- name
- resume-jd-matcher
- version
- 2.0.3
- description
- 批量解析简历并与岗位 JD 进行 AI 智能匹配，生成结构化匹配报告（Excel）
- author
- fly
- authorEmail
- 13416145728@163.com
- license
- MIT
- tags
- [hr, resume, jd, matching, excel, ai]
Resume-JD-Matcher
批量解析简历并与岗位 JD 进行 AI 智能匹配，生成结构化匹配报告（Excel）。
🎯 功能
- 从 Word (.docx) 文件提取岗位任职要求
- 解析 PDF/Word 格式简历
- AI 智能分析简历与 JD 的匹配度
- 生成 Excel 匹配报告（含分析详情和总体评估表）
- 支持增量处理（跳过已处理的简历）
🚀 使用方式
方式 1：OpenClaw 消息触发（推荐，Subagent 模式）
在 OpenClaw 中发送消息：
帮我匹配 D:\JL 目录下的简历或使用命令：
/skill resume-jd-matcher优势：
- ✅ 无需配置 API
- ✅ 自动使用你已配置的大模型
- ✅ 支持批量并发处理（默认 3 个并发）
- ✅ 支持自然语言交互
批量处理流程：
- 扫描简历目录（按岗位分类）
- 为每份简历的每条任职要求创建子 Agent 任务
- 并发调用多个子 Agent 分析（默认最多 3 个同时运行）
- 收集所有结果，生成 Excel 报告
性能参考：
- 单次分析：~6-8 秒
- 10 份简历 × 5 条要求 = 50 个任务 ≈ 2-3 分钟（并发 3）
- 50 份简历 × 5 条要求 = 250 个任务 ≈ 10-15 分钟（并发 3）
方式 2：独立脚本运行（API 模式）
cd C:\Users\Administrator\.openclaw\workspace
python resume_match.py适用场景：批量离线处理、定时任务、无 OpenClaw 环境
⚙️ 配置
编辑 config_resume_match.yaml：
运行模式（必填）
# "subagent" - OpenClaw 模式（无需 API 配置）
# "api" - 独立脚本模式（需要配置 API）
mode: "subagent"路径配置（必填）
paths:
jd_folder: "D:\\JD" # JD 文件目录
jl_folder: "D:\\JL" # 简历目录（按岗位分类）
output_folder: "D:\\jg" # 输出目录API 配置（仅当 mode="api" 时需要）
mode: "api"
api:
active_provider: tencent
api_providers:
tencent:
name: "腾讯 Hunyuan"
api_key: "sk_xxxxx"
api_url: "https://api.hunyuan.tencent.com/v1/chat/completions"
model: "hunyuan-t1"📁 目录结构要求
D:\JD\ # 岗位 JD 目录
├── 投资岗.docx
├── 合规岗.docx
└── ...
D:\JL\ # 简历目录（按岗位文件夹分类）
├── 投资岗/
│ ├── 张三.pdf
│ └── 李四.docx
├── 合规岗/
│ ├── 王五.pdf
│ └── ...
└── ...
D:\jg\ # 输出目录（自动生成）
└── AI_Resume_All_20260403_1415.xlsx📊 输出格式
Excel 包含两个工作表：
1. 简历匹配结果
| 应聘者名称 | 应聘岗位 | 任职要求 | 匹配度 | AI 分析详情 | 处理时间 |
|---|---|---|---|---|---|
| 张三 | 投资岗 | 3 年以上投资经验... | 完全匹配 | {"分析": "..."} | 2026-04-03 14:15 |
2. 应聘者总体评估表
| 应聘岗位 | 应聘者名称 | 得分 |
|---|---|---|
| 投资岗 | 张三 | 95.00 |
| 投资岗 | 李四 | 87.50 |
匹配等级
- 完全匹配
- 高度匹配
- 匹配
- 部分匹配
- 不匹配
- 无相关信息
🔧 高级配置
批量性能优化
对于大量简历（50+ 份），建议：
# 子 Agent 模式超时时间（秒）
timeout: 60
# 并发限制（未来版本支持）
max_concurrent: 3日志配置
日志自动输出到：
- 控制台（实时显示）
D:\jg\ esume_match_YYYYMMDD_HHMM.log
🆚 模式对比
| 特性 | subagent 模式 | api 模式 |
|---|---|---|
| 配置 | 无需 | 需 API Key |
| 执行环境 | OpenClaw | 任意 Python 环境 |
| 单次耗时 | ~6 秒 | ~2 秒 |
| 批量 50 份 | ~5-10 分钟 | ~2-3 分钟 |
| 费用 | OpenClaw 配额 | API 供应商收费 |
| 适用场景 | OpenClaw 用户 | 独立脚本/定时任务 |
📝 版本历史
- V2.0.0 (2026-04-03) - 双模式架构重构
- V1.9.6 (2026-03-20) - 修复 AI 返回语言
- V1.9.4 (2026-03-16) - 新增多 API 供应商切换
🐛 常见问题
Q: subagent 模式报错 "session_spawn not found"
A: 确保在 OpenClaw 环境中运行，检查 sessions_spawn 工具是否可用。
Q: API 模式报错 "No module named 'fitz'"
A: 安装依赖：pip install PyMuPDF python-docx openpyxl pyyaml requests pdfplumber
Q: 如何处理扫描件简历？
A: 当前版本仅支持文本型 PDF/Word，扫描件需要 OCR 支持（未来版本）。
📦 依赖
openpyxl>=3.0.0
requests>=2.28.0
python-docx>=0.8.0
pyyaml>=6.0.0
pdfplumber>=0.11.0📄 License
MIT