单份简历深度分析

前置条件

• 简历PDF位于 F:\hermes智能体\训练\ 目录下
• 用户指定候选人姓名或PDF路径

执行步骤

Step 1: 提取文本

python F:\hermes智能体\脚本\extract_text.py "PDF路径"

0.3秒内输出全文。

Step 2: 分析（以下维度必覆盖）

基本信息提取

• 姓名、年龄、学校、专业、学历、毕业时间（精确到年月）
• 当前公司、总经验年限
• 语言能力（CET-4/6）、特殊认证

工作经历（每段必列）

• 公司全名 + 职位 + 时间段 + 精确时长（月）
• 稳定性分析：每段时长→判断是否≤6月（一票否决）/ ≤1年（警示）
• 空档期：段与段之间是否>2月空档
• 毕业前实习 vs 毕业后全职区分

优点（至少4-6项，每条2-4句深度解释）

检测模式：

• 证书：HarmonyOS/CET-6/PMP等
• 行业：ADAS/新能源/AI/芯片/鸿蒙/嵌入式
• 开发：Spring Boot+Vue全栈、自动化框架(Selenium/Appium/pytest)
• 硬件：RAID/服务器拆装/串口/I2C/SPI
• 量化：缺陷数/用例数/提效百分比/版本数
• 学术：GPA/竞赛/奖学金
• 工具：JMeter有产出、Fiddler独立定位根因
• 稳定性：≥18月连续全职

缺点（至少4-7项，每条2-4句深度解释）

检测模式：

• 致命：所有全职段≤6月 → 一票否决
• 身份：未毕业/应届/专业不对口（动物/农/林等）
• 技能缺失：无Selenium/Appium、无CI/CD(Git/Jenkins/Docker)、无自动化框架
• 简历质量：量化数据<3处、工作描述模板化（同一句式出现≥3次）
• 经验：仅1家公司、学校普通、业务场景窄
• 空档：段间>2月需标注
• 学习痕迹：无GitHub/博客/开源/技术分享

面试出题（4-5道）

• 针对简历最大疑点出题（如自动化真伪、主导vs执行）
• 针对核心优势出深挖题（如软硬件链路、协议细节）
• 至少1道现场编程或画图题
• 至少1道SQL/Linux基础题
• 每道标注「出题目的」

面试关注点（5-8项）

| 关注点 | 优先级(🔴必问/🟡重要/🟢参考) | 为什么 | 考察方式 |

同批对比（如适用）

如果之前分析过同岗位其他人，列出排名表和差距说明

Step 3: 生成HTML报告

• 路径: F:\hermes智能体\输出结果\<姓名>_面试评估报告.html
• 包含：判定横幅 + 基本信息 + 工作经历时间线 + 优点 + 缺点 + 面试出题 + 面试关注点 + 同批对比 + 一句话总结
• 稳定性用颜色区分：绿色(稳定) / 黄色(关注) / 红色(致命)
• 内容深度：每条优点/缺点3-4句详析，不是一句话概述

输出路径

F:\hermes智能体\输出结果\<姓名>_面试评估报告.html

注意事项

• 不要用规则脚本自动生成——规则引擎质量不够。必须用AI深度分析。
• 脚本只做提取（extract_text.py），分析由AI完成。
• 速度：一次终端调用(0.3s) + 一次write_file即可完成。
• 如果同一人之前分析过，优先复用已有全量JSON而非重提取。