单份简历深度分析
前置条件
- 简历PDF位于
F:\hermes智能体\训练\目录下 - 用户指定候选人姓名或PDF路径
执行步骤
Step 1: 提取文本
python F:\hermes智能体\脚本\extract_text.py "PDF路径"
0.3秒内输出全文。
Step 2: 分析（以下维度必覆盖）
基本信息提取
- 姓名、年龄、学校、专业、学历、毕业时间（精确到年月）
- 当前公司、总经验年限
- 语言能力（CET-4/6）、特殊认证
工作经历（每段必列）
- 公司全名 + 职位 + 时间段 + 精确时长（月）
- 稳定性分析：每段时长→判断是否≤6月（一票否决）/ ≤1年（警示）
- 空档期：段与段之间是否>2月空档
- 毕业前实习 vs 毕业后全职区分
优点（至少4-6项，每条2-4句深度解释）
检测模式：
- 证书：HarmonyOS/CET-6/PMP等
- 行业：ADAS/新能源/AI/芯片/鸿蒙/嵌入式
- 开发：Spring Boot+Vue全栈、自动化框架(Selenium/Appium/pytest)
- 硬件：RAID/服务器拆装/串口/I2C/SPI
- 量化：缺陷数/用例数/提效百分比/版本数
- 学术：GPA/竞赛/奖学金
- 工具：JMeter有产出、Fiddler独立定位根因
- 稳定性：≥18月连续全职
缺点（至少4-7项，每条2-4句深度解释）
检测模式：
- 致命：所有全职段≤6月 → 一票否决
- 身份：未毕业/应届/专业不对口（动物/农/林等）
- 技能缺失：无Selenium/Appium、无CI/CD(Git/Jenkins/Docker)、无自动化框架
- 简历质量：量化数据<3处、工作描述模板化（同一句式出现≥3次）
- 经验：仅1家公司、学校普通、业务场景窄
- 空档：段间>2月需标注
- 学习痕迹：无GitHub/博客/开源/技术分享
面试出题（4-5道）
- 针对简历最大疑点出题（如自动化真伪、主导vs执行）
- 针对核心优势出深挖题（如软硬件链路、协议细节）
- 至少1道现场编程或画图题
- 至少1道SQL/Linux基础题
- 每道标注「出题目的」
面试关注点（5-8项）
| 关注点 | 优先级(🔴必问/🟡重要/🟢参考) | 为什么 | 考察方式 |
同批对比（如适用）
如果之前分析过同岗位其他人，列出排名表和差距说明
Step 3: 生成HTML报告
- 路径:
F:\hermes智能体\输出结果\<姓名>_面试评估报告.html - 包含：判定横幅 + 基本信息 + 工作经历时间线 + 优点 + 缺点 + 面试出题 + 面试关注点 + 同批对比 + 一句话总结
- 稳定性用颜色区分：绿色(稳定) / 黄色(关注) / 红色(致命)
- 内容深度：每条优点/缺点3-4句详析，不是一句话概述
输出路径
F:\hermes智能体\输出结果\<姓名>_面试评估报告.html
注意事项
- 不要用规则脚本自动生成——规则引擎质量不够。必须用AI深度分析。
- 脚本只做提取（extract_text.py），分析由AI完成。
- 速度：一次终端调用(0.3s) + 一次write_file即可完成。
- 如果同一人之前分析过，优先复用已有全量JSON而非重提取。
