声明：本AI应用开发系列教程首发在同名公众号：王中阳，未经授权禁止转载。
简历分析 Agent 是 Go-Eino Interview Agent 平台中的一个先进 AI 组件，能够自动提取并分析上传的 PDF 简历中的候选人信息。这个智能 Agent 作为个性化面试准备的基础，通过将原始简历数据转化为结构化洞察和面试建议来发挥作用。
架构概览
简历分析 Agent 采用多层架构运行，结合了文档解析、AI 分析和数据持久化：
核心组件
Agent 实现
简历解析 Agent 在 backend/chatApp/agent/resume/resume.go 中使用 Eino 框架的 Agent 模式实现：
func NewResumeParserAgent(userId uint) (adk.Agent, error) {
// 创建一个专用 Agent，具备：
// - OpenAI 聊天模型集成
// - PDF 解析工具能力
// - 结构化提取指令
// - 20 次迭代限制以处理复杂解析
}
该 Agent 配置了全面的指令，指导其进行系统性分析：
- PDF 解析：使用
pdf_to_text工具提取原始文本内容 - 信息提取：识别关键类别，包括基本信息、教育背景、工作经验、技术栈、项目、技能和认证
- 背景分析：评估候选人的技术方向、行业经验和职业轨迹
- 面试建议：生成重点领域、建议问题和难度评估
PDF 处理工具
核心 PDF 解析功能在 backend/chatApp/tool/pdfParserTool.go 中实现。该工具使用 Eino 的 PDF 解析器组件将 PDF 文档转换为结构化文本：
type PDFToTextRequest struct {
FilePath string `json:"file_path"`
ToPages bool `json:"to_pages"`
}
type PDFToTextResult struct {
Success bool `json:"success"`
Content string `json:"content,omitempty"`
Pages []PDFPageText `json:"pages,omitempty"`
TotalPages int `json:"total_pages"`
ErrorMsg string `json:"error_msg,omitempty"`
}
PDF 解析器仅支持基于文本的 PDF（不支持扫描文档或加密文件），并根据 ToPages 参数提供分页和合并文本输出选项。
服务层集成
backend/chatApp/agent/service/resume_service.go 中的服务层协调整个简历处理工作流：
func ParseResumeAndSave(ctx context.Context, userId uint, resumeFilePath string, fileSize int64) (uint64, *ResumeParseResult, error) {
// 1. 创建简历解析 Agent
// 2. 执行解析，超时时间为 120 秒
// 3. 验证解析结果
// 4. 将结构化数据保存到数据库
}
数据结构
Agent 输出一个由 ResumeParseResult 类型定义的综合 JSON 结构：
type ResumeParseResult struct {
BasicInfo struct {
Name string `json:"name"`
WorkYears string `json:"work_years"`
Contact string `json:"contact"`
} `json:"basic_info"`
Education []struct {
School string `json:"school"`
Major string `json:"major"`
Degree string `json:"degree"`
GraduationYear string `json:"graduation_year"`
} `json:"education"`
WorkExperience []struct {
Company string `json:"company"`
Position string `json:"position"`
Duration string `json:"duration"`
Responsibilities string `json:"responsibilities"`
} `json:"work_experience"`
TechStack []string `json:"tech_stack"`
Projects []interface{} `json:"projects"`
Skills []string `json:"skills"`
Certifications []string `json:"certifications"`
Strengths string `json:"strengths"`
PotentialWeaknesses string `json:"potential_weaknesses"`
RecommendedDifficulty string `json:"recommended_difficulty"`
InterviewFocusAreas []string `json:"interview_focus_areas"`
SuggestedQuestionDirections []string `json:"suggested_questions_directions"`
}
数据库持久化
解析后的简历数据存储在 resume 表中，使用 backend/internal/model/resume.go 中定义的模型：
type Resume struct {
ID uint64 `json:"id" gorm:"primaryKey;autoIncrement"`
UserID uint `json:"user_id" gorm:"index;not null"`
Content string `json:"content" gorm:"type:longtext;not null"`
FileName string `json:"file_name" gorm:"size:255"`
FileSize int64 `json:"file_size"`
FileType string `json:"file_type" gorm:"size:50"`
IsDefault int `json:"is_default" gorm:"default:0"`
Deleted int `json:"deleted" gorm:"default:0;index"`
CreatedAt time.Time `json:"created_at" gorm:"autoCreateTime:milli"`
UpdatedAt time.Time `json:"updated_at" gorm:"autoUpdateTime:milli"`
}
Content 字段存储完整的 JSON 解析结果，无需重新处理原始 PDF 文件即可快速检索和分析。
错误处理和验证
系统实现了强大的错误处理和验证机制：
- 超时保护：120 秒超时防止无限期处理
- 结果验证：确保解析数据包含实际内容，而非空字段
- JSON 提取：处理 AI 响应中 JSON 周围包含额外文本的情况
- 文件验证：验证 PDF 可访问性和格式兼容性
集成点
简历分析 Agent 与多个系统组件集成：
- 文件上传系统：通过上传端点接收 PDF 文件
- 用户管理：将解析的简历与用户账户关联
- 面试生成：为问题生成 Agent 提供结构化数据
- 数据库层：使用 GORM ORM 持久化结果，具备适当索引
性能考虑
- 处理时间：典型的简历解析在 30-60 秒内完成
- 内存使用：通过流式 PDF 解析实现高效文本处理
- 并发处理：支持多个同时进行的简历分析
- 存储优化：数据库中的 JSON 压缩减少存储开销
简历分析 Agent 是面试准备流水线中的关键组件，将静态简历文档转化为动态、可操作的洞察，为个性化面试体验提供动力。
声明：本AI应用开发系列教程首发在同名公众号：王中阳，未经授权禁止转载。
