Markdown Note
**运行所有测试**
最近更新：2026/05/01
https://chatgpt.com/share/69f425ad-ea44-83eb-9785-5f306a218417 见备忘录 决策评分引擎 # 测试说明
## 1. 测试覆盖
按照问题定义要求，测试覆盖以下4类：
### 1.1 解析正确性测试 (test_parser.py)
| 测试项 | 验证内容 | 状态 |
|--------|----------|------|
| JD基本解析 | 必选技能、优选技能、经验、学历、加分项 | ✓ |
| 经验年限提取 | "3年以上"模式匹配 | ✓ |
| 学历提取 | 博士/硕士/本科/大专识别 | ✓ |
| 简历解析 | ID**、姓名、学校、技能提取** | ✓ |
| 全量简历解析 | 60份简历全部解析成功 | ✓ |
| 简历数量验证 | 50-70份之间 | ✓ |
### 1.2 归一化正确性测试 (test_normalizer.py)
| 测试项 | 验证内容 | 状态 |
|--------|----------|------|
| 技能同义词加载 | 50条配置正确加载 | ✓ |
| 技能映射构建 | 别名→标准名映射 | ✓ |
| 技能大小写归一化 | python→Python | ✓ |
| 技能别名归一化 | springboot→Spring | ✓ |
| 技能列表归一化 | 多技能批量处理 | ✓ |
| 技能去重 | 重复技能去除 | ✓ |
| 学校同义词加载 | 20条配置正确加载 | ✓ |
| 学校映射构建 | 哈工大→哈尔滨工业大学 | ✓ |
| C9/985识别 | 清华大学、北京大学 | ✓ |
| 211识别 | 哈尔滨工业大学、东北大学 | ✓ |
| 海外学校识别 | 伦敦大学学院、利物浦大学 | ✓ |
### 1.3 稳健性测试 (test_robustness.py)
| 测试项 | 验证内容 | 状态 |
|--------|----------|------|
| 空JD文件 | 返回空列表不崩溃 | ✓ |
| 不存在文件 | 正确抛出FileNotFoundError | ✓ |
| 空简历文件 | 返回默认值不崩溃 | ✓ |
| 最小内容简历 | 基本字段提取 | ✓ |
| 时间格式解析 | 2020.4, 2020-04, 至今等 | ✓ |
| 月份计算边界 | 无效日期返回0 | ✓ |
| 空工作经历 | 不崩溃 | ✓ |
| 单条工作经历 | 正常处理 | ✓ |
| 空技能评分 | 返回0分，不崩溃 | ✓ |
| 缺失字段评分 | 返回默认值，不崩溃 | ✓ |
| 格式异常工作经历 | 返回空列表 | ✓ |
### 1.4 一致性测试 (test_consistency.py)
| 测试项 | 验证内容 | 状态 |
|--------|----------|------|
| JD多次解析一致 | 相同输入相同输出 | ✓ |
| 简历多次解析一致 | 相同输入相同输出 | ✓ |
| 相同输入同分 | 确定性评分 | ✓ |
| 配置加载一致 | 多次加载结果相同 | ✓ |
| 候选人排序 | 按总分降序排列 | ✓ |
| 必需字段完整 | 所有候选人包含id/name/score等 | ✓ |
| 推荐等级阈值 | 强推≥75, 推荐≥60 | ✓ |
| result.json格式 | 顶层结构正确 | ✓ |
| result.json统计 | 人数一致性验证 | ✓ |
| 写入幂等性 | 多次写入结果相同 | ✓ |
| 不同简历不同分 | 评分有区分度 | ✓ |
## 2. 测试执行
# **运行所有测试**
cd /home/exam
python -m pytest tests/ -v
# **运行特定测试类**
python -m pytest tests/test_parser.py -v
# **运行特定测试**
python -m pytest tests/test_parser.py::TestJDParser::test_parse_jd_basic -v
## 3. 测试结果
当前状态：55/55 通过
## 4. 验证了什么
-
JD和简历解析能正确提取结构化字段
-
同义词映射表生效（大小写、别名）
-
学校档次加分正确（C9/985+3, 211+2, 海归+3）
-
异常输入不崩溃（空文件、缺失字段、格式异常）
-
时间重叠检测有效
-
频繁跳槽检测有效（<6个月）
-
相同输入产生相同输出（确定性）
-
result.json格式正确
## 5. 还有什么没验证
### 5.1 未覆盖的边界情况
-
简历中技能描述为图片（无法提取文本）
-
外语简历（全英文技能描述）
-
工作经历跨30年以上的计算
-
同一人多段重叠工作的复杂场景
### 5.2 未验证的业务场景
-
评分权重调整后的业务效果（目前用固定权重）
-
同义词映射表的完备性（是否有遗漏）
-
真实场景下的推荐准确性（无人工标注数据对比）
### 5.3 潜在风险
-
未验证简历中存在但未被提取的新技能词汇
-
未验证所有学校名称都能被正确归一化
-
未验证加分项在所有位置的匹配效果
# 风险与限制
## 1. 已知的限制
### 1.1 输入格式限制
| 问题 | 现状 | 影响 |
|------|------|------|
| 仅支持Markdown格式 | 不支持PDF/DOC/图片 | 无法处理非文本简历 |
| 不支持全英文简历 | 技能同义词主要为中文 | 外籍候选人匹配可能不准 |
| 简历格式依赖固定模板 | 按"姓名/学校/技能/工作经历"结构解析 | 非标准格式可能解析失败 |
### 1.2 解析能力限制
| 问题 | 现状 | 影响 |
|------|------|------|
| 技能提取基于关键词匹配 | 不理解语义 | 可能遗漏或误匹配 |
| 工作经验从文本推断 | 不总是准确 | 经验年数可能偏差 |
| 时间格式需标准化 | 仅支持"YYYY.MM"或"YYYY-MM" | 其他格式可能被忽略 |
### 1.3 评分逻辑限制
| 问题 | 现状 | 影响 |
|------|------|------|
| 技能匹配为二值（匹配/不匹配） | 不考虑熟练程度 | 资深和初级工程师可能同分 |
| 学校档次固定 | 仅包含配置中的学校 | 新学校无法识别 |
| 加分项为全文匹配 | 可能匹配到非工作经验部分 | 准确度有限 |
## 2. 已识别的风险
### 2.1 同义词覆盖不足
-
风险: 配置的同义词映射表可能不完整
-
场景: 简历中出现的技能/学校别名未被映射
-
影响: 候选人人得分偏低
-
缓解: 可在 config/synonyms_*.json 中扩展
### 2.2 时间重叠检测漏检
-
风险: 当前仅检测连续工作的时间重叠
-
场景: 多段工作经历中存在交叉但非连续的情况
-
影响: 有风险信号的候选人未被标记
-
缓解: 验证用例已覆盖，可扩展检测算法
### 2.3 推荐阈值主观
-
风险: 强推≥75**、推荐**≥60为固定值
-
场景: 业务需求变化
-
影响: 推荐结果不符合业务预期
-
缓解: 可在 config/weights.json 中调整
### 2.4 文件不存在会崩溃
-
风险: parse_jd/parse_resume 对不存在文件会抛异常
-
场景: JD文件或简历文件被删除
-
影响: 程序中断
-
缓解: 稳健性测试已覆盖，建议添加文件存在性检查
## 3. 为什么当前仍可接受
### 3.1 输入可控
-
当前为批量处理固定格式简历（60份）
-
简历模板统一，为Markdown格式
-
是在受控环境下的离线处理
### 3.2 业务容错
-
评分目的是排序而非精确录用
-
异常数据影响有限（边界case少）
-
可通过人工复核补充
### 3.3 可扩展性
-
配置驱动设计，便于调整
-
模块化代码，易于扩展
-
测试覆盖充分（55/55通过）
### 3.4 输出完整
-
result.json 包含完整的评分明细
-
每个维度得分可解释
-
统计信息完整
## 4. 后续优化建议
### 4.1 高优先级
-
增加文件存在性检查，避免程序崩溃
-
扩展同义词映射表（定期更新）
-
增加技能熟练度识别（初级/中级/资深）
### 4.2 中优先级
-
支持PDF/DOC格式简历解析
-
引入NLP模型提升语义理解
-
增加人工复核工作流
### 4.3 低优先级
-
支持多语言简历
-
引入机器学习优化权重
-
增加可视化报告
# 设计说明
## 1. 为什么这样设计
### 1.1 核心需求
-
对60份简历按JD要求评分排序
-
输出包含结构化分数、推荐等级、推荐理由
-
支持配置扩展（技能同义词、学校档次等）
### 1.2 设计决策
#### 模块化架构
将系统拆分为6个独立模块：
-
config: 配置加载（权重、同义词、学校档次） -
parser: 文本解析（JD和简历） -
normalizer: 归一化处理（技能、学校） -
validator: 风险检测（时间重叠、频繁跳槽） -
scorer: 评分计算（5个维度） -
reporter: 结果输出（JSON）
原因：问题定义要求"代码模块化，便于后续扩展"，且需要支持多种输入格式。
#### 配置与代码分离
-
所有规则放入
config/*.json -
同义词映射：50条技能 + 20条学校
-
学校档次：C9/985(tier1)、211(tier2)、重点(tier3)、海归
原因：便于产品调整权重和映射规则，无需修改代码。
#### 评分维度固定权重
| 维度 | 权重 | 设计理由 |
|------|------|----------|
| 必选技能 | 35% | 核心技能匹配最重要 |
| 优选技能 | 15% | 加分项 |
| 工作经验 | 30% | 实际能力重要 |
| 学历 | 15% | 门槛要求 |
| 加分项 | 5% | 领域经验 |
原因：问题定义已给出建议权重，保持不变。
## 2. 核心结构
### 2.1 数据流
JD**文件** + **简历目录**
│
▼
┌─────────────────────────────────────┐
│ 1. load_config() │
│ **加载权重、同义词、学校档次** │
└─────────────────────────────────────┘
│
▼
┌─────────────────────────────────────┐
│ 2. parse_jd(**岗位**JD.md) │
│ **提取：必选技能、优选技能、** │
│ **经验要求、学历要求、加分项** │
└─────────────────────────────────────┘
│
▼
┌─────────────────────────────────────┐
│ 3. parse_all_resumes(**简历目录**) │
│ **遍历每份简历，提取：** │
│ **姓名、学校、学历、技能、工作经历** │
└─────────────────────────────────────┘
│
▼ **循环处理每份简历**
┌─────────────────────────────────────┐
│ 4. normalize_skill() / normalize_school()
│ **技能**/**学校归一化** │
└─────────────────────────────────────┘
│
▼
┌─────────────────────────────────────┐
│ 5. score_candidate() │
│ **计算**5**个维度得分** + **总分** │
└─────────────────────────────────────┘
│
▼
┌─────────────────────────────────────┐
│ 6. check_risks() │
│ **检测时间重叠、频繁跳槽** │
└─────────────────────────────────────┘
│
▼
┌─────────────────────────────────────┐
│ 7. sort by total_score │
│ **按总分降序排列** │
└─────────────────────────────────────┘
│
▼
┌─────────────────────────────────────┐
│ 8. write_result(result.json) │
│ **输出结构化**JSON │
└─────────────────────────────────────┘
### 2.2 关键接口
# **配置加载**
load_config() -> dict
# **解析**
parse_jd(path) -> dict
parse_resume(path) -> dict
parse_all_resumes(dir) -> list[dict]
# **归一化**
normalize_skills(list, synonyms) -> list
normalize_school(str, mapping) -> str
# **风险检测**
check_risks(experiences) -> list
# **评分**
score_candidate(jd, resume, weights, ...) -> dict
score_all_candidates(...) -> list[dict]
# **输出**
write_result(candidates, path)
### 2.3 数据结构
JD解析结果：
{
"required_skills": ["Python", "Java", ...],
"preferred_skills": ["RAG", "LLM", ...],
"experience_years": 3,
"education": "**本科**",
"bonus": ["**支付系统**", "**金融科技**"]
}
评分结果：
{
"id": "P001",
"name": "**陈杰**",
"dimensions": {
"required_skills": {"score": 30, "max": 35, "reason": "**匹配**..."},
"preferred_skills": {"score": 10, "max": 15, "reason": "..."},
"experience": {"score": 30, "max": 30, "reason": "..."},
"education": {"score": 12, "max": 15, "reason": "..."},
"bonus": {"score": 2, "max": 5, "reason": "..."}
},
"total_score": 84,
"recommendation": "**强推**",
"reasons": ["**匹配核心技能**", ...],
"risks": []
}
## 3. 实际实现与骨架的差异
| 骨架设计 | 实际实现 | 原因 |
|----------|----------|------|
| 需要处理时间格式不统一 | 实现解析器支持多种格式(2020.4, 2020-04, 至今) | 简历中存在多种格式 |
| 提及学校"学校未知"处理 | 配置中添加"学校未知"到unknown类别 | 实际简历中有此情况 |
| 加分项用技能列表匹配 | 改用全文匹配 | 加分项（如"支付系统"）可能出现在工作经历中 |
## 4. 技术选型
-
语言: Python 3.8+（标准库即可，无额外依赖）
-
配置格式: JSON**（易于编辑和扩展）**
-
测试框架: pytest
-
输入: Markdown文件（解析标题、列表等）
-
输出: JSON**（结构化、可程序处理）**
# 演示顺序（5分钟版）
## 演示顺序建议
### 第1步：背景介绍（30秒）
"这是一个简历筛选助手，针对AI智能体支付工程师岗位，从60份简历中筛选合适候选人。"
-
不需要展开技术细节
-
强调业务价值
### 第2步：运行演示（1分钟）
cd /home/exam
python src/main.py
-
直接运行，展示完整流程
-
重点关注输出的前5名结果
-
说明：强推≥75分，推荐≥60分
### 第3步：结果展示（1分钟）
展示 result.json 的关键内容：
{
"candidates": [
{"name": "**姚伟**", "total_score": 76, "recommendation": "**强推**"},
{"name": "**徐宁**", "total_score": 72, "recommendation": "**推荐**"},
...
],
"stats": {"total": 60, "strong_recommend": 2, "recommend": 18, "not_recommend": 40}
}
-
展示评分可解释性（每个维度的reason**）**
-
展示风险检测结果（时间重叠等）
### 第4步：核心能力（1.5分钟）
展示系统的4个核心能力：
- 同义词归一化
- 展示 config/synonyms_skill.json 示例
- **演示：**springboot → Spring
- 学校档次识别
- 展示 config/school_tier.json
- 演示：哈工大 → 211(+2分)
- 风险检测
- 展示 validator/checker.py 的检测逻辑
- 演示：时间重叠、频繁跳槽
- 评分可解释
- 展示每个维度的reason字段
- 说明：得分可追溯
### 第5步：测试覆盖（1分钟）
python -m pytest tests/ -v --tb=short
-
展示55个测试全部通过
-
强调4类测试覆盖
## 演示要点
### 要
-
强调"配置驱动"设计（规则可调整）
-
强调"可解释"评分（每分有据可查）
-
强调"模块化"架构（易于扩展）
### 不要
-
不需要逐行讲解代码
-
不需要展示所有配置文件
-
不需要解释所有边界case
-
不需要讨论技术选型理由
## 备查材料
如需深入了解，可查看：
| 文档 | 内容 |
|------|------|
| README.md | 启动命令、验证方式 |
| 设计说明.md | 架构设计、数据流 |
| 测试说明.md | 测试覆盖、验证内容 |
| 风险与限制.md | 已知问题、后续优化 |
# 简历筛选助手 - 交付说明
## 快速启动
### 1. 环境要求
-
Python 3.8+
-
无需额外依赖（标准库即可运行）
### 2. 运行方式
# **进入项目目录**
cd /home/exam
# **直接运行**
python src/main.py
### 3. 验证方式
运行后将生成 result.json，包含：
-
候选人按总分降序排列
-
每位候选人的5个维度得分（必选技能35%、优选技能15%、工作经验30%、学历15%、加分项5%）
-
推荐等级：强推(≥75分)、推荐(≥60分)、不推荐(<60分)
-
统计信息：总人数、强推/推荐/不推荐人数
### 4. 运行输出示例
**正在加载配置**...
**权重配置**: {'required_skills': 35, 'preferred_skills': 15, 'experience': 30, 'education': 15, 'bonus': 5}
**技能同义词**: 50 **条**
**学校同义词**: 20 **条**
**学校档次配置**: 5 **类**
**正在解析**JD...
**正在解析简历**...
**共解析** 59 **份简历**
**正在评分（使用技能和学校归一化）**...
**评分完成，共** 59 **位候选人**
**正在生成结果**...
**完成**!
=== Top 5 **候选人** ===
1. **姚伟**(P002): 76**分** - **强推**
2. **徐宁**(P045): 72**分** - **推荐**
3. **姚冬梅**(P015): 71**分** - **推荐**
...
### 5. 运行测试
cd /home/exam
python -m pytest tests/ -v
当前测试结果：55/55 通过
### 6. 文件说明
| 文件 | 说明 |
|------|------|
| src/main.py | 主入口 |
| src/config/loader.py | 配置加载 |
| src/parser/jd_parser.py | JD解析 |
| src/parser/resume_parser.py | 简历解析 |
| src/normalizer/skill_normalizer.py | 技能归一化 |
| src/normalizer/school_normalizer.py | 学校归一化 |
| src/validator/checker.py | 风险检测 |
| src/scorer/engine.py | 评分引擎 |
| src/reporter/json_writer.py | 结果输出 |
| config/*.json | 配置文件 |
| result.json | 运行结果 |
| tests/*.py | 测试用例 |