- name
- resume-analyzer
- description
- 分析简历内容并提供深度审计报告，包括评分、优缺点分析和改进建议。当用户需要分析简历、获取简历优化建议或进行简历评估时调用。
简历分析器
功能说明
本技能提供专业的简历分析服务，基于AI模型对简历内容进行深度审计，生成详细的分析报告。
分析维度
- 项目经验评分 (0-40分)：评估项目深度、技术复杂度和业务价值
- 技能匹配度 (0-20分)：评估技术栈专业度和与岗位的匹配程度
- 内容完整性 (0-15分)：评估简历信息的完整性和模块顺序合理性
- 结构清晰度 (0-15分)：评估简历结构和格式的清晰度
- 表达专业性 (0-10分)：评估语言表达的专业性和简洁性
输入格式
{
"resumeText": "简历文本内容"
}输出格式
{
"overallScore": 85,
"scoreDetail": {
"projectScore": 35,
"skillMatchScore": 18,
"contentScore": 12,
"structureScore": 13,
"expressionScore": 7
},
"summary": "整体简历质量良好，项目经验丰富，但技能描述可进一步优化",
"strengths": [
"项目经验丰富，包含多个大型系统开发",
"技术栈全面，涵盖主流后端技术"
],
"suggestions": [
{
"category": "技能",
"priority": "高",
"issue": "技能描述过于笼统，缺乏具体技术深度",
"recommendation": "建议具体描述使用过的技术栈版本和应用场景"
},
{
"category": "项目",
"priority": "中",
"issue": "项目描述缺乏量化成果",
"recommendation": "添加具体的性能优化数据或业务成果指标"
}
]
}技术优化基准
在分析简历时，会参考以下高标准场景：
高并发与缓存优化
- 多级缓存：Redis + Caffeine 两级缓存架构，解决击穿/穿透/雪崩，支撑 30w+ QPS
- 原子操作：Redis Lua 脚本实现分布式令牌桶限流或原子库存扣减
异步与性能调优
- 异步编排：
CompletableFuture对多源 RPC 调用编排，RT 从秒级到百毫秒级 - 线程治理：动态线程池参数监控与调整，解决父子任务线程池隔离导致的死锁问题
微服务架构与数据一致性
- 数据同步：Canal + RabbitMQ/RocketMQ 实现 MySQL 增量数据实时同步至 Elasticsearch
- 分布式事务：基于消息队列（延时消息）实现订单超时关闭或数据最终一致性
- 网关与安全：Spring Cloud Gateway + Spring Security OAuth2 + JWT + RBAC 动态权限控制
复杂业务建模与设计模式
- DDD 领域驱动：抽象领域模型，运用工厂、策略、模板方法模式构建业务链路
- 规则引擎：责任链模式处理前置校验，组合模式+决策树支撑复杂业务逻辑
分析流程
- 名词纠错：扫描全文，列出所有不规范的技术名词
- 深度重写：从简历中挑选 2-3 条核心项目描述，基于 STAR 法则进行优化重写
- 方案优化建议：针对简历中平庸的技术方案，给出更具竞争力的替代方案
使用示例
输入示例
{
"resumeText": "张三，Java开发工程师，5年经验，熟悉Spring Boot、MySQL、Redis等技术栈。曾参与电商系统开发，负责订单模块。"
}输出示例
{
"overallScore": 65,
"scoreDetail": {
"projectScore": 25,
"skillMatchScore": 15,
"contentScore": 10,
"structureScore": 10,
"expressionScore": 5
},
"summary": "简历基础信息完整，但项目描述过于简单，缺乏技术深度和量化成果",
"strengths": [
"具有5年Java开发经验，技术栈基础扎实"
],
"suggestions": [
{
"category": "项目",
"priority": "高",
"issue": "项目描述过于简单，缺乏具体职责和成果",
"recommendation": "使用STAR法则描述项目：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，添加具体的技术实现和量化成果"
},
{
"category": "技能",
"priority": "中",
"issue": "技能描述过于笼统，缺乏具体版本和应用场景",
"recommendation": "具体说明使用的Spring Boot版本、Redis应用场景（如缓存策略）等技术细节"
}
]
}注意事项
- 输入的简历文本应尽量完整，包含个人信息、教育背景、工作经验、项目经验和技能等内容
- 分析结果基于AI模型，仅供参考，最终决策需结合实际情况
- 对于特别简短的简历，分析深度可能会受到限制