Langchain for agent 知识库项目

kunge2013
41 阅读7分钟

简历模板知识库 Agent

GitHub 仓库：github.com/kunge2013/c…

1. 项目简介

简历模板知识库 Agent 是一个基于 LangChain 和智谱 AI GLM-4.7 模型构建的智能查询助手。它可以帮助用户从精心整理的简历模板库中快速找到匹配的模板，并提供对应的百度网盘下载链接。

核心功能

  • 自然语言查询：支持中文自然语言查询，理解用户需求
  • 多种检索模式：支持模糊检索、向量检索、混合检索三种模式
  • Web/CLI 双界面：提供命令行和 Web 两种使用方式
  • 智能匹配：基于语义理解的模板匹配，提高查询准确率

支持的简历模板

序号模板名称适用人群
1人事行政简历模板HR、行政专员
2互联网职位模板程序员、产品经理、运营
3医生护士简历模板医疗行业从业者
4大学生简历模板应届毕业生、实习生
5教师幼师简历模板教育行业从业者
6研究生简历模板硕士、博士研究生
7财会金融简历模板财务、金融从业者
8通用简历模板所有求职者

2. 系统架构

架构概览

本项目采用分层架构设计，各层职责清晰：

┌─────────────────────────────────────────┐
│  用户界面层 (User Interface Layer)      │
│  - CLI 命令行接口 (resume_agent.py)     │
│  - Web 界面 (app.py - Streamlit)        │
├─────────────────────────────────────────┤
│  Agent 层 (LangChain)                   │
│  - ResumeTemplateAgent                  │
│  - 工具集 (search, list, exact match)   │
├─────────────────────────────────────────┤
│  检索策略层 (Search Strategy Layer)     │
│  - FuzzySearchStrategy (模糊匹配)       │
│  - VectorSearchStrategy (向量检索)      │
│  - HybridSearchStrategy (混合检索)      │
├─────────────────────────────────────────┤
│  数据与基础设施层 (Data & Infra)        │
│  - Excel 知识库                         │
│  - Milvus 向量数据库                    │
│  - FlagEmbedding (BGE 嵌入模型)         │
└─────────────────────────────────────────┘

核心组件说明

组件文件路径功能说明
Agent 实现resume_agent/agent.pyLangChain Agent 主逻辑，集成 GLM-4.7
工具集resume_agent/tools.py查询知识库的 LangChain Tools
配置管理resume_agent/config.py环境变量与配置管理
检索策略resume_agent/strategies/三种检索策略实现
Milvus 仓库resume_agent/repositories/milvus_repository.py向量数据库操作
嵌入服务resume_agent/embeddings/flag_embedding.pyBGE 文本嵌入服务
Web 界面app.pyStreamlit Web 界面
CLI 入口resume_agent.py命令行入口

技术栈

组件技术版本要求
Agent 框架LangChain>= 0.1.0
大语言模型智谱 AI GLM-4.7-
Web 框架Streamlit>= 1.28.0
数据处理pandas + openpyxl>= 2.0.0, >= 3.1.0
模糊匹配thefuzz>= 0.20.0
向量数据库pymilvus>= 2.3.0
文本嵌入FlagEmbedding>= 1.2.0
配置管理python-dotenv>= 1.0.0

3. 安装与配置

环境要求

  • Python >= 3.8
  • pip 包管理器

安装步骤

  1. 克隆项目
cd /home/fk/workspace/github/claude_guide/simple-project/agent_for_resume

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量

复制 .env.example 为 .env 并修改配置：

cp .env.example .env

编辑 .env 文件，配置以下必填项：

# 智谱 AI API 配置（必填）
ANTHROPIC_AUTH_TOKEN=your_api_token_here
ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic
ANTHROPIC_DEFAULT_HAIKU_MODEL=GLM-4.7
​
# 检索模式配置（可选，默认：fuzzy）
SEARCH_MODE=fuzzy  # fuzzy | vector | hybrid
​
# Hugging Face 镜像（国内用户推荐）
HF_ENDPOINT=https://hf-mirror.com

向量检索模式配置（可选）

如需使用向量检索或混合检索模式，需要额外配置 Milvus：

  1. 安装并启动 Milvus
# 使用 Docker 启动 Milvus
docker run -d --name milvus-standalone \
  -p 19530:19530 \
  -v ~/milvus:/var/lib/milvus \
  milvusdb/milvus:latest

2. 配置 Milvus 连接（在 .env 中）

# Milvus 服务器配置
MILVUS_HOST=localhost
MILVUS_PORT=19530
MILVUS_COLLECTION_NAME=resume_templates
​
# Embedding 模型配置
EMBEDDING_MODEL_NAME=BAAI/bge-small-zh-v1.5
EMBEDDING_DIMENSION=512
EMBEDDING_DEVICE=cpu

3. 初始化向量数据库

python scripts/init_milvus.py

4. 使用指南

4.1 三种检索模式

模式说明优点缺点适用场景
模糊检索基于 thefuzz 的字符串相似度匹配快速、无额外依赖理解能力有限精确关键词查询
向量检索基于 Milvus 的语义向量搜索理解自然语言、语义匹配需要 Milvus、速度较慢自然语言查询
混合检索结合模糊和向量检索（默认 70%+30%）准确率最高配置复杂生产环境推荐

4.2 使用方式

方式一：CLI 命令行
# 交互模式
python resume_agent.py --mode interactive
​
# 单次查询
python resume_agent.py --mode single --query "人事行政"
​
# 演示模式
python resume_agent.py --mode demo
方式二：Web 界面
# 启动 Web 服务
streamlit run app.py

浏览器访问 http://localhost:8501

4.3 使用示例

Web 界面使用示例

1.基础检索功能.png

图 1: Web 界面基础检索功能展示

上图展示了 Streamlit Web 界面的基本使用方法：

  • 左侧边栏：可切换搜索模式（模糊检索/向量检索/混合检索）
  • 中间聊天区域：显示用户查询和 Agent 响应
  • 右侧模板列表：展示所有可用的简历模板
查询示例

示例 1：直接询问

用户：你好，我需要一个人事行政简历模板
Agent：为你找到以下简历模板：
​
**模板名称**: 人事行政简历模板
**下载地址**: https://pan.baidu.com/s/1sgkqxM8--OoY9Aw26FExxg?pwd=he3b

示例 2：自然语言查询

用户：我是个刚毕业的大学生，想找个适合的简历模板
Agent：为你找到以下简历模板：
​
**模板名称**: 大学生简历模板
**下载地址**: https://pan.baidu.com/s/xxx...

示例 3：查看所有模板

用户：有哪些简历模板可以用？
Agent：目前可用的简历模板包括：
1. 人事行政简历模板
2. 互联网职位模板
3. 医生护士简历模板
4. 大学生简历模板
5. 教师幼师简历模板
6. 研究生简历模板
7. 财会金融简历模板
8. 通用简历模板

5. 支持的查询方式

用户可以通过以下方式查询简历模板：

  • 直接询问："xxx简历模板"
  • 需求描述："我需要xxx简历"
  • 询问式："有没有xxx的简历"
  • 关键词："人事行政"、"互联网"、"医生护士" 等
  • 职位名称："程序员"、"教师"、"会计" 等

查询技巧

  1. 使用具体关键词：如 "人事行政" 比 "行政" 更准确
  2. 描述你的身份：如 "应届毕业生" 会匹配大学生模板
  3. 描述你的行业：如 "互联网行业" 会匹配互联网模板
  4. 使用自然语言：向量检索模式下可以用日常用语描述需求

附录：原 Agent Prompt（参考）

以下是原始 Agent Prompt 定义，供开发者参考：

角色定义

你是一个专业的简历模板知识库助手。你的职责是根据用户的需求，从简历模板数据库中快速找到匹配的模板，并提供对应的下载链接。

数据源

知识库存储在以下 Excel 文件中：

/home/fk/workspace/github/claude_guide/simple-project/提示词生成/9b1af114-6719-4148-8194-412b68c0d44d-tmp.xlsx

数据格式：

  • 问题 列：简历模板名称（如：人事行政简历模板、互联网职位模板等）
  • 答案 列：对应的百度网盘下载链接

工作流程

当用户询问简历模板时，按以下步骤处理：

1. 解析用户请求

识别用户查询中的关键词，提取模板类型。例如：

  • "人事行政简历模板" → 关键词：人事行政
  • "互联网职位模板" → 关键词：互联网
  • "通用简历模板" → 关键词：通用
2. 查询知识库

在 Excel 文件中搜索匹配的模板名称，执行模糊匹配以提高匹配成功率。

3. 返回结果

找到匹配项后，按以下格式返回：

**模板名称**: {完整的模板名称}
**下载地址**: {对应的百度网盘链接}

输出格式规范

单个结果示例
**模板名称**: 人事行政简历模板
**下载地址**: https://pan.baidu.com/s/1sgkqxM8--OoY9Aw26FExxg?pwd=he3b
多个结果示例

如果找到多个匹配项，依次列出：

为你找到以下简历模板：

**模板名称**: 人事行政简历模板
**下载地址**: https://pan.baidu.com/s/1sgkqxM8--OoY9Aw26FExxg?pwd=he3b

**模板名称**: 通用简历模板
**下载地址**: https://pan.baidu.com/s/1OgW1azLT7r4sfwMdJCQlEA?pwd=n2a6
无匹配结果

如果未找到匹配的模板，友好提示并列出可用模板：

抱歉，未找到"{用户查询}"相关的简历模板。

目前可用的简历模板包括：
- 人事行政简历模板
- 互联网职位模板
- 医生护士简历模板
- 大学生简历模板
- 教师幼师简历模板
- 研究生简历模板
- 财会金融简历模板
- 通用简历模板

请尝试以上关键词之一。

注意事项

  1. 准确性优先：确保返回的下载链接与用户请求的模板完全匹配
  2. 友好提示：使用清晰的中文，避免技术术语
  3. 链接完整性：返回完整的百度网盘链接，包括提取码
  4. 模糊匹配：支持部分关键词匹配，提高用户体验
  5. 提供建议：当找不到精确匹配时，主动提供可用模板列表

技能激活

当用户消息包含以下任一关键词时，激活此技能：

  • "简历模板"
  • "简历"
  • "resume"
  • "模板下载"
  • "简历下载"
  • 或者直接询问具体职位名称（如"人事"、"医生"、"教师"等）
avatar
文章
阅读
粉丝