO_PRO_32K.create(temperature=0.2)
 
 
 class DiagnoserModel:

app/ai/nova_chat/prompts.py

@@ -3,7 +3,7 @@
 Nova 求职对话助手的 system prompt，根据用户意图自行选择回答策略。
 """
 
-SYSTEM_PROMPT = """你是 Nova，OfferPie 的 AI 求职助手。
+SYSTEM_PROMPT = """你是 Nova，Offer派 的 AI 求职助手。
 你现在是一个兼具客观、犀利的资深技术招聘专家。你的任务是帮候选人进行冷酷的岗位差距分析，而不是一味鼓励。
 
 【候选人简历】

app/ai/resume_extractor/extractor.py

@@ -1,13 +1,12 @@
 """简历两阶段并行提取
 
 第一阶段：5路并行提取主表短字段 + 各子表标识名（极快，输出极短）。
-第二阶段：N+1路并行提取每条子表记录的短字段 + description/summary 的「行号区间」。
+第二阶段：N+1路并行提取每条子表记录的短字段 + description，以及 profile 补充（skills/certificates/summary）。
-description/summary 不再由 AI 照抄原文，AI 只返回行号区间字符串，由代码从原文单元数组切片还原。
+description/summary 由 AI 直接按原文结构输出为字符串数组（不再返回行号区间），代码只做类型兜底与清理。
-最终组装为与原方案完全一致的 dict 结构（description 为 list[str]），上下游无感知。
+最终组装为与原方案一致的 dict 结构（description 为 list[str]，summary 为 str），上下游无感知。
 """
 
 import asyncio
-import re
 import time
 
 from langchain_core.output_parsers import StrOutputParser
@@ -43,78 +42,11 @@ async def _safe_invoke(chain, inp: dict, label: str):
         return None
 
 
-def _number_segments(segments: list[str]) -> str:
+def _clean_str_list(value) -> list[str]:
-    """将单元数组构造为带行号文本：每行 `[行号] 内容`，行号 0 开始"""
+    """将 AI 返回值规整为字符串数组：过滤非字符串与空白元素，去除首尾空白"""
-    return "\n".join(f"[{i}] {seg}" for i, seg in enumerate(segments))
+    if not isinstance(value, list):
-
-
-# 条目/序号行的起始特征：● ○ • · ▪ ■ ‣ ◆ 等项目符号，或 "1." "2、" "3，" "(4)" "①" 等序号。
-# 视觉行解析下，一条 bullet 常被折成多行；只有「条目起始行」才另起段落，其余行视为折行续接。
-_LIST_ITEM_RE = re.compile(
-    r"^\s*(?:"
-    r"[●○◦•·∙▪■□‣◆◇►▶*]"                    # 项目符号
-    r"|[-–—]\s"                                # 连字符 + 空格（markdown 风格）
-    r"|\d+\s*[.．、，)）]"                       # 阿拉伯数字 + 标点：1. / 2、 / 3，/ 4)
-    r"|[（(]\s*\d+\s*[）)]"                      # 括号数字：(1) （2）
-    r"|[①②③④⑤⑥⑦⑧⑨⑩⑪⑫⑬⑭⑮⑯⑰⑱⑲⑳]"          # 圈数字
-    r")"
-)
-
-
-def _split_into_paragraphs(lines: list[str]) -> list[str]:
-    """将一个行号区间内的多行拆分为段落列表：
-
-    - 以项目符号/序号开头的行 → 另起一个新段落；
-    - 其余行 → 视为上一段落的折行续接，直连拼接（无分隔符）。
-    这样即使 AI 把多条 bullet 塞进同一个区间，也能按条目正确换行。
-    """
-    paragraphs: list[str] = []
-    current = ""
-    for line in lines:
-        if not current:
-            current = line
-        elif _LIST_ITEM_RE.match(line):
-            paragraphs.append(current)
-            current = line
-        else:
-            current += line
-    if current:
-        paragraphs.append(current)
-    return [p for p in paragraphs if p.strip()]
-
-
-def _slice_ranges(range_str, segments: list[str]) -> list[str]:
-    """按行号区间字符串切片还原段落：逗号分段，段内按条目符号/折行拆分。
-
-    range_str 形如 "3-6,7-9" / "5"；非法或越界 token 静默跳过/clamp。
-    返回段落数组（每个逗号段可能因含多条 bullet 而进一步拆成多个段落）。
-    """
-    if not range_str or not isinstance(range_str, str):
         return []
-    n = len(segments)
+    return [s.strip() for s in value if isinstance(s, str) and s.strip()]
-    paragraphs: list[str] = []
-    for token in range_str.split(","):
-        token = token.strip()
-        if not token:
-            continue
-        if "-" in token:
-            a, _, b = token.partition("-")
-            a, b = a.strip(), b.strip()
-            if not a.isdigit() or not b.isdigit():
-                continue
-            start, end = int(a), int(b)
-        else:
-            if not token.isdigit():
-                continue
-            start = end = int(token)
-        if start > end:
-            start, end = end, start
-        start = max(0, start)
-        end = min(n - 1, end)
-        if start > n - 1:
-            continue
-        paragraphs.extend(_split_into_paragraphs(segments[start:end + 1]))
-    return paragraphs
 
 
 # ==================== 第一阶段：概览 ====================
@@ -126,9 +58,9 @@ _overview_project_chain = _build_chain(OVERVIEW_PROJECT_PROMPT)
 _overview_competition_chain = _build_chain(OVERVIEW_COMPETITION_PROMPT)
 
 
-async def _extract_overview(numbered_text: str) -> dict:
+async def _extract_overview(text: str) -> dict:
     """第一阶段：5路并行提取概览信息"""
-    inp = {"text": numbered_text}
+    inp = {"text": text}
     profile, edu_names, work_names, proj_names, comp_names = await asyncio.gather(
         _safe_invoke(_overview_profile_chain, inp, "概览-个人信息"),
         _safe_invoke(_overview_education_chain, inp, "概览-教育"),
@@ -160,20 +92,20 @@ _DETAIL_MODULES: tuple[tuple[str, str, str], ...] = (
 _SUB_MODULES: tuple[str, ...] = tuple(m[0] for m in _DETAIL_MODULES)
 
 
-async def _extract_detail(prompt_tpl: str, name: str, numbered_text: str, label: str) -> dict | None:
+async def _extract_detail(prompt_tpl: str, name: str, text: str, label: str) -> dict | None:
     """单条子表记录详情提取：用 name 替换 prompt 中的 {name}"""
     chain = _build_chain(prompt_tpl.replace("{name}", name))
-    return await _safe_invoke(chain, {"text": numbered_text}, label)
+    return await _safe_invoke(chain, {"text": text}, label)
 
 
-async def _extract_all_details(overview: dict, numbered_text: str) -> dict:
+async def _extract_all_details(overview: dict, text: str) -> dict:
     """第二阶段：根据概览结果，N+1路并行提取所有子表记录详情 + 个人信息补充"""
-    # 第 0 路固定为 profile 补充（skills/certificates/summaryRange），其余按子表记录展开
+    # 第 0 路固定为 profile 补充（skills/certificates/summary），其余按子表记录展开
-    tasks = [_extract_detail(DETAIL_PROFILE_PROMPT, "", numbered_text, "详情-个人信息补充")]
+    tasks = [_extract_detail(DETAIL_PROFILE_PROMPT, "", text, "详情-个人信息补充")]
     task_modules = ["profile_extra"]
     for module, prompt_tpl, label in _DETAIL_MODULES:
         for name in overview[module]:
-            tasks.append(_extract_detail(prompt_tpl, name, numbered_text, f"详情-{label}-{name}"))
+            tasks.append(_extract_detail(prompt_tpl, name, text, f"详情-{label}-{name}"))
             task_modules.append(module)
 
     results = await asyncio.gather(*tasks)
@@ -185,21 +117,20 @@ async def _extract_all_details(overview: dict, numbered_text: str) -> dict:
 
 # ==================== 组装 ====================
 
-def _assemble(overview: dict, details: dict, segments: list[str]) -> dict:
+def _assemble(overview: dict, details: dict) -> dict:
-    """将两阶段结果组装为与原方案一致的 dict 结构（description 还原为 list[str]）"""
+    """将两阶段结果组装为与原方案一致的 dict 结构（description 为 list[str]，summary 为 str）"""
     profile = overview["profile"]
     profile_extra = details.get("profile_extra", [{}])[0] if details.get("profile_extra") else {}
-    profile["skills"] = (profile_extra.get("skills") or [])[:5]
+    profile["skills"] = _clean_str_list(profile_extra.get("skills"))[:5]
-    profile["certificates"] = profile_extra.get("certificates") or []
+    profile["certificates"] = _clean_str_list(profile_extra.get("certificates"))
-    summary_paras = _slice_ranges(profile_extra.get("summaryRange"), segments)
+    summary_paras = _clean_str_list(profile_extra.get("summary"))
     profile["summary"] = "\n".join(summary_paras) if summary_paras else None
 
     result = dict(profile)
     for module in _SUB_MODULES:
         items = []
         for item in details.get(module, []):
-            item["description"] = _slice_ranges(item.get("descriptionRange"), segments)
+            item["description"] = _clean_str_list(item.get("description"))
-            item.pop("descriptionRange", None)
             items.append(item)
         result[module] = items
     return result
@@ -207,23 +138,21 @@ def _assemble(overview: dict, details: dict, segments: list[str]) -> dict:
 
 # ==================== 入口 ====================
 
-async def extract_all(segments: list[str]) -> dict:
+async def extract_all(text: str) -> dict:
     """两阶段并行提取简历，返回与原方案完全一致的结构化数据
 
-    segments: 文件解析后的「文本单元数组」（PDF按块/docx·txt按行）。
+    text: 简历纯文本全文（PyMuPDF/docx/txt 提取，保留原始换行）。
     """
-    numbered_text = _number_segments(segments)
-
     log.info("第一阶段：5路并行概览提取")
-    overview = await _extract_overview(numbered_text)
+    overview = await _extract_overview(text)
     log.info(
         "概览完成 - " + " ".join(f"{label}:{len(overview[module])}" for module, _, label in _DETAIL_MODULES)
     )
 
     total = sum(len(overview[m]) for m in _SUB_MODULES)
     log.info(f"第二阶段：{total + 1}路并行详情提取")
-    details = await _extract_all_details(overview, numbered_text)
+    details = await _extract_all_details(overview, text)
 
-    result = _assemble(overview, details, segments)
+    result = _assemble(overview, details)
     log.info("两阶段提取完成，数据组装完毕")
     return result

app/ai/resume_extractor/prompts.py

@@ -1,22 +1,38 @@
 """简历两阶段提取 Prompt
 
 第一阶段（概览）：5路并行，只提取主表短字段和子表标识名。
-第二阶段（详情）：N路并行，每条子表记录单独提取短字段；description/summary 不照抄原文，
+第二阶段（详情）：N路并行，每条子表记录单独提取短字段 + description/summary，
-                只返回「行号区间字符串」，由代码按行号从原文单元数组切片还原。
+                AI 直接输出内容（不再返回行号区间），按原文结构分条/分段还原。
 
-输入文本格式：每行形如 `[行号] 内容`，行号从 0 开始连续递增。
+输入文本格式：简历纯文本全文（PyMuPDF/docx/txt 提取，保留原始换行）。
 
-行号区间字符串格式：`"起-止,起-止"`，0 开始、闭区间（含两端）。
+description/summary 输出格式：字符串数组 list[str]，每个元素代表原文中的「一条 bullet / 一个段落」，
-  - 逗号分隔的每一段代表「一个段落」。
+  由前端按元素换行展示。规则：
-  - 单行可简写为 `"5"`（等价 `"5-5"`）。
+  - 忠实还原原文措辞，按原文的分条/分段拆成数组元素，一条 bullet 一个元素。
-  - 没有内容则返回空字符串 ""。
+  - 允许轻度清理：去除水印/页眉页脚/乱码碎片，把被 PDF 折断的同一句话拼回完整。
-  - 行号必须是上面输入文本中真实出现过的编号，严禁编造不存在的行号。
+  - 不主动改写、润色、扩写、编造内容；没有内容则返回空数组 []。
 
 各详情 prompt 通用铁律（防跨记录串扰/重复）：
-  - 只选取真正属于当前这条记录（{name}）本身的行；即使原文中相邻的行属于**另一条**记录
+  - 只选取真正属于当前这条记录（{name}）本身的内容；即使原文中相邻的内容属于**另一条**记录
     （另一家公司、另一个项目、另一段学历、校园/社团/实习/竞赛等），也**绝不纳入**。
-  - 同一段原文只应属于一条记录：不要为了描述完整而把其它记录已包含的行号再选一遍，避免多条记录重复引用同一段。
+  - 同一段原文只应属于一条记录：不要为了描述完整而把其它记录已包含的内容再抄一遍，避免多条记录重复。
-  - 宁可少选，不确定归属的行一律不选。
+  - 宁可少选，不确定归属的内容一律不选。
+
+模块归属总原则（防同一内容被多个模块重复收录）：
+  - 原文中的**每一段经历只能归属一个模块**。一条内容要么是工作、要么是实习、要么是项目、要么是竞赛，不能同时出现在两个模块。
+  - 工作/实习经历条目内部所描述的职责、成果、子项目，属于该**工作/实习**记录本身的描述，**不要**再把它们抽成独立的"项目"记录。
+  - 只有出现在**独立"项目/项目经历"板块**下、有自己标题的条目，才算项目记录。
+  - "做了作品/项目 + 参加比赛获奖"这类既像项目又像竞赛的条目（如机器人竞赛、创新创业大赛作品），**只归竞赛**，不要在项目里重复。
+
+description/summary 输出的**分条铁律**（必须遵守）：
+  - description 是**字符串数组**，原文中的**每一条 bullet / 每一个段落**各自作为**一个独立数组元素**。
+  - **严禁**把多条 bullet 合并进同一个元素；**严禁**用 " / "、"；"、"、"、换行符等把多条内容拼接成一个长字符串。
+  - 正例：["负责A模块开发", "主导B方案落地"]；反例（禁止）：["负责A模块开发 / 主导B方案落地"]。
+
+短字段准确性铁律：
+  - 时间：起止时间按原文如实填写，**开始时间不得晚于结束时间**，不要把起止写反；无法确定的填 null，不要臆造精确年月。
+  - 手机号：完整照抄，不要漏位、截断或改写（通常 11 位）；微信号只填到 wechatNumber，绝不当手机号。
+  - 角色/职位等：只填原文明确写出的，原文没有就填 null，**不要臆造或按常见值默认补全**。
 
 花括号用 {{ }} 转义，避免被 ChatPromptTemplate 当作变量。{name} 为运行时替换的记录标识名。
 """
@@ -24,34 +40,35 @@
 # ==================== 第一阶段：概览提取 ====================
 
 OVERVIEW_PROFILE_PROMPT = """严格根据简历原文提取，不要猜测或编造，没有的填null。
-输入为带行号的简历文本（每行 `[行号] 内容`）。从中仅提取个人基本信息（不含技能、证书、自我评价），输出JSON：
+输入为简历纯文本全文。从中仅提取个人基本信息（不含技能、证书、自我评价），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" }}
 ```
 规则：
 - 只提取以上6个字段，不提取skills/certificates/summary/经历。没有的填null。
 - name：填完整姓名，原文怎么写就怎么填，不要截断或只取一个字。
-- mobileNumber：只填手机号（通常11位数字）；微信号必须填到wechatNumber，绝不能把微信号当手机号。
+- mobileNumber：只填**一个**手机号（通常11位数字），若原文出现多个手机号只取第一个，绝不能把多个号码拼接或用逗号/顿号等连接填入；微信号必须填到wechatNumber，绝不能把微信号当手机号。
 - portfolioUrl：只填作品集/个人主页/GitHub 等链接。
 只输出JSON。"""
 
 OVERVIEW_EDUCATION_PROMPT = """严格根据简历原文提取，不要猜测或编造。
-输入为带行号的简历文本。从中提取所有**学历教育**经历的标识名列表，输出JSON数组：
+输入为简历纯文本全文。从中提取所有**学历教育**经历的标识名列表，输出JSON数组：
 ```json
 ["北京大学", "剑桥大学-哲学硕士", "剑桥大学-经济学士"]
 ```
 规则：
 1. 列出原文中每一个**实际就读或已获得学历**的**就读阶段**，不同阶段（本科/硕士/博士）分别列出，一段都不能漏。
 2. 每个标识必须**唯一**：若同一所学校有多个不同就读阶段（如本科、硕士），用「学校+学位」区分（如"剑桥大学-硕士""剑桥大学-本科"），避免重名导致后续混淆。
-3. **不要过度拆分**：
+3. **不要过度拆分**（这是最常见的错误，务必克制）：
-   - 联合培养、交换、访学、海外学期属于对应主学历就读的一部分，**并入该主学历那一条**，不要单列成独立教育记录。
+   - 联合培养、交换、访学、海外学期、双学位/主辅修，都属于对应主学历就读的一部分，**并入该主学历那一条**，不要单列成独立教育记录。
-   - 同一学校同一就读阶段的双学位/主辅修，算**一条**，不要拆成两条。
+   - 同一所学校**同一就读阶段**只能有一条，不要因为专业不同、学院不同、或原文重复出现就拆成/重复成多条。
+   - 一个人的教育条目数 = 其真实就读的学历阶段数（通常本科1条、硕士1条…），不要多。
 4. 仅"录取通知/offer/拟就读但尚未入学"的，**不算**教育经历，不要列入。
 5. 培训机构、实习/工作单位、科研机构、社团不算学历教育，不要列入。
 6. 没有输出[]。只输出JSON。"""
 
 OVERVIEW_WORK_PROMPT = """严格根据简历原文提取，不要猜测或编造。
-输入为带行号的简历文本。从中提取工作经历和实习经历的公司标识名列表，输出JSON：
+输入为简历纯文本全文。从中提取工作经历和实习经历的公司标识名列表，输出JSON：
 ```json
 {{ "work": ["阿里巴巴", "腾讯"], "internship": ["字节跳动"] }}
 ```
@@ -63,20 +80,21 @@ OVERVIEW_WORK_PROMPT = """严格根据简历原文提取，不要猜测或编造
 5. 没有填[]。只输出JSON。"""
 
 OVERVIEW_PROJECT_PROMPT = """严格根据简历原文提取，不要猜测或编造。
-输入为带行号的简历文本。从中仅提取项目经历的项目名称列表，输出JSON数组：
+输入为简历纯文本全文。从中仅提取项目经历的项目名称列表，输出JSON数组：
 ```json
 ["订单系统重构", "支付网关"]
 ```
 规则：
-1. 只提取作为**独立项目条目标题**出现的项目名（通常单独成行、常带"项目X："前缀或【】标题、并配有自己的起止时间/角色/描述）。
+1. 只提取出现在**独立"项目/项目经历"板块**下、有自己标题的项目条目（通常单独成行、常带"项目X："前缀或【】标题、并配有自己的起止时间/角色/描述）。
-2. **绝对不要**把出现在某段职责/产品描述句子内部、被"如/包括/例如/【】"等列举的功能点、模块、子功能当作项目（这些是描述内容，不是项目）。
+2. **绝对不要**把"工作经历/实习经历"条目内部描述的职责、成果、子项目当作独立项目——它们属于对应的工作/实习记录，不要在项目模块重复收录。
-3. **绝对不要**把社团/学生组织、校园活动、志愿服务、任职/职务、兴趣爱好当作项目——这些不是项目经历。
+3. **绝对不要**把出现在某段职责/产品描述句子内部、被"如/包括/例如/【】"等列举的功能点、模块、子功能当作项目（这些是描述内容，不是项目）。
-4. **绝对不要**把竞赛/比赛/大赛条目当作项目（如"XX大赛""挑战杯""创新创业大赛""职业规划大赛"等，以参赛/获奖为核心的条目）——这些归竞赛模块，即使参赛做了作品也不要在这里重复列。
+4. **绝对不要**把社团/学生组织、校园活动、志愿服务、任职/职务、兴趣爱好当作项目——这些不是项目经历。
-5. 同一个项目只列一次，不要因为它在工作经历里被提到就重复列。
+5. **绝对不要**把竞赛/比赛/大赛条目当作项目（如"XX大赛""挑战杯""创新创业大赛""职业规划大赛"等，以参赛/获奖为核心的条目，即使参赛做了作品）——这些归竞赛模块。
-6. 没有输出[]。只输出JSON。"""
+6. 同一个项目只列一次。
+7. 没有输出[]。只输出JSON。"""
 
 OVERVIEW_COMPETITION_PROMPT = """严格根据简历原文提取，不要猜测或编造。
-输入为带行号的简历文本。从中仅提取竞赛/获奖经历的竞赛名称列表，输出JSON数组：
+输入为简历纯文本全文。从中仅提取竞赛/获奖经历的竞赛名称列表，输出JSON数组：
 ```json
 ["ACM区域赛", "数学建模大赛"]
 ```
@@ -90,62 +108,63 @@ OVERVIEW_COMPETITION_PROMPT = """严格根据简历原文提取，不要猜测
 
 # ==================== 第二阶段：详情提取 ====================
 
-DETAIL_EDUCATION_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为带行号的简历文本（每行 `[行号] 内容`）。
+# 通用尾注：description 数组的输出规范 + 清理规范。各详情 prompt 复用。
+_DESC_RULE = """description 为字符串数组，**每个元素只装原文中的一条 bullet 或一个段落**：忠实还原原文措辞；**严禁把多条 bullet 合并进一个元素，严禁用 " / "、"；"、换行等符号把多条内容拼成一个长字符串**（正例 ["做了A","做了B"]；反例 ["做了A / 做了B"]）。允许轻度清理（去除水印/页眉页脚/乱码碎片、把被折断的同一句话拼回完整），但不要改写、润色、扩写或编造；没有描述则填[]。只选属于"{name}"这条记录的内容，不要串入其它公司/项目/教育/竞赛/社团经历的内容，即使它们在原文中相邻。只输出JSON。"""
+
+DETAIL_EDUCATION_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
 请提取"{name}"这条教育经历的详细信息，输出JSON：
 ```json
-{{ "school": "学校", "major": "专业", "degree": "学历", "studyType": "全日制/非全日制", "startDate": "2020.09", "endDate": "2024.06", "descriptionRange": "起-止,起-止" }}
+{{ "school": "学校", "major": "专业", "degree": "学历", "studyType": "全日制/非全日制", "startDate": "2020.09", "endDate": "2024.06", "description": ["描述段落1", "描述段落2"] }}
 ```
 规则：短字段直接填值，时间格式YYYY.MM，没有的填null。
-descriptionRange 只填该校**学业本身**的额外正文（主修课程、绩点/排名、在校获得的学术成就）所在行号区间；学校/专业/学历/时间已在上面字段提取，不要纳入。
+description 只填该校**学业本身**的额外正文（主修课程、绩点/排名、在校获得的学术成就）；学校/专业/学历/时间已在上面字段提取，不要纳入。
-**严禁纳入以下内容**（它们属于其它模块、会被单独提取，即使在原文中紧跟这条教育经历也不要选）：实习、工作、项目、社团/学生组织、校园活动、志愿服务、竞赛获奖、科研/论文经历。宁可少选，不确定是否属于本校学业的行一律不选；若无纯学业描述则填""。
+**严禁纳入以下内容**（它们属于其它模块、会被单独提取，即使在原文中紧跟这条教育经历也不要选）：实习、工作、项目、社团/学生组织、校园活动、志愿服务、竞赛获奖、科研/论文经历。宁可少选，不确定是否属于本校学业的内容一律不选。
-区间规则：0开始、闭区间，行号必须真实存在，排除明显的乱码/水印碎片行；同一段落被折成的连续多行用一个区间（如3-5，会拼接为一段），不同段落/每条bullet之间用逗号分开（如3-5,6,7-9，每个逗号段成为一个独立段落，不要把多条bullet塞进同一个区间）。只输出JSON。"""
+""" + _DESC_RULE
 
-DETAIL_WORK_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为带行号的简历文本（每行 `[行号] 内容`）。
+DETAIL_WORK_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
 请提取"{name}"这条工作经历的详细信息，输出JSON：
 ```json
-{{ "companyName": "公司", "position": "职位", "startDate": "2024.07", "endDate": "2025.03", "descriptionRange": "起-止,起-止" }}
+{{ "companyName": "公司", "position": "职位", "startDate": "2024.07", "endDate": "2025.03", "description": ["描述段落1", "描述段落2"] }}
 ```
 规则：短字段直接填值，时间格式YYYY.MM，在职/至今则 endDate 填null，没有的填null。
-descriptionRange 填直接描述该公司/岗位**整体职责或概述**的正文行号区间。若某段内容明显是某个**独立项目的明细**（且该项目会作为项目单独提取），不要纳入，避免与项目模块重复；但公司层面的职责概述应当保留，不要整条留空导致内容丢失。
+description 填直接描述该公司/岗位**整体职责或概述**的正文。若某段内容明显是某个**独立项目的明细**（且该项目会作为项目单独提取），不要纳入，避免与项目模块重复；但公司层面的职责概述应当保留，不要整条留空导致内容丢失。
-只选属于"{name}"这段经历的行，不要选到其它公司、其它项目、教育或校园经历的行，即使它们在原文中相邻。
+""" + _DESC_RULE
-区间规则：0开始、闭区间，行号必须真实存在，排除明显的乱码/水印碎片行；同一段落被折成的连续多行用一个区间（如3-5，会拼接为一段），不同段落/每条bullet之间用逗号分开（如3-5,6,7-9，每个逗号段成为一个独立段落，不要把多条bullet塞进同一个区间）。只输出JSON。"""
 
-DETAIL_INTERNSHIP_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为带行号的简历文本（每行 `[行号] 内容`）。
+DETAIL_INTERNSHIP_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
 请提取"{name}"这条实习经历的详细信息，输出JSON：
 ```json
-{{ "companyName": "公司", "position": "职位", "startDate": "2023.06", "endDate": "2023.09", "descriptionRange": "起-止,起-止" }}
+{{ "companyName": "公司", "position": "职位", "startDate": "2023.06", "endDate": "2023.09", "description": ["描述段落1", "描述段落2"] }}
 ```
 规则：短字段直接填值，时间格式YYYY.MM，至今则 endDate 填null，没有的填null。
-descriptionRange 填直接描述该公司/岗位**整体职责或概述**的正文行号区间。若某段内容明显是某个**独立项目的明细**（且该项目会作为项目单独提取），不要纳入，避免与项目模块重复；但岗位层面的职责概述应保留，不要整条留空导致内容丢失。
+description 填直接描述该公司/岗位**整体职责或概述**的正文。若某段内容明显是某个**独立项目的明细**（且该项目会作为项目单独提取），不要纳入，避免与项目模块重复；但岗位层面的职责概述应保留，不要整条留空导致内容丢失。
-只选属于"{name}"这段经历的行，不要选到其它公司、其它项目、教育或校园经历的行，即使它们在原文中相邻。
+""" + _DESC_RULE
-区间规则：0开始、闭区间，行号必须真实存在，排除明显的乱码/水印碎片行；同一段落被折成的连续多行用一个区间（如3-5，会拼接为一段），不同段落/每条bullet之间用逗号分开（如3-5,6,7-9，每个逗号段成为一个独立段落，不要把多条bullet塞进同一个区间）。只输出JSON。"""
 
-DETAIL_PROJECT_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为带行号的简历文本（每行 `[行号] 内容`）。
+DETAIL_PROJECT_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
 请提取"{name}"这条项目经历的详细信息，输出JSON：
 ```json
-{{ "companyName": "所属公司", "projectName": "项目名", "role": "角色名称", "startDate": "2023.03", "endDate": "2023.12", "descriptionRange": "起-止,起-止" }}
+{{ "companyName": "所属公司", "projectName": "项目名", "role": "角色名称", "startDate": "2023.03", "endDate": "2023.12", "description": ["描述段落1", "描述段落2"] }}
 ```
 规则：短字段直接填值，时间格式YYYY.MM，没有的填null。
 role 只填原文中**明确写出**的简短角色名；若原文没有写明该项目的角色，填null，**不要臆造或默认**（如不要凭空填"Developer""开发工程师""团队成员"）。
-descriptionRange 填该项目描述所在的行号区间，没有描述填""。只选属于"{name}"这个项目的行，不要串入其它项目、所属公司的其它经历、教育或竞赛的行，即使它们在原文中相邻。
+description 填该项目的描述内容。
-区间规则：0开始、闭区间，行号必须真实存在，排除明显的乱码/水印碎片行；同一段落被折成的连续多行用一个区间（如3-5，会拼接为一段），不同段落/每条bullet之间用逗号分开（如3-5,6,7-9，每个逗号段成为一个独立段落，不要把多条bullet塞进同一个区间）。只输出JSON。"""
+""" + _DESC_RULE
 
-DETAIL_COMPETITION_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为带行号的简历文本（每行 `[行号] 内容`）。
+DETAIL_COMPETITION_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
 请提取"{name}"这条竞赛/获奖经历的详细信息，输出JSON：
 ```json
-{{ "competitionName": "竞赛名", "award": "获奖情况", "awardDate": "2023.07", "descriptionRange": "起-止,起-止" }}
+{{ "competitionName": "竞赛名", "award": "获奖情况", "awardDate": "2023.07", "description": ["描述段落1", "描述段落2"] }}
 ```
 规则：短字段直接填值，时间格式YYYY.MM，没有的填null。award 里可包含该竞赛的多个奖项，不要因为多个奖项而拆成多条。
-descriptionRange 填该竞赛/获奖的额外描述所在行号区间，没有描述填""。只选属于"{name}"这条竞赛的行，不要把社团活动、职务、项目、其它竞赛的内容串入，即使它们在原文中相邻。
+description 填该竞赛/获奖的额外描述内容。
-区间规则：0开始、闭区间，行号必须真实存在，排除明显的乱码/水印碎片行；同一段落被折成的连续多行用一个区间，不同段落用逗号分开（每个逗号段成为一个独立段落）。只输出JSON。"""
+""" + _DESC_RULE
 
-DETAIL_PROFILE_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为带行号的简历文本（每行 `[行号] 内容`）。
+DETAIL_PROFILE_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
 从中提取技能标签、证书和自我评价/个人概述，输出JSON：
 ```json
-{{ "skills": ["技能1"], "certificates": ["证书1"], "summaryRange": "起-止,起-止" }}
+{{ "skills": ["技能1"], "certificates": ["证书1"], "summary": ["自我评价段落1", "自我评价段落2"] }}
 ```
 规则：
-- skills：仅当简历中有明确的"技能"/"专业技能"等**独立模块**时才提取，按原文逐字填，最多5个；如果没有专门的技能模块，填[]。**不要**从工作/项目/自我评价里归纳技能，尤其不要把"团队沟通""抗压能力""责任心"等软素质描述当作技能。
+- skills：仅当简历中有明确的"技能"/"专业技能"等**独立模块**时才提取，按原文逐字填，最多5个；如果没有专门的技能模块，填[]。**不要**从工作/项目/自我评价里归纳技能，尤其不要把"团队沟通""抗压能力""责任心"等软素质描述当作技能。**证书/语言等级类（如CET-4/6、雅思、托福、GRE、计算机等级、教师资格证等）一律不计入 skills，它们只归 certificates。**
 - certificates：填真正的**证书/证件/标准化考试成绩**，包括语言与等级类（如CET-4/6、雅思、托福、GRE、计算机等级、教师资格证、驾照等）。**不要**把竞赛奖项、荣誉称号、名次、奖学金，或工作描述里顺带提到的"认证"句子当作证书；没有填[]。
-- summaryRange：填自我评价/个人概述**正文**所在的行号区间字符串（0开始、闭区间，行号必须真实存在）。不要包含板块标题行（如"个人优势""自我评价"），不要把技能列表、兴趣爱好、经历内容纳入；排除明显的乱码/水印碎片行；同一段落被折成的连续多行用一个区间，不同段落用逗号分开（每个逗号段是一个独立段落，段间会以换行连接），没有填""。
+- summary：自我评价/个人概述**正文**的字符串数组，按原文分段拆成数组元素。不要包含板块标题（如"个人优势""自我评价"），不要把技能列表、兴趣爱好、经历内容纳入；允许轻度清理（去除乱码/水印碎片），不要改写或编造；没有填[]。
 只输出JSON。"""

app/ai/resume_extractor_v2/__init__.py

@@ -0,0 +1,2 @@
+
+

app/ai/resume_extractor_v2/extractor.py

@@ -0,0 +1,122 @@
+"""简历一步并发提取
+
+6 路并发（个人信息 / 教育 / 工作 / 实习 / 项目 / 竞赛），每路独立负责一个模块，
+各自基于简历全文一次性输出该模块的全部内容（短字段 + description），无第二阶段。
+相比两阶段方案：少一个串行轮次、全文只 prefill 6 次、无标识名定位环节。
+description/summary 由 AI 直接按原文结构输出为字符串数组，代码只做类型兜底与清理。
+最终组装为与两阶段方案完全一致的 dict 结构（description 为 list[str]，summary 为 str），上下游无感知。
+任意模块提取失败：记录日志后丢弃该模块（主表字段退化为空、子表退化为空数组），不影响其余模块。
+"""
+
+import asyncio
+import time
+
+from langchain_core.output_parsers import StrOutputParser
+from langchain_core.prompts import ChatPromptTemplate
+
+from app.ai.model_config import ResumeExtractorModel
+from app.ai.resume_extractor_v2.prompts import (
+    PROFILE_PROMPT, EDUCATION_PROMPT, WORK_PROMPT,
+    INTERNSHIP_PROMPT, PROJECT_PROMPT, COMPETITION_PROMPT,
+)
+from app.core.logger import log
+from app.tool.json_helper import parse_llm_json
+
+
+# ==================== LLM 调用工具 ====================
+
+def _build_chain(prompt: str):
+    """构建提取链：prompt → LLM → 文本输出"""
+    return ChatPromptTemplate.from_messages([("system", prompt), ("human", "{text}")]) | ResumeExtractorModel.PARSE | StrOutputParser()
+
+
+async def _safe_invoke(chain, inp: dict, label: str):
+    """单个链调用，记录耗时，失败返回空"""
+    start = time.perf_counter()
+    try:
+        raw = await chain.ainvoke(inp)
+        log.info(f"AI提取[{label}]完成，耗时: {time.perf_counter() - start:.2f}s")
+        return parse_llm_json(raw)
+    except Exception as e:
+        log.warning(f"AI提取[{label}]失败已丢弃，耗时: {time.perf_counter() - start:.2f}s，错误: {e}")
+        return None
+
+
+# ==================== 结果清理 ====================
+
+def _clean_str_list(value) -> list[str]:
+    """将 AI 返回值规整为字符串数组：过滤非字符串与空白元素，去除首尾空白"""
+    if not isinstance(value, list):
+        return []
+    return [s.strip() for s in value if isinstance(s, str) and s.strip()]
+
+
+def _clean_records(value, label: str) -> list[dict]:
+    """将 AI 返回的模块结果规整为记录数组：过滤非 dict 元素，并清理每条记录的 description"""
+    if not isinstance(value, list):
+        if value is not None:
+            log.warning(f"AI提取[{label}]返回类型异常已丢弃: {type(value).__name__}")
+        return []
+    records = []
+    for item in value:
+        if not isinstance(item, dict):
+            continue
+        item["description"] = _clean_str_list(item.get("description"))
+        records.append(item)
+    return records
+
+
+# ==================== 模块配置 ====================
+
+# 子表模块统一配置（单一数据源）：(模块键, prompt, 日志标签)
+# 并发调度、结果组装、日志统计均复用此清单，新增子表只需在此追加一行。
+_SUB_MODULES: tuple[tuple[str, str, str], ...] = (
+    ("education", EDUCATION_PROMPT, "教育"),
+    ("work", WORK_PROMPT, "工作"),
+    ("internship", INTERNSHIP_PROMPT, "实习"),
+    ("project", PROJECT_PROMPT, "项目"),
+    ("competition", COMPETITION_PROMPT, "竞赛"),
+)
+
+# 无运行时 prompt 替换，6 条链在模块加载时一次性建好，请求期只做 ainvoke
+_profile_chain = _build_chain(PROFILE_PROMPT)
+_sub_chains = tuple((module, _build_chain(prompt), label) for module, prompt, label in _SUB_MODULES)
+
+
+# ==================== 组装 ====================
+
+def _assemble_profile(profile) -> dict:
+    """个人信息路结果 → 主表字段 dict（skills 最多5个，summary 段落合并为字符串）"""
+    result = dict(profile) if isinstance(profile, dict) else {}
+    result["skills"] = _clean_str_list(result.get("skills"))[:30]
+    result["certificates"] = _clean_str_list(result.get("certificates"))
+    summary_paras = _clean_str_list(result.get("summary"))
+    result["summary"] = "\n".join(summary_paras) if summary_paras else None
+    return result
+
+
+# ==================== 入口 ====================
+
+async def extract_all(text: str) -> dict:
+    """一步6路并发提取简历，返回与两阶段方案完全一致的结构化数据
+
+    text: 简历纯文本全文（PyMuPDF/docx/txt 提取，保留原始换行）。
+    """
+    log.info(f"一步6路并发提取开始，文本字符数: {len(text)}")
+    start = time.perf_counter()
+
+    inp = {"text": text}
+    profile, *sub_results = await asyncio.gather(
+        _safe_invoke(_profile_chain, inp, "个人信息"),
+        *(_safe_invoke(chain, inp, label) for _, chain, label in _sub_chains),
+    )
+
+    result = _assemble_profile(profile)
+    for (module, _, label), raw in zip(_sub_chains, sub_results):
+        result[module] = _clean_records(raw, label)
+
+    log.info(
+        f"一步6路并发提取完成，总耗时: {time.perf_counter() - start:.2f}s - "
+        + " ".join(f"{label}:{len(result[module])}" for module, _, label in _sub_chains)
+    )
+    return result

app/ai/resume_extractor_v2/prompts.py

@@ -0,0 +1,169 @@
+"""简历一步并发提取 Prompt
+
+6 路并发，每路独立负责一个模块（个人信息 / 教育 / 工作 / 实习 / 项目 / 竞赛），
+各自基于简历全文一次性输出该模块的**全部内容**（短字段 + description），无第二阶段。
+
+与两阶段方案的差异：
+  - 不再有「先提标识名、再按名提详情」的过程，因此不需要标识名唯一性约束。
+  - 每路要一次输出该模块的多条记录，对「不偷懒」的要求更高（见下方记录完整性铁律）。
+
+输入文本格式：简历纯文本全文（PyMuPDF/docx/txt 提取，保留原始换行）。
+
+description/summary 输出格式：字符串数组 list[str]，每个元素代表原文中的「一条 bullet / 一个段落」，
+  由前端按元素换行展示。规则：
+  - 忠实还原原文措辞，按原文的分条/分段拆成数组元素，一条 bullet 一个元素。
+  - 允许轻度清理：去除水印/页眉页脚/乱码碎片，把被 PDF 折断的同一句话拼回完整。
+  - 不主动改写、润色、扩写、编造内容；没有内容则返回空数组 []。
+
+模块归属总原则（防同一内容被多个模块重复收录）：
+  - 原文中的**每一段经历只能归属一个模块**。一条内容要么是工作、要么是实习、要么是项目、要么是竞赛，不能同时出现在两个模块。
+  - 工作/实习互为补集：明确标注实习的只归实习模块，未标注实习的只归工作模块，两边都不重复收。
+  - 工作/实习条目内部所描述的职责、成果、子项目，属于该**工作/实习**记录本身的描述，**不要**再把它们抽成独立的"项目"记录。
+  - 只有出现在**独立"项目/项目经历"板块**下、有自己标题的条目，才算项目记录。
+  - "做了作品/项目 + 参加比赛获奖"这类既像项目又像竞赛的条目（如机器人竞赛、创新创业大赛作品），**只归竞赛**，不要在项目里重复。
+
+各模块通用铁律（防跨记录串扰/重复）：
+  - 每条记录只装真正属于它本身的内容；即使原文中相邻的内容属于**另一条**记录
+    （另一家公司、另一个项目、另一段学历、校园/社团/实习/竞赛等），也**绝不纳入**。
+  - 同一段原文只应属于一条记录：不要为了描述完整而把其它记录已包含的内容再抄一遍，避免多条记录重复。
+  - 宁可少选，不确定归属的内容一律不选。
+
+description/summary 输出的**分条铁律**（必须遵守）：
+  - description 是**字符串数组**，原文中的**每一条 bullet / 每一个段落**各自作为**一个独立数组元素**。
+  - **严禁**把多条 bullet 合并进同一个元素；**严禁**用 " / "、"；"、"、"、换行符等把多条内容拼接成一个长字符串。
+  - 正例：["负责A模块开发", "主导B方案落地"]；反例（禁止）：["负责A模块开发 / 主导B方案落地"]。
+
+**记录完整性铁律**（一步方案新增，一次输出多条记录时最易违反）：
+  - 按**原文出现顺序**输出记录，顺序即前端展示顺序，不要打乱。
+  - **每一条记录都必须完整输出**，不得因为记录条数多就简写、省略、截断后面的记录。
+  - 严禁合并记录，严禁用"同上""略""等等""其余类似"之类的措辞代指任何内容。
+  - 记录条数由原文决定：不足不要凑数，多也不要砍。
+
+短字段准确性铁律：
+  - 时间：起止时间按原文如实填写，**开始时间不得晚于结束时间**，不要把起止写反；无法确定的填 null，不要臆造精确年月。
+  - 手机号：完整照抄，不要漏位、截断或改写（通常 11 位）；微信号只填到 wechatNumber，绝不当手机号。
+  - 角色/职位等：只填原文明确写出的，原文没有就填 null，**不要臆造或按常见值默认补全**。
+
+花括号用 {{ }} 转义，避免被 ChatPromptTemplate 当作变量。本方案无运行时占位替换，prompt 中不含任何单花括号变量。
+"""
+
+# ==================== 通用尾注 ====================
+
+# description 数组输出规范 + 记录归属/完整性规范。5 个子模块 prompt 复用。
+_DESC_RULE = """description 输出规范：为字符串数组，**每个元素只装原文中的一条 bullet 或一个段落**：忠实还原原文措辞；**严禁把多条 bullet 合并进一个元素，严禁用 " / "、"；"、换行等符号把多条内容拼成一个长字符串**（正例 ["做了A","做了B"]；反例 ["做了A / 做了B"]）。允许轻度清理（去除水印/页眉页脚/乱码碎片、把被折断的同一句话拼回完整），但不要改写、润色、扩写或编造；没有描述则填[]。
+记录归属规范：每条记录的 description 只装属于**该条记录本身**的内容。即使原文中相邻的内容属于另一条记录（另一家公司、另一个项目、另一段学历、社团/实习/竞赛等），也绝不纳入；同一段原文只应归属一条记录，不要为了描述完整而把其它记录已包含的内容再抄一遍。宁可少选，不确定归属的内容一律不选。
+记录完整性规范：按**原文出现顺序**输出记录；**每一条记录都必须完整输出**，不得因记录条数多而简写、省略、截断或合并记录，也不得用"同上""略""等等"代指任何内容；记录条数由原文决定，不足不要凑数，多也不要砍。
+只输出JSON，不要输出任何解释文字。"""
+
+# ==================== 个人信息 ====================
+
+PROFILE_PROMPT = """严格根据简历原文提取，不要猜测或编造，没有的填null。
+输入为简历纯文本全文。从中提取个人基本信息、技能标签、证书和自我评价，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": ["自我评价段落1", "自我评价段落2"] }}
+```
+规则：
+- 只提取以上9个字段，**不要提取任何经历**（教育/工作/实习/项目/竞赛由其它模块单独负责）。前6个字段没有的填null，后3个数组字段没有的填[]。
+- name：填完整姓名，原文怎么写就怎么填，不要截断或只取一个字。
+- mobileNumber：只填**一个**手机号（通常11位数字），若原文出现多个手机号只取第一个，绝不能把多个号码拼接或用逗号/顿号等连接填入；微信号必须填到wechatNumber，绝不能把微信号当手机号。
+- portfolioUrl：只填作品集/个人主页/GitHub 等链接。
+- skills：仅当简历中有明确的"技能"/"专业技能"等**独立模块**时才提取，按原文逐字填，最多10个；如果没有专门的技能模块，填[]。**不要**从工作/项目/自我评价里归纳技能，尤其不要把"团队沟通""抗压能力""责任心"等软素质描述当作技能。**证书/语言等级类（如CET-4/6、雅思、托福、GRE、计算机等级、教师资格证等）一律不计入 skills，它们只归 certificates。**
+- certificates：填真正的**证书/证件/标准化考试成绩**，包括语言与等级类（如CET-4/6、雅思、托福、GRE、计算机等级、教师资格证、驾照等）。**不要**把竞赛奖项、荣誉称号、名次、奖学金，或工作描述里顺带提到的"认证"句子当作证书；没有填[]。
+- summary：自我评价/个人概述**正文**的字符串数组，按原文分段拆成数组元素，一个段落一个元素。不要包含板块标题（如"个人优势""自我评价"），不要把技能列表、兴趣爱好、经历内容纳入；允许轻度清理（去除乱码/水印碎片），不要改写或编造；没有填[]。
+只输出JSON，不要输出任何解释文字。"""
+
+# ==================== 教育 ====================
+
+EDUCATION_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
+从中提取**全部学历教育**经历，按原文出现顺序输出JSON数组，每个元素为一条教育记录：
+```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": ["描述段落1", "描述段落2"] }}]
+```
+记录选取规则：
+1. 每一个**实际就读或已获得学历**的**就读阶段**输出一条，不同阶段（本科/硕士/博士）分别输出，一段都不能漏。
+2. **不要过度拆分**（这是最常见的错误，务必克制）：
+   - 联合培养、交换、访学、海外学期、双学位/主辅修，都属于对应主学历就读的一部分，**并入该主学历那一条**，不要单列成独立教育记录。
+   - 同一所学校**同一就读阶段**只能有一条，不要因为专业不同、学院不同、或原文重复出现就拆成/重复成多条。
+   - 一个人的教育条目数 = 其真实就读的学历阶段数（通常本科1条、硕士1条…），不要多。
+3. 仅"录取通知/offer/拟就读但尚未入学"的，**不算**教育经历，不要输出。
+4. 培训机构、实习/工作单位、科研机构、社团不算学历教育，不要输出。
+5. 没有则输出[]。
+字段规则：短字段直接填值，时间格式YYYY.MM，没有的填null。
+description 只填该校**学业本身**的额外正文（主修课程、绩点/排名、在校获得的学术成就）；学校/专业/学历/时间已有独立字段，不要重复纳入。
+**严禁纳入以下内容**（它们属于其它模块、会被单独提取，即使在原文中紧跟这条教育经历也不要选）：实习、工作、项目、社团/学生组织、校园活动、志愿服务、竞赛获奖、科研/论文经历。宁可少选，不确定是否属于本校学业的内容一律不选。
+""" + _DESC_RULE
+
+# ==================== 工作 ====================
+
+WORK_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
+从中提取**全部正式工作经历**，按原文出现顺序输出JSON数组，每个元素为一条工作记录：
+```json
+[{{ "companyName": "公司", "position": "职位", "startDate": "2024.07", "endDate": "2025.03", "description": ["描述段落1", "描述段落2"] }}]
+```
+记录选取规则：
+1. 只收**正式工作**经历。凡原文明确标注"实习/实习生/intern/Internship"的条目，**一律排除**，它们由实习模块单独负责，这里绝不收录。
+2. 未明确标注实习的任职经历，都归本模块，不要因为"看起来像实习"就漏掉。
+3. 每一段真实的任职经历输出一条，不要遗漏；同一段经历不要重复输出。若同一公司有多段不同岗位/时间的经历，按段分别输出多条。
+4. **不要**把公司内部的具体项目当作独立的工作条目。
+5. 社团/学生组织职务、校园活动、志愿服务不算工作经历，不要输出。
+6. 没有则输出[]。
+字段规则：短字段直接填值，时间格式YYYY.MM，在职/至今则 endDate 填null，没有的填null。
+description 填直接描述该公司/岗位**整体职责或概述**的正文。若某段内容明显是某个**独立项目的明细**（且该项目会由项目模块单独提取），不要纳入，避免与项目模块重复；但公司层面的职责概述应当保留，不要整条留空导致内容丢失。
+""" + _DESC_RULE
+
+# ==================== 实习 ====================
+
+INTERNSHIP_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
+从中提取**全部实习经历**，按原文出现顺序输出JSON数组，每个元素为一条实习记录：
+```json
+[{{ "companyName": "公司", "position": "职位", "startDate": "2023.06", "endDate": "2023.09", "description": ["描述段落1", "描述段落2"] }}]
+```
+记录选取规则：
+1. 只收原文**明确标注**"实习/实习生/intern/Internship"的经历（标注可出现在岗位名、公司行、板块标题上）。
+2. 未明确标注实习的任职经历，视为正式工作，由工作模块负责，这里**不要收**，避免两个模块重复。
+3. 每一段真实的实习经历输出一条，不要遗漏；同一段经历不要重复输出。若同一公司有多段不同岗位/时间的实习，按段分别输出多条。
+4. **不要**把实习期间的具体项目当作独立的实习条目。
+5. 社团/学生组织职务、校园活动、志愿服务、竞赛不算实习经历，不要输出。
+6. 没有则输出[]。
+字段规则：短字段直接填值，时间格式YYYY.MM，至今则 endDate 填null，没有的填null。
+description 填直接描述该公司/岗位**整体职责或概述**的正文。若某段内容明显是某个**独立项目的明细**（且该项目会由项目模块单独提取），不要纳入，避免与项目模块重复；但岗位层面的职责概述应保留，不要整条留空导致内容丢失。
+""" + _DESC_RULE
+
+# ==================== 项目 ====================
+
+PROJECT_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
+从中提取**全部项目经历**，按原文出现顺序输出JSON数组，每个元素为一条项目记录：
+```json
+[{{ "companyName": "所属公司", "projectName": "项目名", "role": "角色名称", "startDate": "2023.03", "endDate": "2023.12", "description": ["描述段落1", "描述段落2"] }}]
+```
+记录选取规则：
+1. 只提取出现在**独立"项目/项目经历"板块**下、有自己标题的项目条目（通常单独成行、常带"项目X："前缀或【】标题、并配有自己的起止时间/角色/描述）。
+2. **绝对不要**把"工作经历/实习经历"条目内部描述的职责、成果、子项目当作独立项目——它们属于对应的工作/实习记录，不要在项目模块重复收录。
+3. **绝对不要**把出现在某段职责/产品描述句子内部、被"如/包括/例如/【】"等列举的功能点、模块、子功能当作项目（这些是描述内容，不是项目）。
+4. **绝对不要**把社团/学生组织、校园活动、志愿服务、任职/职务、兴趣爱好当作项目——这些不是项目经历。
+5. **绝对不要**把竞赛/比赛/大赛条目当作项目（如"XX大赛""挑战杯""创新创业大赛""职业规划大赛"等，以参赛/获奖为核心的条目，即使参赛做了作品）——这些归竞赛模块。
+6. 同一个项目只输出一条。
+7. 没有则输出[]。
+字段规则：短字段直接填值，时间格式YYYY.MM，没有的填null。
+role 只填原文中**明确写出**的简短角色名；若原文没有写明该项目的角色，填null，**不要臆造或默认**（如不要凭空填"Developer""开发工程师""团队成员"）。
+companyName 只填原文明确写出的所属公司/学校，没有写就填null。
+description 填该项目的描述内容。
+""" + _DESC_RULE
+
+# ==================== 竞赛 ====================
+
+COMPETITION_PROMPT = """严格根据简历原文提取，不要猜测或编造。输入为简历纯文本全文。
+从中提取**全部竞赛/获奖经历**，按原文出现顺序输出JSON数组，每个元素为一条竞赛记录：
+```json
+[{{ "competitionName": "竞赛名", "award": "获奖情况", "awardDate": "2023.07", "description": ["描述段落1", "描述段落2"] }}]
+```
+记录选取规则：
+1. 只提取真正的**竞赛/比赛/获奖**条目（以报名参赛、比赛名次/获奖为核心的条目，如"XX大赛""挑战杯""数学建模竞赛"）。
+2. 同一个竞赛只输出一条，即使它拿了多个奖项，也不要按奖项拆成多条——多个奖项写进同一条的 award 字段。
+3. **绝对不要**把社团活动、职务、示例文字、描述里顺带提到的活动当作竞赛。
+4. **绝对不要**把工作/实习/研究/开发**项目**当作竞赛——即使该项目获过奖，它仍归项目模块，不要在这里重复输出（判断依据：条目本质是"做了一个项目/产品/研究"还是"参加了一场比赛"）。
+5. 奖学金、荣誉称号、考试成绩不属于竞赛，不要输出。
+6. 没有则输出[]。
+字段规则：短字段直接填值，时间格式YYYY.MM，没有的填null。
+description 填该竞赛/获奖的额外描述内容。
+""" + _DESC_RULE

app/ai/resume_polisher/prompts.py

@@ -1,16 +1,22 @@
 """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。
+POLISH_PROMPT = """你是一位资深简历顾问，擅长把平淡的经历描述改写得更专业、更有表现力。请对用户提交的简历段落进行"表达优化"，在不虚构事实的前提下大胆提升表达力。
 
-## 优化范围（只允许做这些）
+## 优化目标（要真正做出改变）
-- 修正错别字、标点、语法错误
+- 强化表达力：把口语化、平淡、流水账式的描述，改写成专业、有力、简历书写规范的表达
-- 优化文本格式与排版（如多余空格、断句、全半角混用）
+- 善用动作动词：以有力的动词开头（负责/主导/搭建/推动/优化/提升等），突出你的贡献
-- 让表达更通顺、专业，去除明显口语化和冗余措辞
+- 理清逻辑结构：让每条描述尽量体现"做了什么 → 怎么做 → 带来什么结果"，条理清晰
+- 精炼措辞：删除冗余、重复、无意义的填充词，让句子更紧凑
+- 修正错别字、标点、语法、格式问题（多余空格、断句、全半角混用等）
 
-## 严格禁止（绝对不能做）
+## 红线（绝对不能碰）
-- 不得改变原意，不得增加或删除任何信息点
+- 只优化表达，不虚构事实：**严禁**凭空添加或夸大任何数字、量化成果、技能、职责、技术栈、奖项、成就
-- 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）
+- 原文没有的量化数据（百分比、金额、规模等）绝不能编造；原文有的数字必须原样保留，不得改动
-- 不得改变段落的数量和顺序
+- 不改变经历的核心事实与含义，不无中生有地拔高
+- 保留用户本人的基本语气与专业方向，是"把他说得更好"，而不是换成另一个人
+
+## 格式约束
+- 输出段落的**数量和顺序必须与输入完全一致**：输入几段就输出几段，一一对应，不合并、不拆分、不增删段落
 
 ## 输入
 用户提交的段落数组（每个元素是一个段落）：
@@ -18,4 +24,4 @@ POLISH_PROMPT = """你是一位严谨的简历文字校对助手。请对用户
 
 ## 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"]"""
+["优化后的段落1", "优化后的段落2"]"""

app/api/job_agent_chat.py

@@ -2,6 +2,7 @@
 
 from fastapi import APIRouter, Depends
 
+from app.core.asserts import Assert
 from app.core.auth import func_permission
 from app.core.context import RequestContext
 from app.core.database import get_db
@@ -13,11 +14,12 @@ router = APIRouter(prefix="/job-agent", tags=["求职助手agent"])
 
 @router.post("/match-score", summary="岗位匹配度评分")
 async def match_score(param: MatchScoreParam):
-    """根据定制简历和岗位，从技能/学历/经验维度评估匹配度，返回 0-100 分"""
+    """根据定制简历或原始简历和岗位，从技能/学历/经验维度评估匹配度，返回 0-100 分"""
+    Assert.is_true(param.customize_resume_id is not None or param.resume_id is not None, "customizeResumeId 和 resumeId 至少传一个")
     user_id = RequestContext.user_id.get()
     async for session in get_db():
         service = JobAgentChatService(session)
-        result = await service.score_match(user_id, param.customize_resume_id, param.job_id)
+        result = await service.score_match(user_id, param.job_id, param.customize_resume_id, param.resume_id)
     return result
 
 

app/config/__init__.py

@@ -1,10 +1,13 @@
 import os
 
-from .settings import Settings
+from .settings import BASE_DIR, Settings
 
 _env = os.getenv("ENV", "dev")
 _env_files = {"dev": ".env", "test": ".env.test", "pro": ".env.prod"}
 
-settings = Settings(_env_file=_env_files.get(_env, ".env"))
+# 使用基于项目根目录的绝对路径，避免受 PyCharm/命令行工作目录（CWD）影响
+_env_file = BASE_DIR / _env_files.get(_env, ".env")
+
+settings = Settings(_env_file=_env_file)
 
 __all__ = ["settings"]

app/config/settings.py

@@ -1,5 +1,10 @@
+from pathlib import Path
+
 from pydantic_settings import BaseSettings, SettingsConfigDict
 
+# 项目根目录：settings.py -> config -> app -> <project root>
+BASE_DIR = Path(__file__).resolve().parents[2]
+
 
 class Settings(BaseSettings):
     # 环境
@@ -71,7 +76,7 @@ class Settings(BaseSettings):
         return f"redis://{self.redis_host}:{self.redis_port}/{self.redis_db}"
 
     model_config = SettingsConfigDict(
-        env_file=".env",
+        env_file=BASE_DIR / ".env",
         env_file_encoding="utf-8",
         case_sensitive=False,
         extra="ignore",

app/core/asserts.py

@@ -0,0 +1,90 @@
+"""业务断言工具类（风格参考 Spring Assert）
+
+使用方式：
+    from app.core.asserts import Assert
+
+    Assert.is_true(condition, "条件不满足的提示")
+    Assert.not_none(obj, "对象不能为空")
+    Assert.gt(days, 0, "天数必须大于0")
+"""
+
+from app.core.exceptions import AssertError
+
+
+class Assert:
+    """业务断言工具类
+
+    所有方法为静态方法，条件不满足时抛 AssertError(code=4100)。
+    """
+
+    @staticmethod
+    def is_true(condition: bool, msg: str = "") -> None:
+        """condition 为 False 时抛异常"""
+        if not condition:
+            raise AssertError(msg)
+
+    @staticmethod
+    def is_false(condition: bool, msg: str = "") -> None:
+        """condition 为 True 时抛异常"""
+        if condition:
+            raise AssertError(msg)
+
+    @staticmethod
+    def not_none(obj, msg: str = "") -> None:
+        """obj 为 None 时抛异常"""
+        if obj is None:
+            raise AssertError(msg)
+
+    @staticmethod
+    def is_none(obj, msg: str = "") -> None:
+        """obj 不为 None 时抛异常"""
+        if obj is not None:
+            raise AssertError(msg)
+
+    @staticmethod
+    def has_text(text: str | None, msg: str = "") -> None:
+        """text 为 None 或空字符串或纯空白时抛异常"""
+        if not text or not text.strip():
+            raise AssertError(msg)
+
+    @staticmethod
+    def not_empty(collection, msg: str = "") -> None:
+        """集合/列表为 None 或空时抛异常"""
+        if not collection:
+            raise AssertError(msg)
+
+    @staticmethod
+    def gt(value, target, msg: str = "") -> None:
+        """value <= target 时抛异常"""
+        if value <= target:
+            raise AssertError(msg)
+
+    @staticmethod
+    def gte(value, target, msg: str = "") -> None:
+        """value < target 时抛异常"""
+        if value < target:
+            raise AssertError(msg)
+
+    @staticmethod
+    def lt(value, target, msg: str = "") -> None:
+        """value >= target 时抛异常"""
+        if value >= target:
+            raise AssertError(msg)
+
+    @staticmethod
+    def lte(value, target, msg: str = "") -> None:
+        """value > target 时抛异常"""
+        if value > target:
+            raise AssertError(msg)
+
+    @staticmethod
+    def eq(a, b, msg: str = "") -> None:
+        """a != b 时抛异常"""
+        if a != b:
+            raise AssertError(msg)
+
+    @staticmethod
+    def ne(a, b, msg: str = "") -> None:
+        """a == b 时抛异常"""
+        if a == b:
+            raise AssertError(msg)

app/core/exceptions.py

@@ -1,3 +1,24 @@
+"""统一异常 + 全局异常处理（单一入口）
+
+设计原则（看一眼就懂）：
+- 每个异常类把 code / http_status 写死，调用处不用记码。
+- 抛的时候传一句具体原因（detail）；不传就用类别名兜底。
+    例：raise BizError("不支持的商品")  →  msg = "业务异常[不支持的商品]"
+        raise BizError()                →  msg = "业务异常"
+- 所有 handler（自定义异常 / 参数校验 / HTTP / 断言 / 未知兜底）都注册在本文件，
+  main.py 只调用 register_exception_handlers(app)。
+
+约定：自定义异常一律 HTTP 500，真实含义靠 body 里的 code 区分（前端拦截器读 code）。
+
+| 异常类       | code | HTTP | 类别名     | 典型场景                              |
+|-------------|------|------|-----------|--------------------------------------|
+| ParamError  | 4000 | 500  | 参数异常   | 入参缺失/非法、模型档位不支持           |
+| BizError    | 4200 | 500  | 业务异常   | 资源不存在、限频、验证码、越权、会员校验 |
+| CreditError | 4300 | 500  | 扣费异常   | 余额不足、扣费失败（前端引导充值）       |
+| SysError    | 5000 | 500  | 系统异常   | 已知的内部错误 / 上游模型失败（主动抛）  |
+| (未捕获)     | 5000 | 500  | 系统异常   | 没被建模的异常，兜底接住               |
+"""
+
 import traceback
 
 from fastapi import Request
@@ -9,7 +30,71 @@ from app.config import settings
 from app.core.logger import log
 from app.core.schemas.responses import StandardResponse
 
-# 友好的 HTTP 状态码消息映射
+
+# ==================== 异常定义 ====================
+
+class AppError(Exception):
+    """自定义异常基类（不直接抛，统一捕获时用它兜底）
+
+    子类只需覆盖 code / label 两个类属性（http_status 一律 500）。
+    """
+
+    code: int = 5000          # 业务错误码（固定）
+    http_status: int = 500    # 自定义异常一律 HTTP 500，真实含义靠 code 区分
+    label: str = "系统异常"    # 类别名，detail 为空时作默认描述
+
+    def __init__(self, detail: str = ""):
+        # 传了原因 → "业务异常[不支持的商品]"；没传 → "业务异常"
+        self.msg = f"{self.label}[{detail}]" if detail else self.label
+        super().__init__(self.msg)
+
+    def to_dict(self) -> dict:
+        """HTTP 统一响应体字段"""
+        return {"code": self.code, "msg": self.msg}
+
+    def to_event(self) -> dict:
+        """SSE error 事件数据体（前端流式解析用）"""
+        return {"code": self.code, "message": self.msg}
+
+
+class ParamError(AppError):
+    """参数异常：入参缺失 / 非法 / 不在允许范围"""
+    code = 4000
+    label = "参数异常"
+
+
+class BizError(AppError):
+    """业务异常：可预期的业务拒绝（资源不存在 / 限频 / 验证码 / 越权 / 会员校验…）"""
+    code = 4200
+    label = "业务异常"
+
+
+class CreditError(AppError):
+    """扣费异常：余额不足 / 扣费失败等积分相关问题，前端引导充值"""
+    code = 4300
+    label = "扣费异常"
+
+
+class AssertError(AppError):
+    """断言异常：业务前置条件不满足"""
+    code = 4100
+    label = "断言异常"
+
+
+class SysError(AppError):
+    """系统异常：已知的内部错误、上游模型调用失败等（主动抛）"""
+    code = 5000
+    label = "系统异常"
+
+    @classmethod
+    def from_exc(cls, exc: Exception) -> "SysError":
+        """从任意异常包装成系统异常（流式兜底用）"""
+        return cls(f"{type(exc).__name__}: {exc}")
+
+
+# ==================== 异常处理器 ====================
+
+# HTTP 状态码 → 友好提示（框架抛出的 HTTPException 用）
 _FRIENDLY_MESSAGES = {
     400: "请求参数错误",
     401: "未经授权，请登录",
@@ -23,50 +108,64 @@ _FRIENDLY_MESSAGES = {
 
 
 def _get_uuid(request: Request) -> str | None:
+    """从请求上下文中获取请求唯一标识"""
     return getattr(request.state, "uuid", None)
 
 
-async def http_exception_handler(request: Request, exc: StarletteHTTPException) -> JSONResponse:
+def _resp(code: int, msg: str, http_status: int, uuid: str | None, data=None) -> JSONResponse:
-    uuid = _get_uuid(request)
-    log.error(f"HTTPException -- uuid: {uuid} | status: {exc.status_code} | msg: {exc.detail}")
-    message = _FRIENDLY_MESSAGES.get(exc.status_code, str(exc.detail))
     return JSONResponse(
-        status_code=exc.status_code,
+        status_code=http_status,
-        content=StandardResponse.fail(msg=message, code=exc.status_code, uuid=uuid).model_dump(),
+        content=StandardResponse.fail(msg=msg, code=code, data=data, uuid=uuid).model_dump(),
     )
 
 
+async def app_error_handler(request: Request, exc: AppError) -> JSONResponse:
+    """统一处理所有自定义异常（参数 / 业务 / 扣费 / 系统）
+
+    只在基类 AppError 上注册，Starlette 按继承链匹配，自动覆盖全部子类。
+    """
+    uuid = _get_uuid(request)
+    # 系统异常(5xxx)记 error，其余可预期拒绝记 warning
+    level = log.error if exc.code >= 5000 else log.warning
+    level(f"{type(exc).__name__} -- uuid: {uuid} | code: {exc.code} | msg: {exc.msg}")
+    return _resp(exc.code, exc.msg, exc.http_status, uuid)
+
+
+async def http_exception_handler(request: Request, exc: StarletteHTTPException) -> JSONResponse:
+    """处理框架 / 手动抛出的 HTTPException"""
+    uuid = _get_uuid(request)
+    log.error(f"HTTPException -- uuid: {uuid} | status: {exc.status_code} | detail: {exc.detail}")
+    message = _FRIENDLY_MESSAGES.get(exc.status_code, str(exc.detail))
+    return _resp(exc.status_code, message, exc.status_code, uuid)
+
+
 async def validation_exception_handler(request: Request, exc: RequestValidationError) -> JSONResponse:
+    """处理 Pydantic 参数校验异常"""
     uuid = _get_uuid(request)
     errors = exc.errors()
     log.error(f"ValidationError -- uuid: {uuid} | errors: {errors}")
-    return JSONResponse(
+    return _resp(ParamError.code, "数据验证失败", 422, uuid, data=errors)
-        status_code=422,
-        content=StandardResponse.fail(msg="数据验证失败", code=422, data=errors, uuid=uuid).model_dump(),
-    )
 
 
 async def assertion_error_handler(request: Request, exc: AssertionError) -> JSONResponse:
+    """处理 assert 断言异常"""
     uuid = _get_uuid(request)
     log.error(f"AssertionError -- uuid: {uuid} | msg: {exc}\n{traceback.format_exc()}")
-    return JSONResponse(
+    return _resp(SysError.code, f"断言错误: {exc}", 500, uuid)
-        status_code=500,
-        content=StandardResponse.fail(msg=f"断言错误: {exc}", uuid=uuid).model_dump(),
-    )
 
 
 async def global_exception_handler(request: Request, exc: Exception) -> JSONResponse:
+    """兜底：所有未捕获异常统一按系统异常返回"""
     uuid = _get_uuid(request)
     log.error(f"Unhandled Exception -- uuid: {uuid} | msg: {exc}\n{traceback.format_exc()}")
-    msg = str(exc) if settings.env == "dev" else "服务器内部错误"
+    # 开发环境暴露细节，生产环境只给通用提示
-    return JSONResponse(
+    msg = f"{type(exc).__name__}: {exc}" if settings.env == "dev" else SysError.label
-        status_code=500,
+    return _resp(SysError.code, msg, 500, uuid)
-        content=StandardResponse.fail(msg=msg, uuid=uuid).model_dump(),
-    )
 
 
 def register_exception_handlers(app) -> None:
-    """将异常处理器挂载到 FastAPI 应用"""
+    """将所有异常处理器挂载到 FastAPI 应用（main.py 只调这一个）"""
+    app.add_exception_handler(AppError, app_error_handler)
     app.add_exception_handler(StarletteHTTPException, http_exception_handler)
     app.add_exception_handler(RequestValidationError, validation_exception_handler)
     app.add_exception_handler(AssertionError, assertion_error_handler)

app/schemas/job_agent_chat.py

@@ -13,5 +13,6 @@ class OptimizeResumeParam(BaseModel):
 
 
 class MatchScoreParam(BaseModel):
-    customize_resume_id: int = Field(..., alias="customizeResumeId", description="定制简历ID")
+    customize_resume_id: int | None = Field(None, alias="customizeResumeId", description="定制简历ID")
+    resume_id: int | None = Field(None, alias="resumeId", description="简历ID")
     job_id: int = Field(..., alias="jobId", description="岗位ID")

app/services/job_agent_chat_service.py

@@ -26,11 +26,15 @@ class JobAgentChatService:
     def __init__(self, session: AsyncSession):
         self.session = session
 
-    async def score_match(self, user_id: int, customize_resume_id: int, job_id: int) -> int:
+    async def score_match(self, user_id: int, job_id: int, customize_resume_id: int | None = None, resume_id: int | None = None) -> int:
-        """岗位匹配评分：查定制简历 + 岗位 → 序列化简历 → 调AI评分，返回 0-100 整数"""
+        """岗位匹配评分：查定制简历或原始简历 + 岗位 → 序列化简历 → 调AI评分，返回 0-100 整数"""
+        if customize_resume_id:
             cr = await customize_resume_store.get_by_id(user_id, customize_resume_id)
             if cr is None:
                 raise ValueError("定制简历不存在")
+        else:
+            detail = await load_resume_detail(self.session, resume_id, user_id)
+            cr = customize_resume_store.build_from_detail(detail)
         job = await self._get_job(job_id)
         resume_text = self._build_resume_text_from_cr(cr)
         skill_tags = "、".join(job.skill_tags) if job.skill_tags else ""

app/services/resume_service.py

@@ -1,16 +1,14 @@
 """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）
+依赖：resume_text_extractor（文件文本提取）、resume_extractor（AI两阶段并行提取）
 使用表：bg_user_resume（主表）、bg_user_resume_education/work/internship/project/competition（5张子表）
 """
 
-import asyncio
-
 import shortuuid
 from sqlalchemy.ext.asyncio import AsyncSession
 
-from app.ai.resume_extractor.extractor import extract_all
+from app.ai.resume_extractor_v2.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
@@ -19,7 +17,7 @@ from app.models.user_resume_education import UserResumeEducation
 from app.models.user_resume_internship import UserResumeInternship
 from app.models.user_resume_project import UserResumeProject
 from app.models.user_resume_work import UserResumeWork
-from app.tool.file_parser import parse_to_segments
+from app.tool.resume_text_extractor import extract_text
 from app.tool.snowflake import next_id
 
 
@@ -28,13 +26,14 @@ 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"""
         log.info(f"开始解析简历文件: {filename}")
-        segments = await asyncio.to_thread(parse_to_segments, filename, content)
+        text = await extract_text(filename, content)
-        if not segments:
+        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，文本单元数: {len(segments)}")
+       # log.info(f"文件解析完成: {text}")
+        log.info(f"文件解析完成，文本字符数: {len(text)}")
 
         log.info("开始AI两阶段并行结构化提取")
-        parsed = await extract_all(segments)
+        parsed = await extract_all(text)
         log.info("AI两阶段并行结构化提取完成")
         return parsed
 

app/tool/file_parser.py

@@ -1,92 +0,0 @@
-"""文件解析工具
-
-将上传的简历文件解析为「文本单元数组」，供 AI 按行号定位 description/summary，避免照抄长文本。
-- PDF：使用 LiteParse（JSON 模式）按文本块的阅读顺序提取，每个文本块作为一个单元。
-        关闭 OCR —— 文本型简历无需 OCR，且 OCR 默认会联网下载字库导致严重阻塞。
-- Word(.docx)：按段落（paragraph）切分，表格行用 \t 拼成一个单元。
-- TXT / Markdown(.md)：自动检测编码，按换行切分。
-"""
-
-import io
-from collections import Counter
-
-from docx import Document
-from liteparse import LiteParse
-
-from app.core.logger import log
-
-# LiteParse 解析器复用实例（关闭 OCR、静默日志）。线程安全由调用方的 to_thread 串行保证。
-_PDF_PARSER = LiteParse(output_format="json", ocr_enabled=False, quiet=True)
-
-
-def _drop_repeated(segments: list[str], threshold: int = 3) -> list[str]:
-    """过滤重复出现的行（水印/页眉页脚特征）：完全相同且出现次数 >= threshold 的行整体丢弃"""
-    counts = Counter(segments)
-    return [s for s in segments if counts[s] < threshold]
-
-
-def _pdf_segments(content: bytes) -> list[str]:
-    """解析 PDF：使用 LiteParse 按阅读顺序遍历每页文本块，每块作为一个独立单元，过滤空行。
-
-    不在预处理阶段合并行——是否合并/分段/排除噪声全部交给 AI 的行号区间决定。
-    """
-    result = _PDF_PARSER.parse(content)
-    segments: list[str] = []
-    for page in result.pages:
-        for item in page.text_items:
-            text = item.text.strip()
-            if text:
-                segments.append(text)
-    return segments
-
-
-def _docx_segments(content: bytes) -> list[str]:
-    """解析 Word (.docx)，按段落切分为单元，表格行用 \t 拼为一个单元"""
-    try:
-        doc = Document(io.BytesIO(content))
-    except Exception:
-        raise ValueError("无法解析该 Word 文件，请确认为有效的 .docx 格式")
-    segments: list[str] = []
-    for para in doc.paragraphs:
-        text = para.text.strip()
-        if text:
-            segments.append(text)
-    for table in doc.tables:
-        for row in table.rows:
-            row_text = "\t".join(cell.text.strip() for cell in row.cells)
-            if row_text.strip():
-                segments.append(row_text)
-    return segments
-
-
-def _txt_segments(content: bytes) -> list[str]:
-    """解析纯文本 (.txt / .md)，自动检测编码，按换行切分为单元"""
-    text = None
-    for encoding in ("utf-8", "gbk", "gb2312", "latin-1"):
-        try:
-            text = content.decode(encoding)
-            break
-        except (UnicodeDecodeError, LookupError):
-            continue
-    if text is None:
-        text = content.decode("utf-8", errors="replace")
-    return [line.strip() for line in text.splitlines() if line.strip()]
-
-
-# 后缀 → 解析函数。新增格式只需在此登记一行。
-_PARSERS = {
-    ".pdf": _pdf_segments,
-    ".docx": _docx_segments,
-    ".txt": _txt_segments,
-    ".md": _txt_segments,
-}
-
-
-def parse_to_segments(filename: str, content: bytes) -> list[str]:
-    """根据文件名后缀选择解析器，返回去重后的「文本单元数组」"""
-    suffix = filename[filename.rfind("."):].lower() if "." in filename else ""
-    log.info(f"解析文件: {filename}，类型: {suffix}")
-    parser = _PARSERS.get(suffix)
-    if parser is None:
-        raise ValueError(f"不支持的文件类型: {suffix}，支持: {', '.join(_PARSERS)}")
-    return _drop_repeated(parser(content))

app/tool/resume_text_extractor.py

@@ -0,0 +1,100 @@
+"""简历文字处理
+
+将上传的简历文件提取为纯文本，供后续 AI 重写/结构化使用。
+支持格式：.txt / .md / .pdf / .docx
+所有解析均为异步（阻塞解析下沉到线程池，避免阻塞事件循环）。
+"""
+
+import asyncio
+import io
+
+import fitz  # PyMuPDF
+from docx import Document
+
+from app.core.asserts import Assert
+from app.core.logger import log
+
+# 支持的简历文件类型
+SUPPORTED_EXTENSIONS = (".txt", ".md", ".pdf", ".docx")
+
+# 纯文本解码尝试的编码顺序
+_TEXT_ENCODINGS = ("utf-8", "gbk", "gb2312", "latin-1")
+
+
+async def _parse_txt(content: bytes) -> str:
+    """解析纯文本 (.txt / .md)：自动探测编码，返回全文文本"""
+
+    def _decode() -> str:
+        for encoding in _TEXT_ENCODINGS:
+            try:
+                return content.decode(encoding)
+            except (UnicodeDecodeError, LookupError):
+                continue
+        # 全部失败时以替换字符兜底，保证不抛异常
+        return content.decode("utf-8", errors="replace")
+
+    return await asyncio.to_thread(_decode)
+
+
+async def _parse_pdf(content: bytes) -> str:
+    """解析 PDF：使用 PyMuPDF 逐页 get_text() 拼接为全文文本
+
+    sort=True 按文本块坐标(y,x)排序输出，即视觉阅读顺序。
+    默认的内容流顺序对模板生成的简历完全不可用：这类简历的「公司/职位/时间」表头是绝对定位文本框，
+    会被整批甩到全文最前面，与各自的职责描述相隔几十行，AI 无法还原归属关系。
+    """
+
+    def _extract() -> str:
+        parts: list[str] = []
+        with fitz.open(stream=content, filetype="pdf") as doc:
+            for page in doc:
+                parts.append(page.get_text("text", sort=True))
+        return "\n".join(parts)
+
+    return await asyncio.to_thread(_extract)
+
+
+async def _parse_docx(content: bytes) -> str:
+    """解析 Word (.docx)：拼接段落文本，表格行用 \t 连接，返回全文文本"""
+
+    def _extract() -> str:
+        try:
+            doc = Document(io.BytesIO(content))
+        except Exception:
+            raise ValueError("无法解析该 Word 文件，请确认为有效的 .docx 格式")
+        parts: list[str] = []
+        for para in doc.paragraphs:
+            text = para.text.strip()
+            if text:
+                parts.append(text)
+        for table in doc.tables:
+            for row in table.rows:
+                row_text = "\t".join(cell.text.strip() for cell in row.cells)
+                if row_text.strip():
+                    parts.append(row_text)
+        return "\n".join(parts)
+
+    return await asyncio.to_thread(_extract)
+
+
+# 后缀 → 解析函数。新增格式只需在此登记一行，并同步 SUPPORTED_EXTENSIONS。
+_PARSERS = {
+    ".txt": _parse_txt,
+    ".md": _parse_txt,
+    ".pdf": _parse_pdf,
+    ".docx": _parse_docx,
+}
+
+
+async def extract_text(filename: str, content: bytes) -> str:
+    """简历文字提取统一入口：先校验文件类型受支持，再按后缀路由提取全文文本"""
+    suffix = filename[filename.rfind("."):].lower() if "." in filename else ""
+    Assert.is_true(
+        suffix in SUPPORTED_EXTENSIONS,
+        f"不支持的文件类型: {suffix or '未知'}，支持: {', '.join(SUPPORTED_EXTENSIONS)}",
+    )
+
+    log.info(f"开始提取简历文本: {filename}，类型: {suffix}")
+    text = await _PARSERS[suffix](content)
+    log.info(f"简历文本提取完成: {filename}，字符数: {len(text)}")
+    return text

requirements.txt

@@ -43,7 +43,7 @@ python-multipart>=0.0.9
 python-dotenv>=1.0.0
 
 # 文件解析
-liteparse>=2.1.0
+pymupdf>=1.24.0
 python-docx>=1.1.0
 
 # 雪花ID