Resume Screening Agent

Appearance

整体架构 ​

Resume Screening Agent 采用前后端分离架构：

text
Next.js Frontend
  |
  | HTTP / NDJSON Stream
  v
FastAPI Backend
  |
  | SQLAlchemy Async
  v
PostgreSQL + pgvector

FastAPI Backend
  |
  | OpenAI-compatible API
  v
DashScope / Qwen

模块划分 ​

Frontend ​

前端位于 frontend/：

  • app/：Next.js App Router 页面。
  • components/：岗位、简历、筛选、对比、Agent 对话等 UI 组件。
  • lib/api.ts：后端 API 调用封装。
  • lib/stream.ts：Agent 流式响应解析。
  • lib/types.ts：前端类型定义。

Backend ​

后端位于 backend/app/：

  • api/：FastAPI 路由。
  • services/：业务服务层。
  • rag/：查询增强、向量检索、筛选排序。
  • agents/：Agent 工具路由与流式输出。
  • models/：数据库模型和 Pydantic Schema。
  • infrastructure/：数据库、LLM、会话记忆等基础设施。

核心链路 ​

简历处理 ​

text
上传文件
  -> 计算 file_hash 去重
  -> 保存文件
  -> 创建 parsing 状态记录
  -> 后台解析
  -> LLM 结构化解析
  -> 写入 PostgreSQL
  -> 写入 pgvector

筛选候选人 ​

text
岗位需求 / 自然语言查询
  -> 查询增强
  -> pgvector 向量召回
  -> 按 resume_id / file_hash 去重
  -> 学历 / 年限 / Agent 经验硬筛
  -> LLM 精排
  -> 输出匹配分、理由、短板

Agent 对话 ​

text
用户消息
  -> LLM 判断工具
  -> 搜索 / 对比 / 出题
  -> NDJSON 流式输出
  -> 前端增量渲染

设计取舍 ​

  • 简历解析放在后台执行，避免批量上传时触发 Nginx 504。
  • 数据库中保存结构化解析结果，后续对比和出题不重复读取原始 PDF。
  • 向量库保存摘要和工作经历文本块，提高召回粒度。
  • 候选人筛选输出可解释信息，方便人工复核。