WRP HR Scorer：基于本地大模型的智能简历评分系统

一个完全离线运行的AI招聘评分服务，使用Ollama本地大模型对简历进行多维度评估，支持6个月复投规则检查和可解释的评分结果。

• 原作者/维护者: FahadBaig10
• 来源平台: GitHub
• 原始标题: WRP_Hr_Scorer
• 原始链接: https://github.com/FahadBaig10/WRP_Hr_Scorer
• 发布时间: 2026-06-04

WRP HR Scorer 是一个自托管的离线AI服务，专为HR招聘门户设计。它能够在完全脱离云AI API的情况下，对求职者简历进行智能化评估和评分。该系统通过Ollama在本地运行Mistral 7B大语言模型，实现了一个确定性的评分流水线，确保数据隐私的同时提供可解释的招聘决策支持。

项目的核心架构原则是将大语言模型作为唯一的非确定性组件进行隔离。模型仅负责返回四个维度的原始分数（0-100分），所有业务逻辑——包括推荐奖励加分、分数上限控制和等级映射——都在确定性的Python代码中实现。这种设计使得业务规则可以完全进行单元测试，同时将模型的失效风险降至最低。

整个系统运行在本地机器上，简历数据不会上传到任何云服务。这对于处理敏感人力资源数据的企业尤为重要，符合数据保护法规要求的同时，也消除了对第三方AI服务的依赖。

系统采用模块化的流水线设计，每个阶段职责清晰：

使用 pdfplumber 库从PDF简历中提取文本内容。该模块包含对空文档和扫描件PDF的防护机制，确保后续处理阶段获得有效的输入数据。

eligibility.py 模块执行6个月复投规则的验证。如果候选人在过去6个月内被拒绝过，系统将直接返回拒绝结果，并计算最早可重新申请的日期。这里采用包含边界的设计：正好6个月前的拒绝仍然会被阻止，资格从次日开始恢复。月份计算使用 dateutil.relativedelta 而非固定天数，确保跨不同月份天数的计算准确性。