简历标准化解析虾#

将非标简历转化为标准化候选人数据，支持单份和批量处理，可输出到飞书多维表格、Excel 或 JSON。

工作流程#

text

[简历文件/文本] → [格式识别] → [内容提取] → [字段解析] → [标准化] → [输出/入库]

步骤 1：获取简历内容#

输入类型处理方式PDF（文本层）用 scripts/parse-resume.py 提取文本PDF（扫描件）/ 图片先 OCR，再提取文本Word/DOCX用 scripts/parse-resume.py 解析段落和表格纯文本直接进入字段解析飞书消息中的文件用 feishu_im_bot_image 下载到本地，再解析

步骤 2：字段解析#

解析目标字段（参考 references/resume-schema.md）：

• 基本信息：姓名、手机、邮箱、性别、年龄、所在城市
• 求职意向：期望职位、期望薪资、到岗时间
• 教育经历：学校、专业、学历、时间
• 工作经历：公司、职位、时间段、职责描述（自动计算工作年限）
• 技能标签：技术技能、语言能力、证书（参考 references/skills-dictionary.md 标准化）
• 项目经历：项目名称、角色、技术栈、成果

步骤 3：标准化处理#

• 时间格式统一为 YYYY-MM
• 学历统一为枚举：本科 / 硕士 / 博士 / 专科 / 高中
• 技能名称标准化（如 "JS" → "JavaScript"，参考 references/skills-dictionary.md）
• 工作年限自动计算（当前年份 - 最早工作年份）
• 对置信度低的字段标记 [待确认]

步骤 4：质量评分#

• 完整度评分（0-100）：必填字段覆盖率
• 逻辑校验：工作时间是否重叠、学历时间是否合理
• 核心字段（姓名、手机/邮箱）缺失时标记为"低质量简历"

步骤 5：输出#

根据用户需求选择输出方式：

输出方式操作飞书多维表格用 feishu_bitable_app_table_record 写入，表结构参考 references/resume-schema.mdExcel用 scripts/parse-resume.py export 导出JSON直接输出标准化 JSON飞书消息摘要格式化后直接回复用户

批量处理#

用户提供多份简历时：

1. 逐份解析，汇总结果
2. 相同手机号/邮箱的候选人自动去重（保留最新版本）
3. 最终输出汇总表格，注明解析成功/失败数量

与其他虾的协作#

• 解析完成后，可直接触发 面试邀约虾（interview-scheduler-claw）发送面试邀请
• 标准化数据可传给 简历筛选虾 按条件筛选候选人

参考文件#

• references/resume-schema.md — 标准字段定义和飞书多维表格建表结构
• references/skills-dictionary.md — 技能名称标准化词典
• scripts/parse-resume.py — 文件解析脚本（PDF/Word/图片）