魔丸简历 - AI 简历优化平台

一个 AI 驱动的简历优化平台，可以分析你的简历、提供详细反馈，并生成优化版本。

功能特性

• PDF 上传与解析：上传简历 PDF，精确提取文本及其边界框坐标
• AI 诊断：获得 6 个维度的综合评分，以及具体可执行的优化建议
• 可视化标注：在 PDF 上直接高亮显示建议，支持交互式标记
• 一键应用：单独或批量应用建议，生成优化版本
• PDF 导出：下载专业排版的优化版简历 PDF

技术栈

前端

• Next.js 14 (App Router)
• TypeScript
• TailwindCSS + 赛博朋克主题
• Framer Motion (动画)
• react-pdf (PDF 渲染)
• Zustand (状态管理)
• TanStack Query (数据请求)

后端

• NestJS + Fastify
• PostgreSQL + Prisma
• Redis + BullMQ (任务队列)
• S3 兼容存储

服务

• Python PDF 解析器 (pdfplumber)
• OpenAI / Anthropic AI 提供商

项目结构

魔丸简历/
├── apps/
│   ├── web/          # Next.js 前端
│   ├── api/          # NestJS 后端
│   └── worker/       # BullMQ 任务处理器
├── packages/
│   └── shared/       # 共享类型、Schema、工具函数
├── services/
│   └── pdf-parser/   # Python PDF 解析服务
└── docker-compose.yml

环境要求

• Node.js 18+
• pnpm 8+
• Python 3.9+ (用于 PDF 解析器)
• PostgreSQL 14+
• Redis 7+
• S3 兼容存储 (本地开发可用 MinIO)

快速开始

1. 克隆并安装依赖

git clone <repo-url>
cd 魔丸简历
pnpm install

2. 环境配置

cp .env.example .env
# 编辑 .env 文件，填入你的配置

必需的环境变量：

# 数据库
DATABASE_URL="postgresql://postgres:postgres@localhost:5432/mowan_resume"

# Redis
REDIS_URL="redis://localhost:6379"

# S3 存储 (本地使用 MinIO)
S3_ENDPOINT="http://localhost:9000"
S3_ACCESS_KEY="minioadmin"
S3_SECRET_KEY="minioadmin"
S3_BUCKET="mowan-resume"
S3_REGION="us-east-1"

# AI 提供商 (openai 或 anthropic)
AI_PROVIDER="openai"
OPENAI_API_KEY="sk-..."
# 或者
ANTHROPIC_API_KEY="sk-ant-..."

# NextAuth
NEXTAUTH_SECRET="your-secret-key"
NEXTAUTH_URL="http://localhost:3000"

# PDF 解析服务
PDF_PARSER_URL="http://localhost:8000"

3. 启动基础设施 (Docker)

docker-compose up -d

这将启动：

• PostgreSQL (端口 5432)
• Redis (端口 6379)
• MinIO (端口 9000，控制台: 9001)

4. 数据库设置

pnpm db:generate
pnpm db:push

5. 启动 PDF 解析服务

cd services/pdf-parser
python -m venv venv
source venv/bin/activate  # Windows 使用 `venv\Scripts\activate`
pip install -r requirements.txt
uvicorn main:app --reload --port 8000

6. 启动开发服务器

在不同的终端中运行：

# 终端 1: API 服务器
cd apps/api
pnpm dev

# 终端 2: Worker
cd apps/worker
pnpm dev

# 终端 3: Web 前端
cd apps/web
pnpm dev

访问 http://localhost:3000

API 接口

简历相关

方法	接口	描述
POST	/api/resumes/upload	发起简历上传
POST	/api/resumes/:id/confirm-upload	确认上传完成
GET	/api/resumes/:id/view	获取简历及标注
POST	/api/resumes/:id/diagnose	触发 AI 诊断
POST	/api/resumes/:id/apply-suggestions	应用选中的建议
POST	/api/resumes/:id/generate-pdf	生成优化版 PDF
GET	/api/resumes	获取用户简历列表

任务相关

方法	接口	描述
GET	/api/jobs/:id	获取任务进度

配置选项

AI 提供商

将 AI_PROVIDER 设置为 openai 或 anthropic。系统使用：

• OpenAI: gpt-4-turbo-preview，启用 JSON 模式
• Anthropic: claude-3-opus-20240229

PDF 模板

模板定义在 apps/worker/src/processors/generate-pdf.ts。默认模板提供简洁专业的布局。可以通过扩展 generateResumeHtml 函数添加更多模板。

文件大小限制

• 最大 PDF 大小：10MB（可在 schema 中配置）
• 支持格式：仅 PDF

开发指南

构建

pnpm build

类型检查

pnpm lint

数据库迁移

# 生成 Prisma 客户端
pnpm db:generate

# 推送 schema 变更（开发环境）
pnpm db:push

# 创建迁移（生产环境）
pnpm db:migrate

部署

Docker 部署

docker-compose -f docker-compose.prod.yml up -d

生产环境变量

• 设置 NODE_ENV=production
• 使用安全的 NEXTAUTH_SECRET
• 配置生产数据库 URL
• 使用生产 S3 存储桶（AWS S3 或 Cloudflare R2）
• 为所有服务启用 HTTPS

推荐基础设施

• 前端：Vercel 或类似平台
• API/Worker：Railway、Render 或 AWS ECS
• 数据库：Neon、Supabase 或 AWS RDS
• Redis：Upstash 或 AWS ElastiCache
• 存储：AWS S3 或 Cloudflare R2
• PDF 解析器：Cloud Run 或 AWS Lambda

架构说明

PDF 标注策略

系统采用"渲染 + 覆盖层"方案：

1. 使用 pdf.js 渲染原始 PDF
2. 使用提取的边界框坐标定位标注标记
3. 修改应用于结构化 JSON，而非直接修改 PDF
4. 使用模板从修改后的 JSON 生成新 PDF

这种方案确保：

• 稳定、可预测的输出
• 不依赖 PDF 编辑库
• 所有生成的简历格式一致

任务队列设计

长时间运行的任务异步处理：

• parse_pdf：从上传的 PDF 提取文本和坐标
• diagnose_resume：运行 AI 分析并生成建议
• generate_pdf：从优化后的简历 JSON 创建新 PDF

任务会报告进度，可轮询获取状态更新。

许可证

MIT