resume-parser

# 智能简历解析系统 Skill

## 核心功能
1. **多格式支持**：PDF (.pdf)、Word (.docx/.doc)、图片 (.jpg/.png/.webp) 格式简历解析
2. **信息提取**：自动识别并提取以下核心信息：
   - 个人基本信息（姓名、电话、邮箱、年龄、性别、所在地）
   - 教育经历（学校、专业、学历、起止时间、GPA、相关课程）
   - 工作经历（公司名称、职位、起止时间、工作内容、业绩成果）
   - 项目经历（项目名称、角色、起止时间、项目描述、技术栈、成果）
   - 技能栈（编程语言、框架、工具、软技能、语言能力）
   - 证书、获奖经历、自我评价
3. **匹配度分析**：输入岗位JD后自动计算简历匹配度，从技能匹配、经验匹配、学历匹配等多维度打分
4. **优化建议**：针对简历不足生成具体优化建议，包括内容补充、表述优化、结构调整
5. **数据导出**：支持JSON/Markdown格式导出结构化简历数据

## 工作流程
1. 当用户上传简历文件或提供简历路径时，先调用对应解析脚本提取文本内容
2. 将提取的文本传入大模型进行结构化信息提取，输出标准JSON格式
3. 如果用户提供了岗位JD，按照以下严格规则进行匹配度分析：
   - **第一步：先区分JD中的「核心要求」和「加分要求」**：核心要求占比80%权重，加分要求占20%
   - **第二步：严格匹配核心要求**：核心要求只要有一项不满足，整体评分上限不超过60分；2项及以上不满足，上限不超过40分
   - **第三步：加权计算总分**：严格按照各维度权重计算，禁止主观加分
   - **第四步：客观说明匹配情况**：必须明确说明「完全匹配/基本匹配/不匹配」，禁止模糊表述
4. 最终返回结构化结果 + 严格的分析报告 + 可落地优化建议

## 匹配度评分严格规则
1. **90-100分：完全匹配**：所有核心要求100%满足，加分要求满足80%以上，有超出要求的亮点
2. **70-89分：基本匹配**：核心要求全部满足，加分要求满足50%以上，无明显核心短板
3. **60-69分：勉强匹配**：核心要求基本满足，有1项非关键核心要求不满足，加分要求满足30%以上，可以进入面试
4. **<60分：不匹配**：核心要求有2项及以上不满足，或有1项关键核心要求不满足，不符合岗位基本要求

## 核心要求判定规则
- 岗位JD中明确标注「必须」「要求」「需具备」的技能/经验
- 岗位名称对应的核心能力（如AI算法岗必须懂深度学习，后端岗必须懂编程语言）
- 明确的工作年限、学历要求

## 脚本使用
### 1. PDF文本提取
```bash
python scripts/extract_pdf.py <inpu...

# 智能简历解析系统 Skill

这是一个OpenClaw平台的智能简历解析Skill，完全本地运行，无需外部API。

## 功能特性
- 📄 支持PDF/Word/图片格式简历解析
- 🔍 自动提取结构化简历信息（个人信息、教育经历、工作经历、项目经历、技能栈等）
- 🎯 岗位JD匹配度分析，多维度打分
- 💡 智能生成简历优化建议
- 📤 支持JSON/Markdown格式导出

## 快速开始
### 1. 安装依赖
```bash
pip install PyPDF2 python-docx pytesseract pillow
```
*注意：OCR功能需要安装Tesseract OCR引擎*

### 2. 解析简历
```bash
# 1. 提取PDF文本
python scripts/extract_pdf.py resume.pdf > resume_text.txt

# 2. 结构化解析
# 将resume_text.txt的内容传入大模型，使用SKILL.md中的提示词获取结构化JSON
```

### 3. 匹配岗位JD
```bash
# 1. 准备JD文本文件 jd.txt
# 2. 使用匹配脚本生成提示词，传入大模型获取匹配度分析
python scripts/match_jd.py resume_structured.json jd.txt
```

## 使用示例
### 解析简历
输入：`解析这个简历 resume.pdf`
输出：结构化的简历JSON + 简历摘要

### 匹配岗位
输入：`这个简历匹配后端开发岗位的JD怎么样？jd.txt`
输出：匹配度评分 + 优势/劣势分析 + 优化建议

## 技术栈
- 文本提取：PyPDF2（PDF）、python-docx（Word）、Tesseract OCR（图片）
- 大模型：本地部署的任意大模型（豆包/Claude/Ollama等）
- 数据格式：JSON标准化输出

## 项目亮点（可写简历）
1. **全本地运行**：无需调用外部API，数据隐私安全
2. **多格式支持**：覆盖主流简历格式，OCR支持图片简历
3. **结构化输出**：标准化JSON格式，方便后续处理
4. **智能匹配**：多维度匹配度分析，提供可落地的优化建议
5. **插件化设计**：作为OpenClaw Skill可一键安装，开箱即用