简历优化和岗位简历

2026-04-13 21:34:40 +08:00
parent a39835be01
commit 1c91818494
32 changed files with 3850 additions and 320 deletions
@@ -32,7 +32,18 @@ export interface AiResult<T = any> {

 /** 上传简历返回数据 */
 export interface UploadResumeData {
-  resumeId: number
+  /** 简历 ID（字符串，避免大整数精度丢失） */
+  resumeId: string
+}
+
+/**
+ * 自定义 JSON 解析：将超出安全整数范围的数字转为字符串，防止精度丢失
+ * 匹配 JSON 中独立的纯数字（不在引号内），超过 15 位的整数加上引号
+ */
+function safeParseLargeNumbers(data: string) {
+  // 将超过 15 位的整数值加上引号，变成字符串
+  const processed = data.replace(/:\s*(\d{16,})/g, ':"$1"')
+  return JSON.parse(processed)
 }

 /**
@@ -48,6 +59,14 @@ export function uploadResume(file: File) {
    headers: {
      'Content-Type': 'multipart/form-data',
    },
+    // 自定义响应解析，防止大整数 ID 精度丢失
+    transformResponse: [(data: string) => {
+      try {
+        return safeParseLargeNumbers(data)
+      } catch {
+        return data
+      }
+    }],
  }).then(res => res.data)
 }

@@ -2,6 +2,15 @@ import axios from 'axios'
 import type { AxiosResponse } from 'axios'
 import store from '@/stores'

+/**
+ * 自定义 JSON 解析：将超出安全整数范围的数字转为字符串，防止精度丢失
+ * 匹配 JSON 中独立的纯数字（超过 15 位的整数），加上引号变成字符串
+ */
+function safeParseLargeNumbers(data: string) {
+  const processed = data.replace(/:\s*(\d{16,})/g, ':"$1"')
+  return JSON.parse(processed)
+}
+
 /**
 * 创建 axios 实例
 * withCredentials: true — 浏览器自动携带 Cookie（包括 HttpOnly 的 Token）
@@ -10,6 +19,14 @@ const service = axios.create({
  baseURL: import.meta.env.VITE_API_BASE_URL,
  timeout: 15000,
  withCredentials: true,
+  // 自定义响应解析，防止大整数 ID 精度丢失
+  transformResponse: [(data: string) => {
+    try {
+      return safeParseLargeNumbers(data)
+    } catch {
+      return data
+    }
+  }],
 })

 /**
@@ -0,0 +1,124 @@
+/**
+ * 文本差异对比工具 — 用于简历原文与 AI 改进版本的逐字高亮对比
+ *
+ * 采用 Myers diff 算法的简化实现，能精确找出两段文本之间的
+ * 插入、删除和保留片段，比逐字顺序扫描更准确。
+ */
+
+/** 差异片段类型 */
+export interface DiffSegment {
+  /** 文本内容 */
+  text: string
+  /** 是否为差异（需要高亮） */
+  highlight: boolean
+}
+
+/**
+ * 计算两段文本的差异，返回新文本中每个片段的高亮标记
+ * 使用最长公共子序列（LCS）来识别相同部分，非 LCS 部分标记为差异
+ *
+ * @param original - 原文字符串
+ * @param modified - AI 改进后的字符串
+ * @returns 差异片段数组，每个片段包含文本和是否高亮
+ */
+export function computeDiff(original: string, modified: string): DiffSegment[] {
+  if (!original || !modified) {
+    return modified ? [{ text: modified, highlight: true }] : []
+  }
+
+  // 计算 LCS 表
+  const m = original.length
+  const n = modified.length
+
+  // 优化：如果文本完全相同，直接返回
+  if (original === modified) {
+    return [{ text: modified, highlight: false }]
+  }
+
+  // 使用滚动数组优化空间，只保留两行
+  let prev = new Uint16Array(n + 1)
+  let curr = new Uint16Array(n + 1)
+
+  for (let i = 1; i <= m; i++) {
+    for (let j = 1; j <= n; j++) {
+      if (original[i - 1] === modified[j - 1]) {
+        curr[j] = prev[j - 1] + 1
+      } else {
+        curr[j] = Math.max(prev[j], curr[j - 1])
+      }
+    }
+    // 交换行
+    ;[prev, curr] = [curr, prev]
+    curr.fill(0)
+  }
+
+  // 回溯找出 LCS 中每个字符在 modified 中的位置
+  // 需要完整的 DP 表来回溯，重新计算（用二维数组但限制大小）
+  const lcsSet = new Set<number>() // modified 中属于 LCS 的索引
+
+  // 对于较长文本，使用空间优化的回溯
+  if (m * n > 1000000) {
+    // 文本过长时使用简化的贪心匹配
+    let oi = 0
+    for (let mi = 0; mi < n && oi < m; mi++) {
+      if (modified[mi] === original[oi]) {
+        lcsSet.add(mi)
+        oi++
+      }
+    }
+  } else {
+    // 标准 LCS 回溯
+    const dp: number[][] = Array.from({ length: m + 1 }, () => new Array(n + 1).fill(0))
+    for (let i = 1; i <= m; i++) {
+      for (let j = 1; j <= n; j++) {
+        if (original[i - 1] === modified[j - 1]) {
+          dp[i][j] = dp[i - 1][j - 1] + 1
+        } else {
+          dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1])
+        }
+      }
+    }
+
+    // 回溯
+    let i = m, j = n
+    while (i > 0 && j > 0) {
+      if (original[i - 1] === modified[j - 1]) {
+        lcsSet.add(j - 1)
+        i--
+        j--
+      } else if (dp[i - 1][j] >= dp[i][j - 1]) {
+        i--
+      } else {
+        j--
+      }
+    }
+  }
+
+  // 根据 LCS 标记生成差异片段
+  const segments: DiffSegment[] = []
+  let currentText = ''
+  let currentHighlight = false
+
+  for (let mi = 0; mi < n; mi++) {
+    const isMatch = lcsSet.has(mi)
+    const highlight = !isMatch
+
+    if (mi === 0) {
+      currentHighlight = highlight
+      currentText = modified[mi]
+    } else if (highlight === currentHighlight) {
+      currentText += modified[mi]
+    } else {
+      segments.push({ text: currentText, highlight: currentHighlight })
+      currentText = modified[mi]
+      currentHighlight = highlight
+    }
+  }
+
+  // 推入最后一段
+  if (currentText) {
+    segments.push({ text: currentText, highlight: currentHighlight })
+  }
+
+  return segments
+}