（4765期）resume-parser – 本地隐私安全的AI简历解析

本地隐私安全的AI简历解析 完全本地运行的简历解析工具，支持PDF/Word/图片多格式提取，提供岗位JD匹配度分析与优化建议，无需外部API保护隐私安全 使用说明 智能简历解析系统评估 核心用法 该Skill是一款本地化的简历智能解析工具，通过多格式文档解析+大模型结构化提取的双层架构，实现从原始简历到标准化数据的全流程处理。用户上传PDF、Word或图片格式简历后，系统先调用专用脚本提取纯文本，再由大模型解析为结构化JSON数据，涵盖基本信息、教育背景、工作经历、项目经验、技能栈等8大模块。若提供目标岗位JD，系统执行严格的四步匹配分析：区分核心/加分要求→核心要求硬过滤→加权计分→客观结论输出，最终生成包含维度得分、差距诊断、优化建议的完整分析报告。 显著优点 隐私安全优先：完全本地运行，无需调用外部API，敏感简历数据不出境 多格式兼容：覆盖PDF、Word、图片三大主流格式，OCR能力支持扫描件处理 结构化标准化：输出规范JSON格式，便于对接HR系统、人才库或自动化流程 匹配规则严谨：核心要求一票否决机制（2项不满足上限40分），避免主观评分偏差 建议可落地：针对差距生成具体优化方向，而非泛泛而谈 潜在缺点与局限 本地依赖较重：需安装Python环境及Tesseract引擎（OCR），配置门槛较高 格式容错有限：复杂排版、表格嵌套、特殊字体的简历可能出现解析错位 JD理解边界：对隐含要求、软素质要求的识别依赖大模型能力，存在误判 无持续更新：技能描述未提及模型迭代机制，对新行业术语覆盖可能滞后 适合人群 对数据隐私敏感的求职者（尤其金融、科研、涉密岗位） 需批量处理简历的中小型企业HR或猎 希望针对性优化简历的转行/跨领域求职者 常规风险 OCR识别误差：手写内容、低分辨率图片可能导致信息提取错误 过度依赖评分：60分以下直接判定"不匹配"可能错失潜力候选人 结构化信息丢失：非标准简历（如创意类作品集）的亮点难以被量化提取 原始说明 智能简历解析系统，支持PDF/Word/图片格式简历的结构化信息提取、岗位匹配度分析、优化建议生成。完全本地运行，无需外部API。使用场景：(1) 解析上传的简历文件提取核心信息，(2) 输入岗位JD计算简历匹配度，(3) 生成简历优化建议，(4) 导出结构化简历数据。