153 lines
13 KiB
Python
153 lines
13 KiB
Python
"""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，
|
||
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：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 []。
|
||
|
||
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。
|
||
|
||
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。
|
||
"""
|
||
|
||
# ==================== 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**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**：
|
||
- 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。
|
||
- 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。
|
||
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"] }}
|
||
```
|
||
规则：
|
||
1. 明确标注"实习/intern"的归 internship，其余正式工作归 work。
|
||
2. 每个标识唯一：若同一公司有多段不同岗位/时间的经历，用「公司+岗位或时间」区分（如"腾讯-产品经理""腾讯-2020"），确保后续能分别提取，不要合并成一条。
|
||
3. 每一段真实的任职经历都要列出，不要遗漏；但同一段经历不要重复列。
|
||
4. 只提取公司名相关标识，不要把公司内部的具体项目当作工作/实习条目。
|
||
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）。
|
||
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）。
|
||
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。
|
||
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。
|
||
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。
|
||
6. 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"]
|
||
```
|
||
规则：
|
||
1. 只提取真正的**竞赛/比赛/获奖**条目名称（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. 同一个竞赛只算一条，即使它拿了多个奖项，也不要按奖项拆成多条。
|
||
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，不要在这里重复列（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，不要列入。
|
||
6. 没有输出[]。只输出JSON。"""
|
||
|
||
# ==================== 第二阶段：详情提取 ====================
|
||
|
||
# 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，每个元素是原文中的一条 bullet 或一个段落：忠实还原原文措辞，按原文分条拆成多个数组元素（一条 bullet 一个元素），不要把多条内容塞进同一个元素；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", "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。
|
||
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内容一律不选。
|
||
""" + _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", "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。
|
||
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。
|
||
""" + _DESC_RULE
|
||
|
||
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", "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。
|
||
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。
|
||
""" + _DESC_RULE
|
||
|
||
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", "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"）。
|
||
description 填该项目的描述内容。
|
||
""" + _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", "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。
|
||
description 填该竞赛/获奖的额外描述内容。
|
||
""" + _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"], "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。**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。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。"""
|