Resufit：基于大语言模型的智能简历分析与ATS优化系统

Resufit是一款基于Python和Flask构建的AI驱动简历分析优化工具，集成Groq API的大语言模型能力，提供ATS评分、职位匹配分析、AI增强简历生成等功能，帮助求职者突破自动筛选系统，解决传统简历优化效率低、难量化的问题。项目开源于GitHub，由bharathkarri23-svg维护。

当今就业市场中，超过90%的大型企业使用ATS（申请人追踪系统）初步筛选简历，许多合格候选人因格式不符或缺少关键技能关键词被淘汰。传统简历优化依赖人工经验或昂贵的职业咨询服务，效率低下且难以量化效果。Resufit针对这一痛点，利用大语言模型的自然语言理解和生成能力，提供数据驱动、可量化的简历优化解决方案。

Resufit整合多项关键功能模块：

1. AI驱动的ATS评分分析：从可读性、格式规范性和关键词密度三维度综合评分，支持扫描版PDF解析（PyMuPDF+Tesseract OCR）；
2. 智能职位描述匹配：执行差距分析，识别匹配/缺失的行业关键词及认证建议；
3. 交互式简历生成向导：所见即所得的编辑体验；
4. 多模板布局库：8种专业模板实时切换；
5. AI简历定制：通过Groq API的Llama系列模型自动重写专业摘要和经验描述。

Resufit的技术栈：

• 后端：Python 3.13 + Flask框架；
• AI能力：Groq API接入Llama-3.3-70b-versatile、Llama-3.1-8b-instant模型；
• 文本/图像解析：PyMuPDF、Pillow、Tesseract OCR；
• 前端：HTML5+CSS3+JS（玻璃拟态设计，响应式界面）；
• 数据存储：SQLite3（用户记录与会话缓存）。

Resufit使用流程：

1. 上传简历PDF→系统进行ATS评分分析（展示可读性评分、关键词覆盖度和格式建议）；
2. 粘贴目标职位描述→执行职位匹配分析，识别差距并提供改进建议；
3. 从头构建简历：通过向导输入个人信息、教育背景等，AI自动优化内容；
4. 切换模板（8种专业风格）→导出最终PDF简历。

Resufit的意义：

1. 为求职者提供可访问、可量化的工具，降低求职信息不对称；
2. 展示LLM与OCR、PDF解析等技术结合的完整解决方案，可扩展到合同分析、报告生成等场景；
3. 为开源社区提供Flask+AI集成示例，展示Python Web应用与外部AI服务交互的最佳实践（API调用、错误处理、响应缓存等）。