Перейти к содержимому

09. Resume Parser Agent: резюме в структуру

Агент читает резюме (TXT или PDF), извлекает поля в структурированный профиль и при необходимости оценивает соответствие описанию вакансии. Наглядный пример того, где заканчивается извлечение и начинается недопустимая оценка.

Получить из неструктурированного текста: контакты, опыт, навыки, образование. Затем — сравнить с требованиями вакансии. Граница: извлечение проверяемо, оценка соответствия — субъективна и потенциально предвзята.

flowchart LR
  R["Резюме (txt/pdf)"] --> X["Извлечение текста"]
  X --> P["Промпт: JSON-схема"]
  P --> J["parse_json_response"]
  J --> S["Профиль"]
  S --> F["Сверка с вакансией"]
  F --> O["Оценка"]
  1. Текст резюме читается из файла; PDF обрабатывается отдельным ридером.
  2. Модель возвращает JSON с полями профиля.
  3. Регулярка снимает обёртку и JSON парсится.
  4. При наличии описания вакансии выполняется второй вызов — сверка.
def parse_resume(text: str) -> dict:
response = llm.invoke([SystemMessage(content=RESUME_PROMPT), HumanMessage(content=text)])
return parse_json_response(response.content)
def score_fit(profile: dict, job_desc: str) -> dict: ...
  • Извлечение — правильная задача для модели. Формализуемая, проверяемая по исходнику.
  • Два вызова вместо одного. Извлечение и оценка разделены, и это правильно: их можно включать независимо.
  • JSON как контракт позволяет сохранить профиль в базу, а не перечитывать текст.
  • Потеря полей. Модель пропускает раздел, который плохо размечен.
  • Придуманные данные. Телефон или дата, которых нет в резюме.
  • Оценка как решение. score_fit легко превращается в автоматический отказ — это юридический и этический риск.
  • Персональные данные в промпте. Дата рождения, адрес, семейное положение не должны уходить в модель.
  • Валидировать профиль схемой и сверять с исходником (каждое поле должно встречаться в тексте).
  • Удалять лишние персональные данные до вызова — см. 21. PII Sanitization.
  • Оценку соответствия оставить человеку или сделать объяснимой: список совпадений и расхождений вместо одного числа.
  • Проверять на парах резюме с одинаковым опытом — см. HR и подбор.