wangzhanchao883/dsh-resume-screening

dsh-resume-screening

DeepSeek Harness 简历筛选插件：面向 HR 的批量简历入库 + 自动化初筛工具。单个简历库可管理 10 万份以内的简历（docx / pdf / xlsx / xls / md / txt），统一建档入库后用自然语言下达筛选条件：先靠数据库精准粗筛，再对少数入围者做 LLM 精判，秒级返回按适配度排序的候选人名单。

核心能力

① 简历批量入库与统一管理
- 支持 docx / pdf / xlsx / xls / md / txt，自动转换为统一格式的 Markdown 归档；
- 按文件内容哈希自动去重，重复投递不重复建档；
- 每条简历记录入库时间与源文件修改时间，方便识别“收进来太久”的简历。

② 结构化建档（一次入库，永久复用）
- 入库即抽取并写入结构化档案：
- 硬性字段（规则抽取，确定性高）：学历 / 性别 / 年龄 / 工作年限 / 学校 / 专业；
- 细粒度技能（LLM 兜底抽取）：如 Java、Spring Boot、Vue 3、MySQL…；
- 粗颗粒类别（规则 + LLM 兜底）：技能类别（计算机 / 财务 / 金融 / 管理 / 外贸…）、经验方向（编程开发 / 财务会计 / 数据分析…），供后续快速粗筛；
- 抽取遵循“规则优先（快、免费、可复现）→ LLM 兜底（低置信 / 语义字段，JSON 强约束防幻觉）”，全部标签带置信度与来源。

③ 两段式智能筛选
- 第一段 · 规则粗筛：在库内按「必选硬条件 + 可选加分加权」匹配，毫秒级缩小范围（如：必须男、本科及以上、会 JAVA，最好 2 年工作经验加分）；
- 第二段 · LLM 精判：仅对粗筛入围者逐份读原文判“适配度”，输出 0-100 分、结论档位（强烈推荐 / 可面试 / 保留 / 不推荐）、命中技能、缺口、硬字段复核；
- 一次筛选的规则分与 LLM 分都会落库，同一个岗位条件可反复复用。

④ 增量自动入库
- resume_screen 支持传入简历文件夹：先把该文件夹里未入库的新简历自动入库（去重 → 建档 → 打标 → 记录时间），再对全库整体筛选。用户拿任何一批新简历发起筛选都不会漏。

⑤ 岗位条件可复用
- 用自然语言把招聘要求保存为「岗位」（必选 / 加分 + 算子 + 权重），例如「JAVA 工程师岗」，后续有新简历即可一键按同一套标准复筛。

⑥ 工程底座
- Markdown 归档为真相源，SQLite 为筛选索引（多值标签 / 加权排序 / 多条件 AND），索引可随时从归档全量重建；
- 批量处理带状态机 + 断点续跑 + 幂等去重；
- LLM 调用复用 DSH 当前对话模型（宿主标准流式接口 ctx.llm.stream），结构化抽取/精判请求显式关闭思维链以控制成本与延迟。

对比：用本插件 vs 直接把简历丢给 LLM

| 维度 | 直接把简历丢给 LLM | 本插件 |
|---|---|---|
| 规模化 | 上下文有限，数百份即溢出或质量下降 | 简历提前入库建档，筛选在库内完成，最高支持 10 万份量级 |
| 成本 | 每次筛选全量重读全部简历，费用随数量线性膨胀 | 只有粗筛入围的少数人才调用 LLM |
| 硬条件准确度 | 依赖模型“读”，标准不稳定、可能看漏 | 数据库字段过滤，确定性高、可复现 |
| 增量简历 | 记不住历史，需全量重筛 | 自动入库 + 自动去重，增量筛选 |
| 结果追溯 | 无 | 分数 / 理由 / 入库时间全部留档，可导出 CSV |

核心优势：快（库内粗筛秒级）、省（LLM 只精判少数人）、准（硬条件查档案，不会双标不漏人）、全（新简历永不漏、重复自动去重、入库时间可考）。

快速开始（对话）

1. 初始化简历库 + 收简历
resume_init
resume_ingest folderPath="D:\简历库\0908简历"

2. 建立岗位要求（自然语言结构化）
resume_define_rule 岗位名="JAVA工程师岗"
必选: gender=男；education in 本科/硕士/博士；skill contains java
加分: experience_years>=2 (+15)

3. 自动入库 + 初筛 + LLM 精判（一次完成）
resume_screen reqId=2 folderPath="D:\简历库\0908简历" llm=true

4. 导出结果
resume_export reqId=2 outPath="D:\简历库\结果.csv"

工具一览

| 工具 | 作用 |
|---|---|
| resume_init | 初始化简历库（归档目录 + SQLite + 标签字典） |
| resume_ingest | 扫描文件夹收简历，内容哈希去重，入库待处理 |
| resume_process | 批量 转换 → 规则抽取 → LLM 兜底 → 归档 + 入库 |
| resume_status | 查看库内简历处理状态分布 |
| resume_define_rule / resume_list_rules | 保存 / 查看岗位筛选条件 |
| resume_screen | 执行筛选；llm=true 追加精判；folderPath 触发自动入库 |
| resume_export | 导出筛选结果 CSV（含入库时间 / 源文件时间） |
| resume_rebuild | 从归档 Markdown 全量重建索引 |

斜杠命令：/resume_screen（host 直跑，不经模型）。

工作原理

| 层 | 角色 |
|---|---|
| Markdown 归档（真相源） | 每份简历一篇 .md，含结构化属性与原文，可读、可迁移、永不丢 |
| SQLite（筛选索引） | 派生索引：候选人 / 标签 / 标签值 / 岗位 / 条件 / 筛选结果，为筛选而生，可随时全量重建 |
| 筛选引擎（规则层） | 必选硬过滤 → 可选加分加权排序，纯函数、可复现 |
| LLM 精判层 | 对入围者读原文判适配度，输出结构化评分与理由 |

标签体系

- 硬性字段（列存）：学历、性别、年龄、工作年限、学校、专业
- 语义 / 分类标签（多值标签表）：skill（细粒度技能）、skill_category（技能类别）、experience_direction（经验方向）、project_management（项目管理经验）
- 时间字段：ingested_at（入库时间）、source_mtime（源文件修改时间）
- 标签字典可在 Web 面板增改（键 / 显示名 / 类型 / 说明 / 是否多值）；skill_category、experience_direction 为核心粗分类维度，默认始终注入，不受历史持久化设置遮蔽。

Web 设置面板

参考 dsh-study-notebook 的 settings.section 模式：

1. 通用：简历库根目录、归档子目录、是否保留原文件、LLM 开关与阈值、批次大小
2. 标签库：增改标签定义
3. 岗位要求：一岗位一组条件（标签 + 算子 + 阈值 + 必选/可选 + 权重 + 说明文案）

配置

持久化于 ~/.dsh-resume-screening/config.json，默认简历库 D:\简历库\。Web 设置面板在默认值之上叠加用户设置（settings.yaml）。

依赖

- @deepseek-ai/dsh-tools（peer，宿主提供）
- @deepseek-ai/schemastery、mammoth（docx）、pdfjs-dist（pdf）、xlsx（excel）
- 存储：node:sqlite（Node 22+，零外部原生依赖）
- LLM：复用宿主 dsh-llm（ctx.llm.stream 标准流式接口，非自建通道）

License

MIT