数据流

上传与解析数据流

1. 前端把多份 PDF / DOCX 通过 multipart/form-data 上传。
2. 后端读取文件内容并计算 SHA-256。
3. 后端通过 position_id + file_hash 判断重复。
4. 新文件写入上传目录。
5. 数据库创建 Resume 记录，状态为 parsing。
6. 接口立即返回。
7. 后台任务提取文本、调用 LLM、写入结构化结果。
8. 后台任务构造向量文档并写入 pgvector。
9. 前端轮询简历列表，状态更新为 parsed 或 failed。

筛选数据流

1. 用户输入岗位需求或自然语言筛选条件。
2. 后端使用查询增强生成更适合检索的短查询。
3. 每条查询进入 pgvector 相似度检索。
4. 召回结果按简历 ID 去重。
5. 必要时退化为读取岗位下全部简历。
6. 结构化字段执行硬筛。
7. LLM 对候选人进行精排。
8. 前端展示候选人卡片。

对比数据流

1. 前端传入 resume_ids 数组。
2. 后端查询每份简历的 parsed_data。
3. 构造多人对比提示词。
4. LLM 输出每位候选人的优势、风险和最终建议。

Agent 数据流

1. 前端向 /sessions/{session_id}/chat 发送用户消息。
2. Agent 使用 LLM 判断调用哪个工具。
3. 工具执行搜索、对比或出题。
4. 后端用 NDJSON 持续返回消息。
5. 前端逐条渲染 thinking、tool_call、resume_card、text、done。