JobPilot 智能求职助手

JobPilot 是一个集成简历解析、智能优化、自动投递和进度管理的完整求职解决方案。通过整合四大核心功能模块，为求职者提供从简历准备到投递跟踪的全流程智能化支持。

核心功能

1. 简历解析与管理

支持 PDF、DOCX、TXT 格式简历上传
智能提取结构化信息（基本信息、教育背景、工作经历、技能等）
使用阿里云千问大模型进行语义理解和信息抽取
统一的 JSON 数据格式，便于后续处理

2. 简历智能优化

基于职位描述（JD）分析简历匹配度
使用向量余弦相似度计算经历与JD的相关性
自动重排经历顺序，突出最相关内容
使用大模型优化经历描述，强化关键成果
一键生成针对性优化简历PDF

3. 自动化投递

支持Boss直聘、猎聘等主流招聘平台
使用 Playwright 实现浏览器自动化
智能搜索和筛选职位
自动填写表单和投递简历
支持黑名单过滤和自定义配置

4. 投递进度管理

集中记录所有投递信息
多状态跟踪（已申请、笔试、面试、offer等）
实时更新投递状态
统计分析投递数据
直观的时间线展示

技术架构

后端技术栈

Flask: Web框架
SQLite: 轻量级数据库
OpenAI SDK: 调用阿里云千问大模型
Playwright: 浏览器自动化
pdfminer/python-docx: 文档解析

前端技术栈

原生 HTML/CSS/JavaScript: 简洁高效
响应式设计: 适配不同屏幕尺寸
SSE (Server-Sent Events): 实时数据推送

AI 能力

阿里云千问 (qwen-plus): 简历解析和信息抽取
阿里云千问 (qwen3-coder-flash): 简历优化和内容生成
text-embedding-v3: 文本向量化和相似度计算

项目结构

JobPilot/
├── backend/                    # Flask 后端
│   ├── app.py                 # 主应用入口
│   ├── modules/               # 功能模块
│   │   ├── resume_parser/     # Func1: 简历解析
│   │   ├── resume_optimizer/  # Func3: 简历优化
│   │   ├── auto_apply/        # Func2: 自动投递
│   │   └── status_tracking/   # Func4: 进度管理
│   ├── data/                  # 数据存储
│   │   ├── resumes/          # 上传的简历
│   │   ├── generated/        # 生成的简历
│   │   └── database/         # SQLite数据库
│   ├── requirements.txt       # Python依赖
│   ├── start.sh              # 启动脚本
│   └── README.md             # 后端说明
├── frontend/                  # 前端静态文件
│   ├── index.html            # 主页面
│   ├── css/
│   │   └── style.css         # 样式文件
│   └── js/
│       └── app.js            # 前端逻辑
└── README.md

快速开始

环境要求

Python 3.8+
现代浏览器（Chrome、Firefox、Safari等）
（可选）Java 21+ - 用于自动投递功能

安装步骤

1. 进入后端目录

cd project_eng/backend

2. 使用启动脚本（推荐）

chmod +x start.sh
./start.sh

启动脚本会自动完成以下操作：

创建Python虚拟环境
安装所有依赖包
安装Playwright浏览器
启动Flask服务

3. 手动安装（可选）

# 创建虚拟环境
python3 -m venv venv
source venv/bin/activate  # Linux/Mac
# 或 venv\Scripts\activate  # Windows

# 安装依赖
pip install -r requirements.txt

# 安装Playwright浏览器
playwright install chromium

# 启动应用
python app.py

访问应用

打开浏览器访问：http://localhost:5000

使用指南

工作流程建议

1. 简历解析
   ↓ 上传简历（PDF/DOCX/TXT）
   ↓ 查看解析结果
   ↓
2. 简历优化
   ↓ 选择简历
   ↓ 粘贴目标JD
   ↓ 分析匹配度
   ↓ 生成优化简历
   ↓
3. 自动投递
   ↓ 配置投递参数
   ↓ 启动自动投递
   ↓ 监控投递进度
   ↓
4. 进度管理
   ↓ 查看投递记录
   ↓ 更新状态
   ↓ 统计分析

详细操作

简历解析

切换到"简历解析"标签
点击"选择文件"上传简历
点击"上传并解析"
查看解析后的结构化信息
点击已解析的简历可查看详情

简历优化

切换到"简历优化"标签
从下拉菜单选择已上传的简历
在文本框粘贴目标职位的JD
点击"分析匹配度"查看经历相关性
点击"生成优化简历"创建定制化简历
点击"下载PDF简历"获取文件

自动投递

切换到"自动投递"标签
阅读使用须知
选择要投递的简历
选择投递平台（Boss直聘/猎聘）
配置搜索关键词和目标城市
点击"启动投递"
首次使用需在弹出的浏览器中登录
系统将自动搜索和投递职位
遇到验证码时手动处理
点击"停止投递"结束任务

进度管理

切换到"进度管理"标签
点击"+ 添加新投递"手动添加记录
填写公司、职位等信息
查看所有投递记录和时间线
点击"刷新"更新最新状态
查看统计信息

API 接口

简历解析 (/api/resume)

POST /upload - 上传并解析简历
GET /parse/:id - 获取解析结果
GET /list - 列出所有简历
DELETE /delete/:id - 删除简历

简历优化 (/api/optimize)

POST /analyze - 分析JD匹配度
POST /generate - 生成优化简历
GET /download/:id - 下载简历PDF

进度管理 (/api/tracking)

GET /jobs - 获取所有投递记录
POST /job - 创建投递记录
PUT /job/:id - 更新投递状态
GET /stats - 获取统计信息
GET /events - SSE实时推送

自动投递 (/api/apply)

POST /start - 启动投递任务
POST /stop - 停止投递任务
GET /progress - 获取投递进度

数据流向

用户上传简历
    ↓
【Func1 简历解析】
    ├─ 文档解析 (PDF/DOCX/TXT)
    ├─ LLM信息抽取
    └─ JSON数据存储
    ↓
【Func3 简历优化】
    ├─ 读取简历JSON
    ├─ 输入JD文本
    ├─ 向量相似度计算
    ├─ 经历重排序
    ├─ LLM优化描述
    └─ 生成PDF简历
    ↓
【Func2 自动投递】
    ├─ 读取优化后简历
    ├─ Playwright自动化
    ├─ 投递到招聘平台
    └─ 记录投递结果
    ↓
【Func4 进度管理】
    ├─ SQLite数据库
    ├─ 状态更新
    ├─ SSE实时推送
    └─ 可视化展示

注意事项

1. API密钥配置

项目内置了阿里云千问API密钥，仅供测试使用
生产环境请替换为自己的密钥
密钥位置：
- backend/modules/resume_parser/parser.py
- backend/modules/resume_optimizer/optimizer.py

2. 自动投递功能

需要Java 21+运行环境
首次使用需要手动登录招聘平台
建议在投递前先优化简历
遇到验证码需要手动处理
投递过程中不要关闭浏览器窗口

3. 数据安全

所有简历数据存储在本地
不会上传到第三方服务器
LLM调用使用阿里云千问API
建议定期备份data目录

4. 性能优化

简历优化功能较慢，需要等待1-2分钟
自动投递速度取决于网络和平台响应
建议不要同时处理大量简历

故障排除

问题1：Playwright安装失败

# 手动安装浏览器
playwright install chromium

问题2：PDF生成失败

# 确保已安装Playwright
pip install playwright
playwright install chromium

问题3：LLM调用失败

检查网络连接
确认API密钥有效
查看阿里云账户余额

问题4：自动投递无法启动

确保已安装Java 21+
检查Func2目录是否存在
查看后端日志输出

开发说明

添加新功能

在 backend/modules/ 创建新模块
实现Flask蓝图
在 app.py 中注册蓝图
更新前端界面和逻辑

修改AI模型

编辑 optimizer.py 中的模型配置
支持切换到其他OpenAI兼容API

自定义前端样式

修改 frontend/css/style.css
样式采用响应式设计

原功能模块说明

本项目整合了以下原有功能模块：

Func1_Parser: 简历解析模块
Func2_AutoApplication: 自动投递模块（Spring Boot + Playwright）
Func3_Optimizer: 简历优化模块（LangChain + LLM）
Func4_StatusTracking: 进度管理模块（Flask + CSV）

整合后的版本：

统一使用Flask作为后端框架
简化了Func2的调用方式
优化了Func3的处理流程
将Func4的CSV存储改为SQLite
提供了统一的Web界面

许可证

本项目仅供学习和研究使用。

联系方式

如有问题或建议，请联系项目维护者。

JobPilot - 让求职更智能，让机会更精准！

Name		Name	Last commit message	Last commit date
Latest commit History 105 Commits
Backend		Backend
Frontend		Frontend
Functions		Functions
.gitignore		.gitignore
README.md		README.md

EdwardLee798/JobPilot

Folders and files

Latest commit

History

Repository files navigation