智能简历筛选系统 (getBetterIntroduction)

📝 项目介绍

智能简历筛选系统是一个基于 FastAPI 和大型语言模型的应用程序，旨在帮助企业和招聘团队自动化简历筛选流程。系统能够从 PDF 格式的简历中提取信息，并使用 AI 模型（DeepSeek V3）对简历进行智能分析和排序，帮助招聘人员快速找到最适合特定岗位的候选人。

核心功能

• 自动读取并解析 PDF 格式的简历文件
• 异步处理多份简历，提高处理效率
• 使用 DeepSeek V3 AI 模型分析简历内容
• 根据特定岗位需求对候选人进行智能排名
• 通过 RESTful API 接口提供服务

🛠️ 技术架构

• 后端框架: FastAPI
• API 服务器: Uvicorn
• PDF 处理: PyPDF2
• AI 模型: DeepSeek V3 (通过 OpenRouter API)
• 异步处理: asyncio

📋 项目结构

getBetterIntroduction/
├── main.py         # 主程序文件，包含 FastAPI 应用和主要逻辑
├── pdf/            # 存放待分析的简历 PDF 文件
│   ├── 简历1.pdf
│   ├── 简历2.pdf
│   └── 简历3.pdf
├── requirements.txt # 项目依赖
└── README.md        # 项目说明文档

🚀 安装指南

前置条件

• Python 3.8 或更高版本
• 有效的 DeepSeek API 密钥 (通过 OpenRouter)

安装步骤

1. 克隆项目仓库:

git clone https://github.com/yourusername/getBetterIntroduction.git
cd getBetterIntroduction

2. 安装所需依赖:

pip install -r requirements.txt

3. 设置环境变量:

# Linux/macOS
export My_DeepSeek_V3=your_api_key_here

# Windows
set DEEPSEEK_V3=your_api_key_here

📊 使用方法

准备工作

1. 将需要分析的简历 PDF 文件放入 pdf 文件夹中

启动服务

python main.py

服务将在 http://0.0.0.0:8001 上启动

API 使用

获取简历排名

GET /get_job/better_rank?job={岗位名称}

参数:

• job: 招聘岗位名称，例如"嵌入式应用开发工程师"

返回:

• 格式化的 JSON 数据，包含按岗位匹配度排序的简历信息

示例请求:

curl -X GET "http://localhost:8001/get_job/better_rank?job=嵌入式应用开发工程师"

🔄 工作流程

1. 系统启动时自动加载 pdf 文件夹中的所有简历
2. 使用 PyPDF2 异步提取所有简历的文本内容
3. 当收到 API 请求时，将简历内容和目标岗位信息发送给 DeepSeek AI 模型
4. AI 模型分析简历内容，提取关键信息并按岗位要求进行排序
5. 将排序后的结果以 JSON 格式返回给用户

📈 优化方向

• 添加简历预处理功能，提高文本提取质量
• 实现简历信息的结构化存储（例如数据库集成）
• 添加用户认证和权限控制
• 开发前端界面，提供更友好的用户体验
• 增加批量处理和导出功能

📄 许可证

MIT License

📧 联系方式

如有问题或建议，请联系：your-email@example.com