4.7 简历评审、修改与导出

修改简历时，岗位要求、招聘人员的阅读习惯和经历本身都需要考虑。本节把这些关注点分给不同节点，再由汇总节点处理重复和冲突意见，最后生成可阅读、可导出的简历。所有改写都应以用户提供的经历为依据。

简历优化全生命周期图谱

与模拟面试的“链式串行推进”不同，简历优化采用了 “多视角并行评审（Parallel Multi-Agent Diagnosis）+ 圆桌收敛（Consensus Synthesis）” 的高级多智能体范式：

阶段二：三大专家多视角并行评审机制

为什么传统的单次 AI 对话改不好简历？因为大模型单次生成存在注意力冲突：既要看关键词匹不匹配，又要以 HR 视角挑刺找毛病，还要绞尽脑汁按 STAR 法则扩写量化数据，最后很容易顾此失彼、输出假大空的客套话。

「面必过」通过工作流将任务拆解为 三位各司其职的专科大夫，并全部采用 严格的 JSON Schema 结构化契约（Structured Output） 进行数据交互：

1. 专家一：JD 匹配分析师（关键词与技能缺口诊断）

核心定位：技术猎头与岗位对标专家。
核心任务：精准比对原始简历与目标 JD，扫描技术栈重合度与硬性条件门槛，找出候选人已具备的关键词与严重缺失的关键词。

System 提示词配置

markdown

你是资深JD匹配分析师。分析候选人简历{{#17826657496391.text#}}与目标岗位的匹配程度。

从{{#conversation.jd#}}中识别出【JD/岗位描述】。

## 分析维度
1. **技能匹配**：JD要求的技能 vs 简历展示的技能，找出匹配和缺失
2. **项目匹配**：JD要求的经验类型 vs 简历中的项目经历
3. **经验匹配**：工作年限、行业背景、角色层级
4. **教育匹配**：学历、专业匹配度

JSON 结构化输出契约 (Schema)

json

{
  "additionalProperties": false,
  "properties": {
    "analysis_summary": { "type": "string" },
    "dimensions": {
      "additionalProperties": false,
      "properties": {
        "education": {
          "additionalProperties": false,
          "properties": {
            "analysis": { "type": "string" },
            "score": { "type": "string" }
          },
          "required": ["score", "analysis"],
          "type": "object"
        },
        "experience": {
          "additionalProperties": false,
          "properties": {
            "analysis": { "type": "string" },
            "score": { "type": "string" }
          },
          "required": ["score", "analysis"],
          "type": "object"
        },
        "projects": {
          "additionalProperties": false,
          "properties": {
            "gaps": { "items": { "type": "string" }, "type": "array" },
            "relevant": { "items": { "type": "string" }, "type": "array" },
            "score": { "type": "string" }
          },
          "required": ["score", "relevant", "gaps"],
          "type": "object"
        },
        "skills": {
          "additionalProperties": false,
          "properties": {
            "matched": { "items": { "type": "string" }, "type": "array" },
            "missing": { "items": { "type": "string" }, "type": "array" },
            "score": { "type": "string" }
          },
          "required": ["score", "matched", "missing"],
          "type": "object"
        }
      },
      "required": ["skills", "projects", "experience", "education"],
      "type": "object"
    },
    "jd_keywords": { "items": { "type": "string" }, "type": "array" },
    "match_score": { "type": "string" },
    "matched_keywords": { "items": { "type": "string" }, "type": "array" },
    "missing_keywords": { "items": { "type": "string" }, "type": "array" }
  },
  "required": [
    "jd_keywords",
    "matched_keywords",
    "missing_keywords",
    "match_score",
    "dimensions",
    "analysis_summary"
  ],
  "type": "object"
}

2. 专家二：HR 审核专家（第一印象与初筛淘汰点把关）

核心定位：10 年以上经验的资深招聘经理。
核心任务：模拟真实招聘场景下 HR 仅用 6 秒钟 扫视简历的第一直觉，挑出能让人眼前一亮的亮点与可能导致一票否决的“致命顾虑”（如跳槽过于频繁、排版混乱、缺乏量化结果等）。

System 提示词配置

markdown

你是资深HR招聘经理（10年以上筛选经验）。从简历筛选的角度评估这份简历{{#17826657496391.text#}}。

## 评估任务
1. **6秒快速筛选**：模拟HR的第一印象打分（这是HR实际筛选简历的平均时间）
2. **亮点识别**：找出能让简历脱颖而出的2-4个亮点
3. **顾虑标记**：找出可能导致简历被淘汰的2-4个问题
4. **通过率预估**：估算HR初筛通过率
5. **改进优先级**：按影响力排序给出改进建议

JSON 结构化输出契约 (Schema)

json

{
  "additionalProperties": false,
  "properties": {
    "concerns": { "items": { "type": "string" }, "type": "array" },
    "first_impression": {
      "additionalProperties": false,
      "properties": {
        "comment": { "type": "string" },
        "score": { "type": "string" }
      },
      "required": ["score", "comment"],
      "type": "object"
    },
    "highlights": { "items": { "type": "string" }, "type": "array" },
    "improvement_priority": {
      "items": {
        "additionalProperties": false,
        "properties": {
          "impact": { "type": "string" },
          "item": { "type": "string" },
          "reason": { "type": "string" }
        },
        "required": ["item", "impact", "reason"],
        "type": "object"
      },
      "type": "array"
    },
    "pass_rate_estimate": { "type": "string" }
  },
  "required": [
    "first_impression",
    "highlights",
    "concerns",
    "pass_rate_estimate",
    "improvement_priority"
  ],
  "type": "object"
}

3. 专家三：内容优化润色师（基于 STAR 法则量化重构）

核心定位：顶尖简历精修顾问。
核心任务：接收 JD匹配分析师 产出的 structured_output，专门针对分析出的缺失关键词，在候选人原有经历的基础上，运用 STAR 原则（情境 Situation / 任务 Task / 行动 Action / 结果 Result） 进行项目深度重构，注入量化指标（如性能提升百分比、吞吐量量级、延迟优化等）。

System 提示词配置

markdown

你是资深简历内容优化师。基于JD匹配分析结果{{#17826658481830.structured_output#}}，对{{#17826657496391.text#}}进行深度优化。

## 优化策略
1. 针对匹配分析中的**缺失关键词**，在简历中寻找可以补强的地方
2. 用 STAR 法则（Situation/Task/Action/Result）改写项目经历
3. 添加量化数据和具体指标（如增长百分比、处理量级、响应时间优化等）
4. 突出与 JD 匹配的技术亮点
5. 删减不相关或低价值的内容

JSON 结构化输出契约 (Schema)

json

{
  "additionalProperties": false,
  "properties": {
    "change_items": {
      "items": {
        "additionalProperties": false,
        "properties": {
          "after": { "type": "string" },
          "before": { "type": "string" },
          "keywords_addressed": {
            "items": { "type": "string" },
            "type": "array"
          },
          "reason": { "type": "string" },
          "section": { "type": "string" }
        },
        "required": ["section", "before", "after", "reason", "keywords_addressed"],
        "type": "object"
      },
      "type": "array"
    },
    "overall_strategy": { "type": "string" }
  },
  "required": ["change_items", "overall_strategy"],
  "type": "object"
}

阶段三：圆桌式复盘与意见收敛

当三位专家的诊断报告（JSON）全部就绪后，流水线汇流进入 圆桌式复盘（LLM 节点）。

为什么需要圆桌会议主持人？\
避免神仙打架：JD 匹配专家可能希望把所有技术词都塞满，而 HR 专家却嫌弃排版拥挤难以抓重点；
统一收敛定案：圆桌主持人（Chief Editor）站在全局高度，以“JD 匹配度 + HR 初筛通过率”为首要仲裁标准，优先落地 HR 标记为 high impact 的改进项，将三方意见熔铸成一份完整、无遗漏的高水准 Markdown 简历正文。

配置项	详细配置值
节点类型	LLM 节点（大模型调用）
选型模型	`deepseek-v4-pro`（Reasoning Effort: Max，启用 Thinking 推理）
Temperature	`0.5`（兼顾专业严谨与语言表达丰富度）

1. 圆桌主持人 System 提示词

markdown

你是圆桌会议主持人兼简历包装专家。你需要整合三位专家的分析结果，输出最终的简历优化方案。

## 整合策略
1. 综合JD匹配分析师、内容优化师、HR审核三方意见
2. 优先处理 HR 标记为 high impact 的改进项
3. 确保所有缺失的JD关键词在优化后简历中得到体现
4. 对冲突意见进行裁决（以JD匹配度和HR通过率为首要标准）
5. 生成完整的优化后简历（Markdown格式，不省略任何部分）

## 简历格式要求
- 使用专业的 Markdown 格式
- 包含完整的个人信息、教育背景、工作经历、项目经验、技能清单等
- 项目经历使用 STAR 法则描述
- 技能清单按JD相关度排序

2. 圆桌会议多路数据汇流（User 提示词）

markdown

jd匹配分析师结果：
{{#17826658481830.structured_output#}}

内容优化师结果：
{{#17826658481831.structured_output#}}

HR审核结果：
{{#17826658481832.structured_output#}}

简历信息：
{{#17826657496391.text#}}

阶段四：A4 双栏投递版 HTML 简历视觉排版引擎

圆桌会议产出的是纯 Markdown 文本。但在实际求职场景中，普通 Markdown 既没有视觉焦点，也无法控制分页与边距。

为此，「面必过」下游专门设计了 简历html生成（LLM 节点），将上游的 Markdown 转换为 专为 A4 打印与 PDF 投递量身打造的双栏高保真版式。

简历 HTML 生成核心 System 提示词

markdown

你是“中文技术岗简历视觉排版设计师 + A4 简历 HTML 美化专家”。

你的任务是：将上游传入的 Markdown 简历内容，重新排版为一份适合 md_to_html 工具转换的「A4 双栏投递版视觉简历」。

注意：上游已经完成 JD 匹配、内容优化、STAR 法则、关键词补齐和简历包装。
你不要重新分析 JD，不要重新包装经历，不要扩写事实。
你只负责把已有简历内容转成更美观、更清晰、更像真实简历的视觉版式。

【上游简历内容】
{{#17826658481833.text#}}

## 一、设计目标
1. 输出结果必须像一份真实可投递的中文技术岗简历。
2. 视觉风格要专业、清晰、有设计感，不能像普通 Markdown 文档。
3. 采用“双栏信息密度型简历”版式，避免大量卡片堆叠。
4. 左侧深色信息栏负责展示个人信息、技能、关键词、荣誉成果。
5. 右侧白色主内容区负责展示教育背景、实习经历、项目经历。
6. 适合 AI 应用开发、后端开发、Agent 工程、技术岗投递。
7. 版式适合 A4 竖版打印。
8. HR 能快速扫到：个人信息、求职意向、技能、教育背景、实习经历、项目经历、竞赛荣誉与学术成果。
9. 只做视觉排版、信息分组和表达压缩，不改变简历事实。
10. 不要输出解释，不要输出优化说明，只输出最终简历正文。

## 二、强制输出规则
1. 最终只能输出 Markdown + 内联 HTML。
2. 严禁输出完整 HTML 页面。
3. 严禁输出 <!DOCTYPE html>、<html>、<head>、<body>、<style>。
4. 严禁输出 Markdown 代码块标记，例如 ```markdown、```html。
5. 严禁输出 <think>、思考过程、解释说明、前言、总结。
6. 严禁虚构、扩写、删减简历事实。
7. 严禁新增公司、学校、项目、奖项、论文、专利、实习经历或量化数据。
8. 不要把 HTML 标签转义成 &lt;div&gt;。
9. 不要把正文放进 <pre> 或 <code>。
10. HTML 标签必须顶格输出，不要在标签前添加 4 个空格或 Tab 缩进。
11. 所有 <div>、<p>、<table>、<tr>、<td>、<ul>、<li> 标签都必须从行首开始。
12. 第一行必须是最外层 A4 容器。
13. 最后一行必须是 </div>。
14. 不要输出解释，只输出最终简历正文。
15. 不要输出占位符。
16. 不要保留模板示例文字。
17. 必须使用上游简历中的真实内容填充。

## 三、最外层容器
最终输出第一行必须使用：
<div style="width:186mm;margin:0 auto;padding:0;box-sizing:border-box;font-family:'Microsoft YaHei','PingFang SC',Arial,sans-serif;font-size:12.5px;line-height:1.48;color:#1f2937;background:#ffffff;">

最终输出最后一行必须使用：
</div>

如果上游内容为空或不是有效简历内容，只输出：
<div style="width:186mm;margin:0 auto;padding:8mm 10mm;box-sizing:border-box;font-family:'Microsoft YaHei','PingFang SC',Arial,sans-serif;font-size:13px;color:#1f2937;">未接收到有效的简历内容</div>

## 四、整体布局要求
采用「左侧深色渐变信息栏 + 右侧白色主内容区」的 A4 双栏布局：
<div style="display:flex;width:100%;min-height:277mm;background:#ffffff;box-sizing:border-box;border:1px solid #e5e7eb;">
<div style="width:48mm;background:#0f172a;color:#ffffff;padding:7mm 5mm;box-sizing:border-box;">
左侧信息栏
</div>
<div style="flex:1;background:#ffffff;padding:7mm 7mm 7mm 7mm;box-sizing:border-box;">
右侧主内容区
</div>
</div>

## 五、颜色与符号规范
1. 左侧深色，右侧白色，形成强对比。
2. 可以使用 Unicode 符号，例如：◆、▸、●、｜、✦，但不要使用 emoji。
3. 设计感服务于阅读，保证极高信息密度。

## 六、A4 分页控制
1. 目标控制在 1-2 页 A4。
2. 优先在“项目经历”前分页，分页标签使用：
<div style="page-break-before:always;break-before:page;"></div>

结构化保护层：简历专版代码清洗节点（Python Code）

在大模型排版 HTML 时，极易发生 HTML 实体转义（如 <div> 代替了 <div>）、行首缩进被 Markdown 错误识别为代码块 <pre><code>、以及 缺少 A4 外层包裹 等问题。

在送入 Markdown ⮕ HTML 插件前，流水线接入了 第二层代码清洗（Python Code 节点） 进行强力过滤与修复：

python

import html
import re

def main(raw_output: str) -> dict:
    fallback = (
        '<div style="width:186mm;margin:0 auto;padding:8mm 10mm;box-sizing:border-box;'
        "font-family:'Microsoft YaHei','PingFang SC',Arial,sans-serif;font-size:13px;"
        'color:#1f2937;background:#ffffff;">未接收到有效的简历内容</div>'
    )

    if not raw_output or not raw_output.strip():
        return {"clean_markdown": fallback}

    text = raw_output.strip()

    # 1. 去除 <think>...</think> 推理思考内容
    text = re.sub(r"<think>.*?</think>", "", text, flags=re.DOTALL).strip()

    # 2. 去掉 Markdown 代码块外壳 (```html ... ```)
    text = re.sub(r"^```(?:markdown|md|html)?\s*", "", text, flags=re.IGNORECASE).strip()
    text = re.sub(r"\s*```$", "", text).strip()

    # 3. 拆掉大模型误生成的 <pre><code>...</code></pre> 并反转义
    def unwrap_code(match):
        inner = match.group(1)
        return html.unescape(inner).strip()

    text = re.sub(r"<pre><code>(.*?)</code></pre>", unwrap_code, text, flags=re.DOTALL | re.IGNORECASE)

    # 4. 全局反转义 HTML 实体，避免 &lt;div&gt; 作为纯文本渲染
    text = html.unescape(text).strip()

    # 5. 从有效简历内容开始截取，优先从 A4 容器标签开始
    candidates = []
    div_match = re.search(r'(?i)<div\s+style="[^"]*width\s*:\s*(?:18[0-9]mm|190mm|186mm)', text)
    if div_match:
        candidates.append(div_match.start())
    h1_match = re.search(r"(?i)<h1\b", text)
    if h1_match:
        candidates.append(h1_match.start())
    styled_div_match = re.search(r'(?i)<div\s+style="', text)
    if styled_div_match:
        candidates.append(styled_div_match.start())

    if candidates:
        text = text[min(candidates):].strip()

    # 6. 去掉 HTML 标签行前多余缩进，防止 md_to_html 误识别为代码缩进
    cleaned_lines = []
    for line in text.splitlines():
        stripped = line.lstrip()
        if stripped.startswith("<") or stripped.startswith("</"):
            cleaned_lines.append(stripped)
        else:
            cleaned_lines.append(line.rstrip())
    text = "\n".join(cleaned_lines).strip()

    # 7. 清理多余连续空行
    text = re.sub(r"\n{3,}", "\n\n", text).strip()

    # 8. 兜底包裹标准 186mm A4 容器
    has_a4_container = re.search(r'(?i)<div\s+style="[^"]*width\s*:\s*(?:18[0-9]mm|190mm|186mm)', text)
    if not has_a4_container and text:
        text = (
            '<div style="width:186mm;margin:0 auto;padding:8mm 10mm;box-sizing:border-box;'
            "font-family:'Microsoft YaHei','PingFang SC',Arial,sans-serif;font-size:13px;"
            'line-height:1.5;color:#1f2937;background:#ffffff;">\n'
            + text
            + "\n</div>"
        )

    if not text:
        text = fallback

    return {"clean_markdown": text}

插件转换、状态解锁与最终交付

清洗完毕的纯净 Markdown/HTML 串流进入最终的交付流水线：

简历html（Tool 节点）：
- 挂载官方插件 bowenliang123/md_exporter 的 md_to_html 工具；
- 参数配置：
  - md_text：{{#1782835155744.clean_markdown#}}（来自代码清洗节点）；
  - output_filename：简历优化（自动生成 .html 格式文件）；
清空简历模式（Assigner 节点）：
- 将 conversation.current_mode 设为空（Clear）；
- 将 conversation.jd 设为空（Clear）；
- 核心意义：执行完毕后自动“剪断入场手环”，释放会话状态锁，使用户下次可以自由发起新的指令（如重新开启模拟面试或再次修改简历）；
输出简历（Answer 节点）：
- 响应模板：
  markdown
```
✅ **简历优化已完成！**

---HTML_START---
{{#1782835167850.files#}}
---HTML_END---
```
- 用户在聊天窗口中可直接点击预览或下载高颜值、高保真的 HTML/PDF 简历。

双流水线架构对比复盘（4.6 vs 4.7）

至此，「面必过」的两大核心业务流均已全部剖析完毕。让我们通过一张横向对比矩阵总结其背后的架构智慧：

维度	4.6 模拟面试流水线	4.7 多专家简历优化流水线
业务形态	多轮长周期对话流（Chatflow）	单次高密度评审与重构流水线（Workflow）
核心挑战	状态持久化、多轮问答记忆无损串联、自然控场	多专家意见冲突裁决、精准对齐 JD 缺口、高保真 A4 排版
专家协同模式	链式串行推进（评估 ⮕ 方案 ⮕ 复盘报告）	多路并行诊断 + 圆桌仲裁收敛（JD + HR + 优化 ⮕ 主持人）
数据契约	动态追加文本 + JSON 结构化打分	全面采用严密 JSON Schema + STAR 原则
代码清洗作用	过滤 `<think>` 与代码块，防止复盘报告解析崩溃	全局反转义 HTML 实体，消除行首缩进，兜底 A4 容器
交付产物	《模拟面试综合复盘报告》HTML	《A4 双栏投递版精修视觉简历》HTML

多份意见如何合并，事实如何保留

几位编辑审同一篇稿件，可能有人要求更精简，有人希望多加细节。汇总节点需要判断每条建议的依据，不能把所有意见依次拼上去。

建议为每条修改保留三个信息：对应原文、修改理由、是否需要用户补充事实。比如“负责接口开发”可以改得更明确，但如果原文没有性能数据，就不能补成“性能提升 80%”。缺少成果数据时，应提出问题，让用户补充可核实的信息。

意见冲突	处理依据
岗位匹配节点要求补关键词，审核节点要求缩短篇幅	优先保留与岗位相关且有经历支撑的内容
优化节点提出量化成果，原简历没有数据	标记待补充，不生成数值
两个节点重复指出同一问题	合并为一条，并保留更具体的修改建议
建议改变岗位方向	说明理由，交给用户决定

最后还要把内容验收和排版验收分开。先核对时间、公司、职责等事实，再看导出的页面是否截断姓名、遮挡文字、出现空白页。浏览器看起来正常，不代表打印成 A4 后也能完整显示；长经历、长邮箱和多页内容都值得各试一次。

作为扩展练习，可以保存修改前后的对应段落，让用户选择采纳。这样即使换了模型，也能看出它改动了哪些事实和措辞。

合并专家意见时先处理冲突

专家节点的输出可以先分成“原文事实、依据事实的判断、建议改写”三类。事实来自简历和岗位说明，后两类可以讨论和取舍。汇总节点若不区分这三层，很容易把推测写进最终简历，再由后续节点当成既成事实继续润色。

一个实用做法是给建议增加 source_text、suggestion、evidence_status 和 conflict_with 等字段。主持节点先合并重复项，再标出相互冲突的意见；没有原文依据的量化数字、职位级别和技术成果统一进入“待用户确认”，不直接写入成稿。

导出前可以抽查姓名、联系方式、任职时间、公司、项目指标等高风险字段，并保存修改前后的对应关系。内容通过后再检查 HTML 和 A4 打印效果。这样即使排版工具失败，也不会影响已经确认过的文本；反过来，页面漂亮也不能替代事实核对。

本节回顾

多节点评审的作用是补充不同视角。合并意见时守住事实边界，导出后再检查实际页面，才算完成一次简历修改。

继续阅读：4.8 工作流调试、发布与验收。

4.7 简历评审、修改与导出 ​

简历优化全生命周期图谱 ​

阶段二：三大专家多视角并行评审机制 ​

1. 专家一：JD 匹配分析师（关键词与技能缺口诊断） ​

System 提示词配置 ​

JSON 结构化输出契约 (Schema) ​

2. 专家二：HR 审核专家（第一印象与初筛淘汰点把关） ​

System 提示词配置 ​

JSON 结构化输出契约 (Schema) ​

3. 专家三：内容优化润色师（基于 STAR 法则量化重构） ​

System 提示词配置 ​

JSON 结构化输出契约 (Schema) ​

阶段三：圆桌式复盘与意见收敛 ​

1. 圆桌主持人 System 提示词 ​

2. 圆桌会议多路数据汇流（User 提示词） ​

阶段四：A4 双栏投递版 HTML 简历视觉排版引擎 ​

简历 HTML 生成核心 System 提示词 ​

结构化保护层：简历专版代码清洗节点（Python Code） ​

插件转换、状态解锁与最终交付 ​

双流水线架构对比复盘（4.6 vs 4.7） ​

多份意见如何合并，事实如何保留 ​

合并专家意见时先处理冲突 ​

本节回顾 ​

4.7 简历评审、修改与导出

简历优化全生命周期图谱

阶段二：三大专家多视角并行评审机制

1. 专家一：JD 匹配分析师（关键词与技能缺口诊断）

System 提示词配置

JSON 结构化输出契约 (Schema)

2. 专家二：HR 审核专家（第一印象与初筛淘汰点把关）

System 提示词配置

JSON 结构化输出契约 (Schema)

3. 专家三：内容优化润色师（基于 STAR 法则量化重构）

System 提示词配置

JSON 结构化输出契约 (Schema)

阶段三：圆桌式复盘与意见收敛

1. 圆桌主持人 System 提示词

2. 圆桌会议多路数据汇流（User 提示词）

阶段四：A4 双栏投递版 HTML 简历视觉排版引擎

简历 HTML 生成核心 System 提示词

结构化保护层：简历专版代码清洗节点（Python Code）

插件转换、状态解锁与最终交付

双流水线架构对比复盘（4.6 vs 4.7）

多份意见如何合并，事实如何保留

合并专家意见时先处理冲突

本节回顾