autoAiWorkSys/_doc/简历存储和分析功能说明.md

简历存储和分析功能说明

📋 功能概述

本功能实现了从在线平台（Boss直聘）获取用户简历数据，并自动存储到数据库，同时使用AI进行智能分析的完整流程。

🔗 数据关联

• pla_account 表：存储平台账户信息（设备与平台的绑定关系）
• resume_info 表：存储简历详细信息
• 关联关系：resume_info.account_id = pla_account.id（自增ID）
• 查询逻辑：通过 sn_code + platform 查询 pla_account 获取 account_id

🔧 核心功能

1. 简历数据获取与存储

位置: api/middleware/job/jobManager.js

主要方法:

• get_online_resume(sn_code, mqttClient, params) - 获取在线简历
• saveResumeToDatabase(sn_code, platform, resumeData) - 保存简历到数据库

数据流程:

MQTT请求 → 获取简历数据 → 解析数据 → 存储到resume_info表 → AI分析 → 更新AI分析字段

2. 数据映射关系

从Boss直聘响应到数据库字段的映射

Boss直聘字段	数据库字段	说明
baseInfo.name	fullName	姓名
baseInfo.gender	gender	性别（1=男，0=女）
baseInfo.age	age	年龄
baseInfo.account	phone	电话
baseInfo.emailBlur	email	邮箱
expectList[0].locationName	location	所在地
educationExpList[0].degreeName	education	学历
educationExpList[0].major	major	专业
educationExpList[0].school	school	毕业院校
educationExpList[0].endYear	graduationYear	毕业年份
baseInfo.workYearDesc	workYears	工作年限
workExpList[0].positionName	currentPosition	当前职位
workExpList[0].companyName	currentCompany	当前公司
expectList[0].positionName	expectedPosition	期望职位
expectList[0].salaryDesc	expectedSalary	期望薪资
expectList[0].locationName	expectedLocation	期望地点
expectList[0].industryDesc	expectedIndustry	期望行业
userDesc	skillDescription	技能描述
projectExpList	projectExperience	项目经验（JSON）
workExpList	workExperience	工作经历（JSON）

3. AI智能分析

分析维度:

1. 技能标签提取 - 从简历描述中自动提取技术栈
2. 优势分析 - 分析候选人的核心优势
3. 劣势分析 - 指出需要改进的方面
4. 职业建议 - 提供职业发展建议
5. 竞争力评分 - 0-100分的综合评分

评分规则（默认分析）:

• 基础分：50分
• 工作年限：10年以上+20分，5-10年+15分，3-5年+10分
• 技能数量：10个以上+15分，5-10个+10分
• 学历：硕士+10分，本科+5分

4. 技能标签自动提取

系统会自动从简历描述中提取以下技能标签：

前端技术:

• Vue, React, Angular, JavaScript, TypeScript
• Webpack, Vite, Redux, MobX
• jQuery, Bootstrap, Element UI, Ant Design

后端技术:

• Node.js, Python, Java, C#, .NET
• Express, Koa, Django, Flask

数据库:

• MySQL, MongoDB, Redis

其他技术:

• WebRTC, FFmpeg, Canvas, WebSocket
• Git, Docker, Kubernetes, AWS, Azure
• Selenium, Jest, Mocha, Cypress

📊 数据库表结构

表名: resume_info

主要字段:

- id: 简历ID（UUID）
- sn_code: 设备SN码
- platform: 平台（boss/liepin）
- fullName: 姓名
- gender: 性别
- age: 年龄
- phone: 电话
- email: 邮箱
- education: 学历
- workYears: 工作年限
- expectedPosition: 期望职位
- expectedSalary: 期望薪资
- skills: 技能标签（JSON）
- projectExperience: 项目经验（JSON）
- workExperience: 工作经历（JSON）
- aiSkillTags: AI提取的技能标签（JSON）
- aiStrengths: AI分析的优势
- aiWeaknesses: AI分析的劣势
- aiCareerSuggestion: AI职业建议
- aiCompetitiveness: AI竞争力评分
- originalData: 原始数据（JSON）
- isActive: 是否活跃
- syncTime: 同步时间

🚀 使用示例

调用方式

const jobManager = require('./api/middleware/job/jobManager');

// 获取在线简历（自动存储和分析）
const resumeData = await jobManager.get_online_resume(
    'GHJU',           // 设备SN码
    mqttClient,       // MQTT客户端实例
    { platform: 'boss' }  // 参数（可选）
);

响应数据示例

参考文件: _doc/在线简历响应文本.json

🔍 日志输出

系统会输出以下日志信息：

[工作管理] 开始获取设备 GHJU 的在线简历
[工作管理] 成功获取简历数据: {...}
[工作管理] 简历已创建 - ID: xxx-xxx-xxx
[工作管理] 开始AI分析简历 - ID: xxx-xxx-xxx
[工作管理] AI分析完成 - 竞争力评分: 85
[工作管理] 简历数据已保存到数据库

⚠️ 注意事项

1. 数据安全: 原始简历数据会完整保存在 originalData 字段中
2. 去重机制: 同一设备同一平台只保留一份活跃简历
3. 容错处理: 如果AI分析失败，会使用基于规则的默认分析
4. 异步处理: 简历保存失败不会影响数据返回

📝 后续优化建议

1. 增加更多平台支持（猎聘、拉勾等）
2. 优化AI提示词，提高分析准确度
3. 添加简历版本管理功能
4. 实现简历对比功能
5. 增加简历导出功能（PDF、Word等）