init commit

Signed-off-by: vax521 <13263397018@163.com>

app.py

@@ -0,0 +1,464 @@
+from utils import draw_radar_chart, draw_multi_radar_chart, extract_json
+import gradio as gr
+from pydantic import BaseModel
+import os
+import requests
+import json
+
+def get_access_token():
+    """
+    使用 API Key，Secret Key 获取access_token，替换下列示例中的应用API Key、应用Secret Key
+    """
+        
+    url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=TG0gvfr6GPTLE3xQvTfESTv1&client_secret=zgIKU71KMox73p4jljCUC3sgifoLDDd1"
+    
+    payload = json.dumps("")
+    headers = {
+        'Content-Type': 'application/json',
+        'Accept': 'application/json'
+    }
+    
+    response = requests.request("POST", url, headers=headers, data=payload)
+    return response.json().get("access_token")
+
+def ask_gpt(prompt):
+    url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/eb-instant?access_token=" + get_access_token()
+    print(prompt)
+    payload = json.dumps({
+        "messages": [
+            {
+                "role": "user",
+                "content": prompt
+            }
+        ]
+    })
+    headers = {
+        'Content-Type': 'application/json'
+    }
+    
+    response = requests.request("POST", url, headers=headers, data=payload)
+    print(response)
+    return json.loads(response.text)['result']
+
+
+def ask_gpt_with_history(history):
+    url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/eb-instant?access_token=" + get_access_token()
+
+    payload = json.dumps({
+        "messages": history
+    })
+    headers = {
+        'Content-Type': 'application/json'
+    }
+    
+    response = requests.request("POST", url, headers=headers, data=payload)
+    return json.loads(response.text)['result']
+
+
+async def predict(input, history):
+    """
+    Predict the response of the chatbot and complete a running list of chat history.
+    """
+    history.append({"role": "user", "content": input})
+    response = ask_gpt_with_history(history)
+    history.append({"role": "assistant", "content": response})
+    messages = [(history[i]["content"], history[i + 1]["content"]) for i in range(0, len(history) - 1, 2)]
+    return messages, history
+
+
+class Message(BaseModel):
+    role: str
+    content: str
+
+
+def parse_file(file):
+    txt = pure_parse_file(file)
+    return txt, gr.update(visible=True), gr.update(visible=True), gr.update(visible=True)
+
+
+def pure_parse_file(file):
+    with open(file.name, encoding="utf8") as in_file:
+        txt = in_file.read()
+    return txt
+
+
+# 生成人才画像
+def generate_talent_portrait(resume):
+    prompt = f"你现在是HR招聘专家,下面是候选人的简历:\n\"\"\"\"{resume}\"\"\"\"\n请你分析候选人的教育背景、工作经验、技能等方面的特点，给出候选人的人才画像,并概括性的分析候选人的优点和不足。"
+    return ask_gpt(prompt)
+
+
+# 人岗匹配度
+def person_job_fit_gene(resume, jd):
+    # prompt = f"你现在是HR招聘专家，某职位要求是：{{{jd}}}\n某候选人简历如下：{{{get_talent_outline(resume)}}}" + "。岗位与候选人之间的匹配度可以用0-1之间的数字表示，0表示完全不匹配，1表示完全匹配。请你评估应聘岗位与候选人的匹配度，并给出理由。"
+    prompt = '''你现在是HR招聘专家，某职位要求是：
+    {}
+    某候选人简历信息如下：{}。
+    针对候选人的简历与职位要求进行匹配度评估，采取以下规则：1. 教育背景匹配度评估：
+   - 完全匹配：候选人的教育背景与职位要求完全符合。
+   - 较为匹配：候选人的教育背景与职位要求有一定的相关性，但不完全符合。
+   - 较不匹配：候选人的教育背景与职位要求有一些不相关的情况。
+   - 完全不匹配：候选人的教育背景与职位要求完全不符合。
+
+2. 工作经验匹配度评估：
+   - 完全匹配：候选人的工作经验与职位要求完全符合。
+   - 较为匹配：候选人的工作经验与职位要求具备相应的技能和经验，但可能缺少某些方面的经验。
+   - 较不匹配：候选人的工作经验与职位要求相差较大，缺乏相关的技能和经验。
+   - 完全不匹配：候选人的工作经验与职位要求完全不符合。
+
+3. 技能与能力匹配度评估：
+   - 完全匹配：候选人具备职位要求的所有必备技能和能力。
+   - 较为匹配：候选人具备部分职位要求的技能和能力，但可能缺少某些方面的能力。
+   - 较不匹配：候选人缺乏职位要求的关键技能和能力。
+   - 完全不匹配：候选人的技能和能力与职位要求完全不符合。
+
+4. 其他因素综合考虑：
+   - 完全匹配：候选人除了教育背景、工作经验和技能与能力外，还具备其他与职位要求相关的因素，如培训经历、认证证书等。
+   - 较为匹配：候选人除了教育背景、工作经验和技能与能力外，可能还具备一些与职位要求相关的因素。
+   - 较��匹配：候选人缺乏与职位要求相关的其他因素。
+   - 完全不匹配：候选人的其他因素与职位要求完全不符合。
+
+5. 整体的人岗匹配度：
+   综合考量候选人的教育背景、工作经验、技能与能力以及其他因素得到整体的岗位匹配度。
+根据以上规则，对简历与职位要求之间的匹配度进行评估，并划分为完全匹配、较为匹配、较不匹配和完全不匹配四个档次。
+评估结果请以json格式返回给我，下面是返回结果的示例：
+｛
+  "教育背景匹配度":｛
+    "结果"："",
+    "评估说明":""
+  ｝,
+  "工作经验匹配度":｛
+    "结果"："",
+    "评估说明":""
+  ｝,
+  "技能与能力匹配度":｛
+    "结果"："",
+    "评估说明":""
+  ｝,
+  "其他因素匹配度":｛
+    "结果"："",
+    "评估说明":""
+  ｝,
+  "整体匹配度":｛
+    "结果"："",
+    "评估说明":""
+  ｝
+｝
+    '''.format(jd, resume)
+    res = ask_gpt(prompt)
+    res = res.replace("\n","")
+    res = res.replace("```","")
+    res = res.replace("json","")
+    data = json.loads(res)
+    edu_matching = data['教育背景匹配度']['结果']
+    edu_description = data['教育背景匹配度']['评估说明']
+
+    work_exp_matching = data['工作经验匹配度']['结果']
+    work_exp_description = data['工作经验匹配度']['评估说明']
+
+    skill_matching = data['技能与能力匹配度']['结果']
+    skill_description = data['技能与能力匹配度']['评估说明']
+
+    other_matching = data['其他因素匹配度']['结果']
+    other_description = data['其他因素匹配度']['评估说明']
+
+    overall_matching = data['整体匹配度']['结果']
+    overall_description = data['整体匹配度']['评估说明']
+    return gr.update(value=edu_matching), gr.update(value=work_exp_matching, ), gr.update(
+        value=skill_matching, ), gr.update(value=other_matching, ), gr.update(
+        value=overall_matching, ), edu_description, work_exp_description, skill_description, other_description, overall_description
+
+
+# interview_questions
+def generate_interview_questions(work_experience):
+    prompt = f"你现在是HR招聘专家，下面是候选人A的工作经历：{work_experience}\n我可以问哪些问题来判断该候选人的能力水平？"
+    return ask_gpt(prompt)
+
+
+# interview_questions
+def generate_interview_questions_new(resume, jd):
+    # prompt = f"你现在是HR高级面试官，某职位要求是：{{{jd}}}\n下面是候选人A简历的：\n{resume}\n请你生成一些面试问题来判断该候选人的能力水平。注意，请把面试问题以python列表格式返回给我，不要返回任何额外内容。"
+    prompt = f"你现在是HR高级面试官，某职位要求是：{{{jd}}}\n下面是候选人A简历的：\n{resume}\n请你生成一些面试问题来判断该候选人的能力水平。注意，只返回面试问题即可，不要返回任何额外内容。"
+    res = ask_gpt(prompt)
+    return res
+
+
+def generate_jd(jobTitle, eduLevel, workYearArr):
+    prompt = "你现在是HR招聘专家，你需要发布一个名称为\"" + jobTitle + "\"的职位，请你撰写一份该职位的JD，内容包括工作职责和任职要求。"
+    if eduLevel != "":
+        prompt += "该岗位的最低学历要求为" + eduLevel + "。"
+    if workYearArr != "":
+        prompt += "该岗位的工作年限要求为" + workYearArr + "。"
+    prompt += "注意:非必要情况不要使用英文，内容不要包含薪酬福利等敏感信息。"
+    return ask_gpt(prompt)
+
+
+def generate_test_resume(target_job, item_list):
+    resume_gene_prompt = f"你现在是HR测试数据生成器，请帮我生成一份求职目标为{target_job}的候选人简历，需要包含以下关键信息：\n{item_list}。\n注意，结果请以markdown格式返回给我,并且不要返回额外信息。"
+    print(resume_gene_prompt)
+    return ask_gpt(resume_gene_prompt)
+
+
+def generate_interview_feedback(commu_skills, pro_skills, tech_skills, solve_skills, team_skills, pressure_resistance,
+                                if_ok):
+    prompt = f"""
+    你现在是HR招聘专家,下面是某候选人的面试评估结果：
+    ***
+    沟通能力:{commu_skills}
+    专业知识:{pro_skills}
+    技术能力:{tech_skills}
+    解决问题的能力:{solve_skills}
+    团队合作能力:{team_skills}
+    抗压能力:{pressure_resistance}
+    是否录用:{if_ok}
+    ***
+    请你根据是否录用结果和其他各项能力的表现生成一份面试评价。
+    """
+    print(prompt)
+    return ask_gpt(prompt)
+
+
+def gene_ability_score(resume):
+    prompt = f"""你现在是HR招聘专家.
+    某候选人简历如下：
+    {{{resume}}}
+    请你从[教育背景、工作经验、技能特长、项目经历和成果、领导力和管理能力、自我学习和发展能力、沟通和协作能力、岗位匹配度]这八个维度对候选人进行打分，分数范围是0-100，并针对每个维���的分数给出相应的打分理由。
+    教育背景：
+    评价规则：80-100表示教育背景优秀，毕业于985、211大学；60-79表示教育背景良好、毕业于普通重点大学；70分以下表示毕业于普通大学。
+    工作经验：
+    评价规则：80-100表示候选人具有丰富的相关工作经验，曾承担重要职责并取得显著的成绩；60-79表示候选人有一定的工作经验，能够胜任职务，但成绩一般；60分以下表示候选人工作经验较少或表现普通。
+    技能特长：
+    评价规则：80-100表示候选人在相关技能方面突出，掌握了多项技能，具备深厚的专业知识；60-79表示候选人具备一些相关技能，能够熟练运用；60分以下表示候选人技能较少或掌握程度一般。
+    项目经历和成果：
+    评价规则：80-100表示候选人在项目中表现出色，取得了显著的项目成果，具备解决问题和团队合作能力；60-79表示候选人在项目中有一些成绩，能够参与并完成任务；60分以下表示候选人在项目中表现一般或成绩较少。
+    领导力和管理能力：
+    评价规则：80-100表示候选人具备优秀的领导力和管理能力，曾成功承担过领导职责或项目管理职务；60-79表示候选人具备一定的领导力和管理能力，曾有一定的领导经验；60分以下表示候选人领导能力较弱或未有相关经验。
+    自我学习和发展能力：
+    评价规则：80-100表示候选人具有积极主动地学习和扩充知识的意愿和能力，持续学习并不断提升自己；60-79表示候选人有一些学习和发展的意愿和能力，但不够积极主动；60分以下表示候选人学习和发展能力较弱或缺乏积极性。
+    沟通和协作能力：
+    评价规则：80-100表示候选人具备良好的沟通和协作能力，能够与他人有效地进行交流和合作；60-79表示候选人具备一定的沟通和协作能力，能够与他人合作完成任务；60分以下表示候选人沟通和协作能力较弱或简历中描述有限。
+    注意，结果参考下面的JSON字符串，以json格式返回给我,不要返回任何额外信息。
+    返回结果参考：
+    ｛   
+    "教育背景": "81",
+    "工作经验":"68",
+    "技能特长":"69",
+    "项目经历和成果":"85",
+    "领导力和管理能力":"96",
+    "自我学习和发展能力":"100",
+    "沟通和协作能力":"56",
+    "打分理由":"理性评估"
+    ｝
+    """
+    print(prompt)
+    return ask_gpt(prompt)
+
+
+def radar_result_postprocess(res):
+    print(res)
+    res = extract_json(res)
+    json_res = json.loads(res)
+    print(json_res)
+    score_list = []
+    cat_list = []
+    for key, value in json_res.items():
+        if key != "打分理由":
+            cat_list.append(key)
+            score_list.append(int(value))
+    print(score_list)
+    print(cat_list)
+    return score_list, cat_list, json_res["打分理由"]
+
+
+def gene_talent_radar(resume, jd):
+    res = gene_ability_score(resume)
+    score_list, cat_list, reason = radar_result_postprocess(res)
+    return draw_radar_chart(score_list, cat_list), reason
+
+
+def gene_multi_talent_radar(resume1, resume2):
+    res1 = gene_ability_score(resume1)
+    res2 = gene_ability_score(resume2)
+    temp = []
+    score_list, cat_list, reason = radar_result_postprocess(res1)
+    score_list2, cat_list2, reason = radar_result_postprocess(res2)
+    temp.append(score_list)
+    temp.append(score_list2)
+    print(temp)
+    return draw_multi_radar_chart(temp, cat_list)
+
+
+# Test Data
+test_jd = '''
+职位名称：Java开发工程师
+
+工作职责：
+1. 根据业务需求，参与需求分析、系统设计和架构设计。
+2. 开发和维护基于Java技术的Web应用程序、服务端组件和工具。
+3. 编写高质量的可维护、可扩展的代码，并进行单元测试和代码审查。
+4. 对现有系统进行优化和性能调优，确保系统的高可用性和稳定性。
+5. 与产品经理、设计师和测试人员紧密合作，确保产品质量和用户体验。
+6. 持续学习和研究新的技术和开发工具，提出并实施技术创新和改进。
+
+任职要求：
+1. 精通Java编程语言，熟悉Java相关的开发框架和工具，如Spring、Hibernate等。
+2. 具备扎实的计算机基础知识，熟悉面向对象设计和设计模式。
+3. 具备良好的数据结构和算法基础，对系统性能优化有一定的经验。
+4. 熟悉Web开发相关的技术，如HTML、CSS、JavaScript等。
+5. 具备良好的沟通能力和团队协作能力，能够与团队成员和其他相关岗位进行有效的沟通和合作。
+6. 具备良好的问题解决能力和学习能力，能够快速地理解和解决技术问题。
+7. 具备良好的代码风格和规范意识，注重代码质量和可维护性。
+'''
+
+with gr.Blocks(title="HRMaster", theme="soft") as demo:
+    gr.Markdown("<center><h1>HRMaster</h1></center>")
+    gr.Markdown("<center><h2>HR recruitment professional assistant based on ERNIE Bot</h2></center>")
+
+    with gr.Tab("简历测试数据生成"):
+        with gr.Row():
+            targrt_job = gr.Textbox(label="求职目标")
+            resume_item_list = gr.Dropdown(
+                ["个人信息", "教育背景", "工作经历", "实习经历", "技能专长", "项目经验", "获奖与荣誉", "自我评价"],
+                value=["个人信息", "教育背景", "工作经历", "技能专长", "项目经验", "自我评价"], multiselect=True, label="简历维度",
+                info="测试简历维度信息"
+            )
+            test_resume_text = gr.Textbox(label="生成的测试简历信息", show_copy_button=True)
+        with gr.Row():
+            test_targrt_job_list = ["java开发工程师", "算法工程师", "运维工程师", "飞桨项目运营",
+                                    "大模型应用开发工程师", "法务专员", "财务专员"]
+            gr.Examples(test_targrt_job_list, targrt_job,)
+        with gr.Row():
+            resume_gene_button = gr.Button("简历测试数据生成")
+            resume_gene_button.click(generate_test_resume, [targrt_job, resume_item_list], test_resume_text)
+
+
+
+    with gr.Tab("岗位JD生成器"):
+        with gr.Row():
+            with gr.Column():
+                jobTitle_input = gr.Textbox(label="岗位名称")
+                eduLevel_input = gr.Textbox(label="最低学历要求")
+                workYearArr_input = gr.Textbox(label="工作年限要求")
+            with gr.Column():
+                jd_output_text = gr.Textbox(label="生成的岗位JD")
+                jd_button = gr.Button(value="岗位JD生成")
+                jd_button.click(generate_jd, [jobTitle_input, eduLevel_input, workYearArr_input], jd_output_text)
+        with gr.Row():
+            gr.Examples([["java开发工程师", "本科", "三年以上"], ["算法工程师", "研究生", "一年以上"], ["NLP工程师", "研究生", "两年以上"], ["AI工程师", "研究生", "一年以上"], ["法务专员", "本科", "不限"],["产品经理", "本科", "五年以上"]],
+                            [jobTitle_input, eduLevel_input, workYearArr_input], )
+
+    with gr.Tab("简历筛选辅助"):
+        with gr.Row():
+            resume_file = gr.File(label="请上传简历（目前仅支持上传txt格式简历）", file_types=["text"])
+            text_output = gr.Textbox(label="简历信息")
+        talent_row = gr.Row(visible=False)
+        with talent_row:
+            resume_text = gr.Textbox(label="人才画像")
+            hua_button = gr.Button(value="生成人才画像", )
+            hua_button.click(generate_talent_portrait, text_output, resume_text)
+
+        jd_row = gr.Row(visible=False)
+        with jd_row:
+            with gr.Column():
+                jd = gr.Textbox(label="岗位JD", lines=20)
+                gr.Examples([test_jd], [jd])
+            with gr.Column():
+                # person_job_fit = gr.Textbox(label="人岗匹配度")
+                edu_matching = gr.CheckboxGroup(["完全匹配", "较为匹配", "较不匹配", "完全不匹配"], label="教育背景匹配度", info="")
+                edu_description = gr.Textbox(label="评估说明",)
+                work_exp_matching = gr.CheckboxGroup(["完全匹配", "较为匹配", "较不匹配", "完全不匹配"], label="工作经验匹配度", info="")
+                work_exp_description = gr.Textbox(label="评估说明")
+                skill_matching = gr.CheckboxGroup(["完全匹配", "较为匹配", "较不匹配", "完全不匹配"], label="技能与能力匹配度", info="")
+                skill_description = gr.Textbox(label="评估说明")
+                other_matching = gr.CheckboxGroup(["完全匹配", "较为匹配", "较不匹配", "完全不匹配"], label="其他因素匹配度", info="")
+                other_description = gr.Textbox(label="评估说明")
+                overall_matching = gr.CheckboxGroup(["完全匹配", "较为匹配", "较不匹配", "完全不匹配"], label="整体匹配度", info="")
+                overall_description = gr.Textbox(label="评估说明")
+            fit_button = gr.Button(value="计算人岗匹配度", )
+            fit_button.click(person_job_fit_gene, [text_output, jd],
+                                 [edu_matching, work_exp_matching, skill_matching, other_matching, overall_matching,
+                                  edu_description, work_exp_description, skill_description, other_description,
+                                  overall_description])
+
+        radar_row = gr.Row(visible=False)
+        with radar_row:
+            radar_outputs = gr.Plot(label="能力雷达图")
+            radar_reasons = gr.Textbox(label="打分理由")
+            radar_button = gr.Button(value="生成能力雷达图")
+            radar_button.click(gene_talent_radar, [text_output, jd], [radar_outputs, radar_reasons])
+        resume_file.change(parse_file, resume_file, [text_output, talent_row, jd_row, radar_row])
+        gr.Examples([os.path.join(os.path.dirname(__file__), "test_resume.txt")], resume_file, [text_output, talent_row, jd_row, radar_row],fn=parse_file,)
+
+    # with gr.Tab("候选人比较"):
+    #     with gr.Row():
+    #         resume_file_1 = gr.File(label="请上传简历（目前仅支持上传txt格式简历）", file_types=["text"])
+    #         resume_file_1_text = gr.Textbox(label="简历信息")
+    #     with gr.Row():
+    #         resume_file_2 = gr.File(label="请上传简历（目前仅支持上传txt格式简历）", file_types=["text"])
+    #         resume_file_2_text = gr.Textbox(label="简历信息")
+    #     with gr.Row():
+    #         compare_radar_outputs = gr.Plot(label="能力对比雷达图")
+    #     with gr.Row():
+    #         compare_button = gr.Button(value="生成能力对比雷达图")
+    #     resume_file_1.change(pure_parse_file, resume_file_1, [resume_file_1_text])
+    #     resume_file_2.change(pure_parse_file, resume_file_2, [resume_file_2_text])
+    #     compare_button.click(gene_multi_talent_radar,[resume_file_1_text,resume_file_2_text],compare_radar_outputs)
+
+    with gr.Tab("面试过程辅助"):
+        gr.Markdown("面试问题生成")
+        # interview_row = gr.Row(visible=True)
+        # with interview_row:
+        with gr.Row():
+            resume_file_interview = gr.File(label="请上传简历（目前仅支持上传txt格式简历）", file_types=["text"])
+            text_resume_interview = gr.Textbox(label="简历信息")
+        with gr.Row():
+            gr.Examples([os.path.join(os.path.dirname(__file__), "test_resume.txt")], resume_file_interview,
+                        [text_resume_interview], fn=pure_parse_file, )
+        with gr.Row():
+            interview_jd = gr.TextArea(label="请输入JD岗位")
+            gr.Examples([test_jd], [interview_jd])
+        with gr.Row():
+            interview_questions_text = gr.Textbox(label="面试问题", show_copy_button=True)
+            # interview_questions_text = gr.Checkboxgroup(label="面试问题", show_copy_button=True)
+            interview_questions_generator_button = gr.Button(value="面试问题生成")
+        resume_file_interview.change(pure_parse_file, resume_file_interview,[text_resume_interview,])
+        interview_questions_generator_button.click(generate_interview_questions_new, [text_resume_interview, interview_jd],
+                                                   [interview_questions_text])
+        gr.Markdown("面试评价生成")
+        with gr.Row():
+            with gr.Column():
+                commu_skills = gr.Radio(["强", "中", "弱"], label="沟通能力",
+                                        info="评估候选人的口头表达能力、听取并理解问题的能力、回答问题的清晰度和逻辑性等。")
+                pro_skills = gr.Radio(["强", "中", "弱"], label="专业知识", info="评估候选人在岗位所需的专业知识的掌握程度。")
+                tech_skills = gr.Radio(["强", "中", "弱"], label="技术能力", info="评估候选人在岗位所需的专业技能方面的掌握程度。")
+                solve_skills = gr.Radio(["强", "中", "弱"], label="解决问题的能力",
+                                        info="评估候选人在面对问题时的分析能力、创新思维、解决问题的方法和结果。")
+                team_skills = gr.Radio(["强", "中", "弱"], label="团队合作能力",
+                                       info="评估候选人在与他人合作、协调和沟通方面的能力，包括与面试官的互动、参与小组讨论等。")
+                pressure_resistance = gr.Radio(["强", "中", "弱"], label="抗压能力",
+                                               info="评估候选人在应对压力、处理复杂情境以及适应变化上的能力。")
+                if_ok = gr.Radio(["是", "否"], label="是否录用", info="最终结果")
+
+            with gr.Column():
+                interview_feedback_text = gr.Textbox(label="面试评价", show_copy_button=True)
+                result_button = gr.Button(value="面试评价生成")
+                result_button.click(generate_interview_feedback,
+                                    inputs=[commu_skills, pro_skills, tech_skills, solve_skills, team_skills,
+                                            pressure_resistance, if_ok],
+                                    outputs=interview_feedback_text)
+            gr.Examples([["强", "中", "弱", "强", "中", "弱", "是"], ["弱", "中", "弱", "强", "中", "弱", "否"]],
+                        [commu_skills, pro_skills, tech_skills, solve_skills, team_skills,
+                         pressure_resistance, if_ok],
+                        )
+
+
+    with gr.Tab("HRChat"):
+        with gr.Column():
+            chatbot = gr.Chatbot(label="HRChat")
+            state = gr.State([])
+            clear = gr.Button("Clear")
+            txt = gr.Textbox(show_label=False, placeholder="Enter text and press enter").style(container=False)
+            txt.submit(predict, [txt, state], [chatbot, state])
+            clear.click(lambda: None, None, chatbot, queue=False)
+
+demo.launch(debug=True)

requirements.txt

@@ -0,0 +1 @@
+plotly

test_resume.txt

@@ -0,0 +1,40 @@
+## 个人信息
+- 姓名：张三
+- 性别：男
+- 年龄：28岁
+- 手机号码：13812345678
+- 邮箱：zhangsan123@163.com
+
+## 教育背景
+- 学校：清华大学
+- 专业：计算机科学与技术
+- 学历：本科
+- 时间：2012年-2016年
+
+## 工作经历
+- 公司名称：阿里巴巴
+- 职位：Java开发工程师
+- 时间：2016年-2020年
+- 工作内容：负责公司核心业务系统的开发和维护，使用Java语言开发，熟练掌握Spring、MyBatis等框架，熟悉MySQL数据库。
+
+## 技能专长
+- 熟练掌握Java语言，熟悉常用的开发框架和工具
+- 熟悉MySQL数据库，具备数据库设计和优化经验
+- 熟悉Linux操作系统，能够熟练使用常用命令和工具
+- 具备良好的编码习惯和文档编写能力
+
+## 项目经验
+### 项目一：电商平台
+- 时间：2018年-2019年
+- 项目描述：该项目是一个B2C电商平台，主要功能包括用户注册、商品浏览、购物车管理、订单管理等。
+- 职责：负责购物车模块和订单模块的开发，实现了购物车的增删改查功能，以及订单的创建和支付功能。
+- 技术栈：Java、Spring、MyBatis、MySQL
+
+### 项目二：物流管理系统
+- 时间：2016年-2017年
+- 项目描述：该项目是一个物流管理系统，主要功能包括订单管理、运输管理、库存管理等。
+- 职责：负责订单管理模块和运输管理模块的开发，实现了订单的创建和查询功能，以及运输状态的跟踪和更新功能。
+- 技术栈：Java、Spring、MyBatis、MySQL
+
+## 自我评价
+本人具备扎实的Java编程能力和较强的团队协作能力，能够快速适应新的工作环境和技术栈。同时，本人具备良好的沟通能力和学习能力，能够与不同部门的同事进行良好的沟通和协作，不断提升自己的技术水平和工作能力。

test_resume_算法.txt

@@ -0,0 +1,43 @@
+## 个人信息
+* 姓名：张三
+* 邮箱：zhangsan@email.com
+* 电话：123-4567-8901
+* 地址：北京市海淀区某街道某号
+* 性别：男
+* 出生年月：1995年1月1日
+* 毕业院校：清华大学
+* 专业：计算机科学与技术
+* 求职城市：北京
+* 求职意向：算法工程师
+
+## 教育背景
+* 学历：硕士
+* 学校名称：清华大学
+* 专业：计算机科学与技术
+* 毕业时间：2017年6月
+* GPA：3.9/4.0
+* 学术成果：发表论文2篇，其中1篇为CCF B类论文
+
+## 工作经历
+* 公司名称：百度公司
+* 职位：算法工程师
+* 工作描述：负责自然语言处理算法的研究与实现，参与了公司某项重要项目的开发过程，为项目提供了高质量的算法支持。在此期间，参与了中文分词、文本分类等项目的开发工作，并取得了良好的效果。
+* 工作时间：2017年7月-2020年3月
+* 公司地址：北京市海淀区
+* 离职原因：个人发展需要，寻求更大的发展空间
+
+## 技能专长
+* 编程语言：Python、C++、Java
+* 工具：TensorFlow、PyTorch、Keras、Git、Jupyter Notebook
+* 数据库：MySQL、MongoDB
+* 其他技能：机器学习、深度学习、自然语言处理、数据挖掘、数据可视化等
+
+## 项目经验
+* 项目名称：中文分词系统开发与优化
+* 项目描述：负责中文分词算法的研究与实现，采用基于词典的方法，对分词结果进行优化，提高了分词准确率。在项目过程中，使用了Python和Keras等工具，实现了高效的模型训练和部署。最终，该分词系统在某项评测中取得了国内领先的成绩。
+* 项目时间：2018年9月-2019年3月
+* 项目地点：北京市海淀区
+* 项目团队：百度公司团队，共5人
+
+## 自我评价
+具有扎实的计算机基础知识，熟悉算法和数据结构，具备较强的编程能力。对机器学习和深度学习有深入的理解和实践经验，具备自然语言处理、数据挖掘等相关技能。具备较强的团队协作能力和独立思考能力，能够在复杂环境下高效完成任务。希望能够加入一个有挑战性的团队，共同创造卓越的成果。

utils.py

@@ -0,0 +1,101 @@
+import numpy as np
+import plotly.graph_objects as go
+
+
+def draw_radar_chart(data, categories):
+    arr = np.array(data, dtype='int')
+    fig = go.Figure()
+    fig.add_trace(go.Scatterpolar(
+        r=arr,
+        theta=categories,
+        fill='toself'
+    ))
+    fig.update_layout(
+        polar=dict(
+            radialaxis=dict(
+                visible=True,
+                range=(0, 100)
+            )),
+        showlegend=False
+    )
+    return fig
+
+
+def draw_multi_radar_chart(data, categories):
+    # arr = np.array(data, dtype='int')
+    # categories = ['A', 'B', 'C', 'D', 'E']
+
+    fig = go.Figure()
+    for arr in data:
+        fig.add_trace(go.Scatterpolar(
+            r=arr,
+            theta=categories,
+            fill='toself'
+        ))
+
+    fig.update_layout(
+        polar=dict(
+            radialaxis=dict(
+                visible=True,
+                range=(0, 100)
+            )),
+        showlegend=False
+    )
+
+    return fig
+
+
+def extract_json(s):
+    import re
+
+    # 假设这是你的字符串
+    # s = '```json\n{ "key": "value" }\n```'
+
+    # 使用正则表达式匹配```json和```之间的内容
+    match = re.search(r'```json\s*(.*?)```', s, re.DOTALL)
+
+    # 如果找到了匹配的内容，打印出来
+    if match:
+        return match.group(1)
+
+if __name__ == '__main__':
+    arr = np.array([[80, 90,90,90,],[80, 90,90,90,]],dtype='int')
+    categories = ['A', 'B', 'C', 'D']
+    print(draw_multi_radar_chart(arr,categories))
+    s = '''
+    根据您的要求，以下是根据候选人的简历从[教育背景、工作经验、技能特长、项目经历和成果、领导力和管理能力、自我学习和发展能力、沟通和协作能力、岗位匹配度]这八个维度进行打分，并给出相应的打分理由：
+```json
+{
+    "教育背景": {
+        "评价": "良好",
+        "打分理由": "候选人毕业于清华大学，属于985、211大学，符合优秀教育背景的要求"
+    },
+    "工作经验": {
+        "评价": "一般",
+        "打分理由": "候选人在百度公司担任算法工程师，但工作时间较短，只有两年多的工作经验，表现一般"
+    },
+    "技能特长": {
+        "评价": "优秀",
+        "打分理由": "候选人掌握多种编程语言和工具，具备扎实的计算机基础知识，掌握算法和数据结构，具备较强的编程能力，掌握机器学习和深度学习的相关技能，具备自然语言处理、数据挖掘等相关技能"
+    },
+    "项目经历和成果": {
+        "评价": "优秀",
+        "打分理由": "候选人参与了中文分词、文本分类等项目的开发工作，并取得了良好的效果，具备解决问题和团队合作能力，取得了显著的项目成果"
+    },
+    "领导力和管理能力": {
+        "评价": "优秀",
+        "打分理由": "候选人在百度公司担任算法工程师期间，负责自然语言处理算法的研究与实现，参与了公司某项重要项目的开发过程，为项目提供了高质量的算法支持，具备优秀的领导力和管理能力，曾成功承担过领导职责或项目管理职务"
+    },
+    "自我学习和发展能力": {
+        "评价": "100",
+        "打分理由": "候选人具有较强的学习意愿和能力，具备积极主动地学习和扩充知识的意愿和能力，持续学习并不断提升自己"
+    },
+    "沟通和协作能力": {
+        "评价": "一般",
+        "打分理由": "候选人在简历中提到具备一些沟通和协作能力，但简历中描述有限，能够与他人有效地进行交流和合作，但不够积极主动"
+    },
+    "岗位匹配度": "高"
+}
+```
+    '''
+    print(extract_json(s))