AI简历解析器：基于RAG技术的智能招聘助手

AI简历解析器是一款结合FastAPI、LangChain和Groq API的全栈应用，针对招聘流程中筛选简历耗时易错的痛点，利用RAG（检索增强生成）技术实现简历与职位描述的自动匹配分析及智能问答功能，将非结构化简历转化为结构化数据并提供深度智能分析。

在人力资源招聘中，传统关键词匹配方法无法准确理解候选人能力与经验，易遗漏优秀人才或让不合格者进入面试。本项目旨在通过自然语言处理和大语言模型技术，构建智能文档处理系统，解决非结构化简历分析难题。

后端技术栈

采用FastAPI框架构建高性能异步API，集成LangChain框架调用Groq API（Llama-3.3-70b-versatile模型），向量数据库选用ChromaDB，文档向量化演示用FakeEmbeddings（生产可替换为OpenAI或Sentence-BERT模型）。

前端技术栈

使用React 19+TypeScript确保类型安全，TailwindCSS快速构建UI，Vite提升开发效率。

1. 文档处理：支持PDF/TXT上传，PyPDF2提取文本后用RecursiveCharacterTextSplitter分块（1000字符/块，重叠200字符）；
2. 嵌入存储：文本块转化为向量嵌入存储于ChromaDB；
3. 检索阶段：用户问题向量化后在ChromaDB中搜索Top-K相关文档块（默认K=3）；
4. 增强生成：将检索结果与问题组合为提示词，通过Groq模型生成带来源引用的回答。

简历职位匹配分析

生成包含匹配度百分比、优势分析、差距分析、综合评估的报告；

智能问答

支持上下文感知的简历相关提问（如技能、工作年限），返回准确回答并标注来源；

实时对话

前端实现流式响应，内容逐步呈现提升用户体验。

环境要求

Python3.9+、Node.js16+、Groq API密钥；

部署步骤

后端：克隆代码→创建虚拟环境→安装依赖→配置.env（添加Groq密钥）→启动uvicorn； 前端：进入frontend目录→npm install→npm run dev（可修改API地址）；

安全措施

API密钥通过环境变量管理，CORS默认仅允许本地连接，临时文件存储于系统临时目录不持久保留。

本项目展示了RAG技术在招聘自动化中的应用价值，提供智能化解决方案。未来可扩展方向：接入更强嵌入模型、支持多语言简历、添加候选人数据持久化、集成企业HR系统API等。