人工智能技术应用课程讲义

AI 简历诊断与求职提升助手 ​

AI 简历诊断与求职提升助手选题封面

系统面向毕业生求职场景，把简历导入、岗位画像、五维规则评分、AI 证据链诊断、版本对比和报告导出连成完整工作流。AI 建议必须关联简历原文，不得虚构经历。

1. 课题的目的与意义 ​

  1. 掌握简历解析、岗位画像建模、多维评分、版本管理和报告导出的完整开发流程。
  2. 熟悉大语言模型结构化输出、证据链诊断和局部内容重写的工程化处理方法。
  3. 理解岗位匹配度、经历完整度、成果量化、表达清晰度和格式规范等评价要素。
  4. 培养面向毕业生求职场景的技术服务能力和数据安全意识。
  5. 提升对 AI 建议进行事实校验、原文对照和可解释性设计的能力。

2. 课题任务 ​

设计并开发一个简历诊断与求职提升助手。用户通过粘贴文本导入简历，并至少支持 .txt、.pdf、.docx 中一种文件上传解析；解析失败时回退粘贴模式。用户选择或粘贴目标岗位 JD 后，系统抽取岗位职责、技能要求、经验要求和加权关键词，按岗位匹配度、经历完整度、成果量化、表达清晰度、格式规范五个维度评分，并要求每项评分关联简历原文证据。

AI 输出结构化诊断 JSON，包括亮点、风险、缺失关键词、逐条修改建议、可改写段落和改写理由。系统需展示原文与优化段落对比，保存多个简历版本和评分趋势，并支持导出诊断报告或优化后简历。系统需包含用户注册登录、简历导入、岗位设置、AI 诊断、评分雷达图、问题清单、优化对比、版本管理、报告导出、历史记录、个人中心等功能模块。

3. 课题要求 ​

  1. 系统包含注册登录、简历导入、岗位设置、诊断报告、评分雷达图、原文对比、版本管理、历史记录等关键页面。
  2. 简历导入至少支持粘贴文本；实现文件上传时必须处理乱码、扫描件、超大文件和解析失败。
  3. 岗位 JD 必须结构化保存岗位名称、职责、技能、经验要求和关键词权重。
  4. 五个评分维度先由后端规则计算，AI 只补充解释，不得脱离简历原文虚构经历或评分依据。
  5. AI 诊断必须为 JSON，包含证据原文、问题类型、严重程度、修改建议和置信提示，解析失败时给出友好错误。
  6. 支持多简历版本、历次总分趋势、维度变化和关键修改记录。
  7. 支持原文段落与优化段落左右对比，可接受或拒绝单条建议。
  8. 支持导出 Markdown 或 PDF 诊断报告，PDF 失败时可回退 Markdown。
  9. 简历属于敏感数据，文件只在服务端临时处理，删除记录时同步删除关联文件和报告，API Key 只保存在服务端。
  10. 完成功能测试、文件解析测试、权限测试和异常测试，撰写毕业设计说明书。

4. 同题差异化方向 ​

同题的同学从下列方向中选择一个切入，示例数据、JD/词库/章节素材和特色功能都必须与方向匹配，避免只换名字的「雷同项目」。

方向场景侧重差异化重点特色功能
AIT 技术岗项目经历、技术栈、代码仓库、量化成果技术关键词覆盖度分析
B电商运营岗活动数据、转化率、投放经验、内容运营业绩数据表达改写建议
C护理医疗岗实习科室、操作技能、证书资质、责任描述资质证书核查清单
D教师与考编岗教学实习、课程设计、班级管理、获奖情况教学成果表达与试讲亮点建议

5. 参考资料 ​

  1. Agnes API 使用教程（站内，含文本模型调用与常见错误处理）
  2. Flask 官方文档
  3. Express 官方文档
  4. Vue 3 官方教程
  5. Chart.js 文档（评分雷达图与趋势图）
  6. pypdf 文档（PDF 简历解析）
  7. Mammoth（.docx 简历解析）
  8. 《毕业实践综合项目设计说明书撰写规范》及《软件工程：实践者的研究方法》等参考资料。

6. 完成形式 ​

  1. 系统源代码一份。
  2. 毕业实践综合项目设计说明书电子稿和打印版各一份。

从这里开始 ​