简历优化与求职提升助手
系统面向毕业生求职场景，把简历解析、岗位画像、规则评分、证据链建议、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. 课题的意义、目的
- 掌握简历文本解析、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。
- 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。
- 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求职评价要素。
- 培养学生面向毕业生真实求职场景的技术服务能力和数据安全意识。
- 提升学生对 AI 生成建议进行事实校验、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优化与求职提升助手。用户可以通过粘贴文本导入简历，并鼓励支持 .txt、.pdf、.docx 中至少一种文件上传解析；解析失败时必须回退到粘贴模式。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，并结合简历内容进行多维诊断。
系统按岗位匹配度、经历完整度、成果量化、表达清晰度、格式规范五个维度评分，每项评分必须关联简历原文证据。大语言模型负责输出结构化诊断 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后段落对比，保存多个简历版本和历次评分趋势，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
- 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。
- 简历导入至少支持粘贴文本；如实现
.pdf或.docx上传，必须处理乱码、扫描件、超大文件和解析失败场景。 - 岗位 JD 必须结构化保存，至少包含岗位名称、职责列表、技能列表、经验要求和关键词权重。
- 五个评分维度必须先经过后端规则计算，再交给 AI 补充解释；AI 不得脱离简历原文虚构经历或编造评分依据。
- AI 诊断结果必须为 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。
- 支持保存多个简历版本，展示历次总分趋势、维度变化和关键修改记录。
- 支持原文段落与优化段落左右对比，接受或拒绝单条建议。
- 支持导出 Markdown 或 PDF 诊断报告；PDF 导出失败时应可回退导出 Markdown。
- 简历属于敏感数据：文件只在服务端临时处理，数据库保存用户授权后的诊断版本，删除记录时同步删除关联文件和报告；API Key 只存放在服务端。
- 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. 四人同题差异化矩阵
| 方向 | 目标岗位 | 差异化重点 | 特色功能 |
|---|---|---|---|
| A | IT 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 |
四个方向必须准备不同的示例简历、JD 模板、评分权重和建议词库，不得只更换岗位名称。
5. 参考资料
- Agnes 3.0 Flash 文本模型文档：https://agnes-ai.com/zh-Hans/docs/agnes-30-flash
- Flask 官方文档：https://flask.palletsprojects.com/
- Express 官方文档：https://expressjs.com/
- Vue 3 官方教程：https://cn.vuejs.org/guide/introduction.html
- pypdf 文档：https://pypdf.readthedocs.io/
- Mammoth .docx to HTML converter：https://mammoth.js.org/
- 《毕业实践综合项目设计说明书撰写规范》及软件工程、数据分析相关教材。
6. 完成形式
- 系统源代码一份。
- 毕业实践综合项目设计说明书电子稿和打印版各一份。