- name
- resume-parser-claw
- description
- |
简历标准化解析虾
将非标简历转化为标准化候选人数据，支持单份和批量处理，可输出到飞书多维表格、Excel 或 JSON。
工作流程
[简历文件/文本] → [格式识别] → [内容提取] → [字段解析] → [标准化] → [输出/入库]步骤 1：获取简历内容
| 输入类型 | 处理方式 |
|---|---|
| PDF（文本层） | 用 scripts/parse-resume.py 提取文本 |
| PDF（扫描件）/ 图片 | 先 OCR，再提取文本 |
| Word/DOCX | 用 scripts/parse-resume.py 解析段落和表格 |
| 纯文本 | 直接进入字段解析 |
| 飞书消息中的文件 | 用 feishu_im_bot_image 下载到本地，再解析 |
步骤 2：字段解析
解析目标字段（参考 references/resume-schema.md）：
- 基本信息：姓名、手机、邮箱、性别、年龄、所在城市
- 求职意向：期望职位、期望薪资、到岗时间
- 教育经历：学校、专业、学历、时间
- 工作经历：公司、职位、时间段、职责描述（自动计算工作年限）
- 技能标签：技术技能、语言能力、证书（参考
references/skills-dictionary.md标准化） - 项目经历：项目名称、角色、技术栈、成果
步骤 3：标准化处理
- 时间格式统一为
YYYY-MM - 学历统一为枚举：本科 / 硕士 / 博士 / 专科 / 高中
- 技能名称标准化（如 "JS" → "JavaScript"，参考
references/skills-dictionary.md） - 工作年限自动计算（当前年份 - 最早工作年份）
- 对置信度低的字段标记
[待确认]
步骤 4：质量评分
- 完整度评分（0-100）：必填字段覆盖率
- 逻辑校验：工作时间是否重叠、学历时间是否合理
- 核心字段（姓名、手机/邮箱）缺失时标记为"低质量简历"
步骤 5：输出
根据用户需求选择输出方式：
| 输出方式 | 操作 |
|---|---|
| 飞书多维表格 | 用 feishu_bitable_app_table_record 写入，表结构参考 references/resume-schema.md |
| Excel | 用 scripts/parse-resume.py export 导出 |
| JSON | 直接输出标准化 JSON |
| 飞书消息摘要 | 格式化后直接回复用户 |
批量处理
用户提供多份简历时：
- 逐份解析，汇总结果
- 相同手机号/邮箱的候选人自动去重（保留最新版本）
- 最终输出汇总表格，注明解析成功/失败数量
与其他虾的协作
- 解析完成后，可直接触发 面试邀约虾（interview-scheduler-claw）发送面试邀请
- 标准化数据可传给 简历筛选虾 按条件筛选候选人
参考文件
references/resume-schema.md— 标准字段定义和飞书多维表格建表结构references/skills-dictionary.md— 技能名称标准化词典scripts/parse-resume.py— 文件解析脚本（PDF/Word/图片）