Giters

binaryYuki / Resume_Matcher

Repository from Github https://github.combinaryYuki/Resume_MatcherRepository from Github https://github.combinaryYuki/Resume_Matcher

智能简历助手

基于 DeepSeek 和 LangChain 的智能简历助手，帮助用户智能分析职位要求并生成匹配度最高的简历。

功能特点

  • 📄 支持多种格式简历上传（PDF、Word、Markdown、TXT）
  • 🔍 智能职位描述（JD）分析
  • 🎯 简历匹配度评估
  • ✨ 智能简历生成
  • 💼 简历库管理
  • 🔐 安全的API密钥管理
  • 🌐 支持在线/离线模型加载

系统要求

  • Python 3.12
  • PyQt6
  • 操作系统：Windows/macOS/Linux
  • 磁盘空间：至少500MB（用于模型和数据存储）

安装说明

  1. 克隆项目：
git clone https://github.com/wangyaominde/Resume_Matcher.git
cd Resume_Matcher
  1. 创建并激活虚拟环境：
# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# macOS/Linux:
source venv/bin/activate
  1. 安装依赖：
# 确保在虚拟环境中安装依赖
pip install -r requirements.txt
  1. 配置 DeepSeek API：
  • 在应用程序设置中配置您的 DeepSeek API Key
  • API Key 将被安全加密存储在本地

应用程序会自动按照以下顺序加载模型：

  1. 优先尝试从 HuggingFace 在线下载最新模型
  2. 如果在线下载失败，将尝试使用本地预下载的模型
  3. 如果两者都失败，程序会提示错误

使用说明

  1. 启动应用：
python app.py

  1. 首次使用：

    • 点击右上角的"设置"按钮
    • 输入您的 DeepSeek API Key
    • 测试并保存配置

  2. 上传简历：

    • 点击"上传简历"按钮
    • 选择一个或多个简历文件
    • 支持格式：PDF、DOCX、DOC、TXT、MD

  3. 分析职位：

    • 在职位描述输入框中粘贴 JD
    • 点击"分析JD并生成简历"
    • 等待系统分析并生成匹配的简历

  4. 管理简历库：

    • 查看已上传的简历列表
    • 选择并删除不需要的简历

主要特性说明

智能 JD 分析

  • 自动提取关键技能要求
  • 识别必需和加分技能
  • 分析教育和经验要求
  • 提取工作职责和公司信息

简历生成

  • 基于 JD 智能匹配最适合的简历内容
  • 自动计算匹配度评分
  • 生成针对性优化的简历内容

简历库管理

  • 集中管理所有上传的简历
  • 支持批量上传和删除
  • 安全的本地存储

技术栈

  • 前端界面：PyQt6
  • AI 模型：DeepSeek
  • 向量数据库：Chroma
  • 文档处理：
    • PDF：pdfplumber, PyPDF2
    • Word：python-docx
    • 图像：Pillow, pytesseract
    • Markdown：markdown

注意事项

  1. API 密钥安全：

    • 请勿在公共环境泄露您的 API 密钥
    • API 密钥将被加密存储在本地数据库中

  2. 文件处理：

    • 建议上传小于 10MB 的文件
    • 确保文档格式规范，避免加密或损坏的文件

  3. 系统资源：

    • 处理大量简历时可能需要较多系统资源
    • 建议保持足够的磁盘空间

常见问题

  1. Q: 为什么无法连接到 API？ A: 请检查您的 API Key 是否正确，以及网络连接是否正常。

  2. Q: 上传 PDF 失败怎么办？ A: 确保 PDF 文件未加密，且为文本型 PDF（非扫描件）。

  3. Q: 如何提高简历匹配度？ A: 确保简历库中的简历内容完整，且与目标职位相关性高。

许可证

MIT License

联系方式

如有问题或建议，请提交 Issue 或 Pull Request。

免责声明

AI 生成的局限性

  1. 技术原理说明

    • 本项目使用大语言模型(LLM)进行简历生成，基于概率统计的模型输出本质上具有不确定性
    • 简历生成过程涉及多个步骤：文本理解、信息提取、内容生成，每个环节都可能引入偏差
    • 向量数据库的相似度匹配基于语义相似度计算，可能出现匹配不准确的情况

  2. 潜在风险

    • 生成内容可能存在事实性错误或逻辑不连贯
    • 技能匹配度评估仅供参考，不代表实际应聘结果
    • 自动生成的内容可能不符合特定行业或公司的要求
    • 简历格式和排版可能需要人工调整

  3. 使用建议

    • 生成的简历内容必须经过人工审核和修改
    • 建议将AI生成的内容作为参考和建议，而不是直接使用
    • 确保所有信息真实准确，不要过分依赖自动生成的内容
    • 根据具体职位和公司要求适当调整内容

  4. 责任声明

    • 本项目不对因使用AI生成内容造成的任何后果承担责任
    • 用户应自行承担使用本工具的风险和责任
    • 本项目不保证生成内容的准确性、完整性和适用性
    • 使用本工具即表示同意承担相关风险和责任

About

Languages

Language:Python 100.0%