LLM Agent Resume

智能简历筛选系统 (Resume Screener)

这是一个基于大型语言模型（LLM）的智能简历筛选系统。它旨在通过自动化和智能化的方式，提高招聘流程中简历筛选环节的效率和准确性。 备注：需求来源：[实战案例：从 0 到 1 搭建 LLM 智能简历筛选 Agent 系统（设计+实现）](https://mp.weixin.qq.com/s/66zlftFwb2FmmkEddki1Xg)

功能特性

• 自然语言交互: 理解HR以自然语言形式提出的筛选需求。
• 智能信息提取: 利用LLM从PDF简历和JD中提取结构化信息。
• 量化匹配算法: 结合语义理解和结构化信息，对候选人进行多维度量化评估。
• 多层次筛选: 实施语义初筛 -> 硬性条件过滤 -> 综合评分排序的漏斗式流程。
• 候选人分析: 为HR提供候选人匹配度分析与建议。
• RESTful API接口: 提供易于集成的Web API接口

项目结构

resume_screening/
├── app/                  # 主应用代码
│   ├── api/              # API路由和接口定义
│   ├── core/             # 核心业务逻辑 (如解析、检索、评分)
│   ├── models/           # 数据模型 (Pydantic/SQL)
│   ├── utils/            # 工具函数和辅助类
│   └── main.py           # 应用入口点
├── data/                 # 数据文件 (如简历样本、模型缓存)
├── cache/                # 缓存文件
├── chroma_db/            # 向量数据库
├── config/               # 配置文件 (如环境变量、系统设置)
├── notebooks/            # 探索性数据分析和原型开发 Jupyter Notebook
├── tests/                # 单元测试和集成测试
├── requirements.txt      # Python 依赖包列表
├── Dockerfile           # Docker配置文件
├── .env.example         # 环境变量示例文件
└── README.md            # 项目说明文件 (即本文件)

快速开始

环境准备

1. 克隆项目代码 (如果适用)
2. 创建虚拟环境:

   python -m venv venv
   # Windows
   venv\Scripts\activate
   # macOS/Linux
   # source venv/bin/activate

3. 安装依赖:

   pip install -r requirements.txt

配置环境变量

复制 `.env.example` 文件并重命名为 `.env`，然后填写相应的配置信息：

cp .env.example .env

编辑 `.env` 文件，填写你的OpenAI API密钥和其他配置：

OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_API_KEY=your_openai_api_key

运行应用

# 开发模式运行
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

# 生产模式运行
uvicorn app.main:app --host 0.0.0.0 --port 8000

运行测试

# 运行所有测试
python -m pytest tests/ -v

# 运行特定测试
python -m pytest tests/test_core_modules.py -v

使用Docker部署

构建Docker镜像

docker build -t resume-screening .

运行Docker容器

docker run -d \
  --name resume