CV-Assistant 智能简历管理与求职投递助手

架构与功能设计总结

一、项目概述

CV-Assistant 是一款基于 Playwright 浏览器自动化 + 本地知识库 + 大模型 Agent 技术栈的智能简历管理与求职投递助手。该系统提供从简历解析、定制生成、职位抓取到自动投递的完整求职自动化能力，帮助用户高效管理简历并提升求职成功率。

核心定位：通过 AI 技术实现求职全流程自动化，降低用户时间成本，提升简历与职位的匹配度。

二、核心功能矩阵

功能模块	功能描述	技术实现
简历解析	从 Word/PDF 提取结构化信息	minimax-docx/pdf + 视觉能力
知识库管理	构建和维护 CV 知识库	本地 JSON 文件存储
简历优化	基于 Agent + principles.md 原则智能优化	大模型 Agent 完全处理
简历生成	基于 JD 生成定制简历（保持原排版）	内容整理 + 排版分离
JD 抓取	从多平台抓取职位信息	Playwright 浏览器自动化
智能扩展搜索	根据目标公司和职位智能扩展搜索范围	多平台扩展算法
自动投递	自动化投递流程管理（含反检测机制）	浏览器自动化 + 反检测

三、架构设计理念：内容与排版分离

3.1 核心设计原则（2026-04 架构更新）

CV-Assistant 采用内容与排版分离的创新架构设计：

┌─────────────────────────────────────────────────────────────────────────┐
│                        内容与排版分离架构                                  │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│   ┌─────────────┐      ┌─────────────┐      ┌─────────────┐            │
│   │  内容整理    │ ───▶ │  内容优化    │ ───▶ │  排版输出   │            │
│   │ (Agent/AI)  │      │ (Agent/AI)  │      │(CVFormatter)│            │
│   └─────────────┘      └─────────────┘      └─────────────┘            │
│         │                    │                     │                     │
│         ▼                    ▼                     ▼                     │
│   ┌─────────────┐      ┌─────────────┐      ┌─────────────┐            │
│   │principles.md│      │ principles  │      │ 内联Style  │            │
│   │ 用户原则机制 │      │ 大模型处理  │      │ (原样式保持)│            │
│   └─────────────┘      └─────────────┘      └─────────────┘            │
│                                                                         │
└─────────────────────────────────────────────────────────────────────────┘

3.2 内容处理流程

内容整理 (Agent/AI)
- 由大模型根据 principles.md 原则整理信息
- 结合用户特定原则 (user_principles.py)
内容优化 (Agent/AI) - 完全由大模型处理
- 根据 principles.md 原则进行深度优化
- 不再使用脚本算法，完全依赖 Agent 能力
排版模块 (cv_formatter.py)
- 参考微信模板转换器机制
- 使用内联 style 保证排版一致性
- 支持保持原简历排版样式
原简历样式保持
- 视觉能力分析：上传简历截图，AI 提取布局、字体、配色
- 文档读取分析：从 PDF/DOCX 提取边距、字号、行距等样式参数

四、系统架构图

4.1 整体架构

flowchart TB
    subgraph User["用户层"]
        UI[用户界面]
    end

    subgraph Core["核心功能层"]
        CVP[CV Parser<br/>简历解析]
        KB[Knowledge Base<br/>知识库]
        CVO[CV Optimizer<br/>简历优化]
        CVG[CV Generator<br/>简历生成]
        JDS[JD Scraper<br/>JD抓取]
        JSE[Job Expander<br/>智能搜索]
        JD[JD Delivery<br/>自动投递]
    end

    subgraph Agent["AI Agent 层"]
        LLM[大模型 Agent]
        PR[Principles Engine<br/>原则引擎]
        UP[User Principles<br/>用户原则管理]
    end

    subgraph Infrastructure["基础设施层"]
        PF[Playwright<br/>浏览器自动化]
        DB[(本地JSON<br/>知识库)]
        VI[Vision Interface<br/>视觉能力]
        FM[CV Formatter<br/>排版输出]
        SD[Stealth Utils<br/>反检测机制]
    end

    subgraph External["外部服务"]
        DOCX[minimax-docx]
        PDF[minimax-pdf]
        BOSS[Boss直聘]
        LP[猎聘]
        LI[LinkedIn]
    end

    UI --> Core
    CVP -->|解析简历| External
    CVP --> VI
    KB <--> DB
    CVG --> LLM
    CVG --> PR
    CVG --> UP
    CVG --> FM
    JDS --> PF
    JSE --> PF
    JD --> PF
    JD --> SD
    PF --> BOSS
    PF --> LP
    PF --> LI

4.2 简历生成流程

flowchart LR
    subgraph Input["输入"]
        RES[原简历文件]
        JD[职位描述 JD]
        UN[用户名]
    end

    subgraph Process["处理流程"]
        SP[样式解析]
        CG[内容整理]
        CO[内容优化]
        FO[排版输出]
    end

    subgraph Output["输出"]
        PDF[PDF简历]
        DOCX[Word简历]
        HTML[HTML简历]
    end

    RES --> SP
    JD --> CG
    UN --> CG
    SP --> CG
    CG --> CO
    CO --> FO
    FO --> PDF
    FO --> DOCX
    FO --> HTML

4.3 模块调用关系

flowchart TB
    subgraph CVAssistant["CV-Assistant 主技能"]
        CVG[cv_generator.py<br/>简历生成主模块]
    end

    subgraph ExternalSkills["外部技能"]
        DOCX[minimax-docx<br/>文档读取]
        PDF[minimax-pdf<br/>PDF读取]
    end

    subgraph CoreModules["核心模块"]
        KB[CVKnowledge<br/>知识库]
        UP[UserPrinciples<br/>用户原则]
        FM[CVFormatter<br/>排版输出]
    end

    subgraph AI["AI 能力"]
        LLM[大模型 Agent]
        VI[视觉理解]
    end

    subgraph Browser["浏览器自动化"]
        PF[Playwright]
        ST[Stealth Utils<br/>反检测]
    end

    CVG --> DOCX
    CVG --> PDF
    CVG --> KB
    CVG --> UP
    CVG --> FM
    FM --> VI
    FM --> LLM
    CVG --> PF
    PF --> ST

五、核心模块详解

5.1 简历解析模块 (CV Parser)

文件: cv_parser.py

功能:

从 Word/PDF 提取结构化信息
优先调用外部技能读取（minimax-docx/minimax-pdf）
备用使用 python-docx、PyMuPDF/pdfplumber
视觉能力分析样式

提取字段:

个人信息（姓名、电话、邮箱、GitHub、LinkedIn）
教育经历（学校、学位、专业、GPA、荣誉）
工作经历（公司、职位、时间、描述、技术栈、成就）
项目经历（名称、角色、描述、技术栈、亮点）
技能标签、证书认证、荣誉奖项

5.2 知识库模块 (Knowledge Base)

文件: cv_knowledge.py

存储方式: 本地 JSON 文件 (~/.cv-assistant/knowledge/)

功能:

维护用户简历信息的结构化存储
支持增删改查操作
版本管理历史记录

5.3 简历生成模块 (CV Generator)

文件: cv_generator.py

核心功能:

协调各模块完成简历生成
缺口检测：分析 JD 与知识库的技能差距
智能问答：引导用户补充缺失信息

Gap Detection 配置:

{
    "severity_thresholds": {
        "high": 0.8,
        "medium": 0.5,
        "low": 0.0
    },
    "auto_prompt": true,
    "max_questions_per_session": 5
}

5.4 排版输出模块 (CV Formatter)

文件: cv_formatter.py

设计原则:

模块化：每个简历模块独立处理
内联 Style：所有样式使用内联 style 属性
可配置：支持自定义排版参数
保持原样式：优先保持原简历的排版风格

默认配置:

页面：A4 (210mm × 297mm)
边距：20mm
字体：Microsoft YaHei / PingFang SC
行高：1.6

5.5 用户原则管理 (User Principles)

文件: user_principles.py

功能:

按姓名识别用户，分别管理原则配置
自动保存用户的特殊优化要求
支持个性化定制

存储结构:

~/.cv-assistant/user_principles/
  ├── zhangsan_principles.json
  ├── zhangsan_profile.json
  ├── lisi_principles.json
  └── default_principles.json

5.6 JD 抓取模块 (JD Scraper)

文件: jd_scraper.py

支持的平台:

平台	代码	说明
Boss直聘	boss	国内主流招聘平台
猎聘	liepin	高端人才招聘
LinkedIn	linkedin	需海外网络
前程无忧	51job	综合招聘平台
智联招聘	zhaopin	综合招聘平台

技术实现: Playwright 浏览器自动化

5.7 反检测机制 (Stealth Utils)

文件: stealth_utils.py

核心功能:

HumanMouseSimulator: 模拟人类鼠标移动（Bezier 曲线、可变速度、自然轨迹）
RateLimiter: 控制操作频率，避免检测
CaptchaDetector: 检测和处理各种验证码类型

反检测策略:

随机化请求间隔（5-15秒）
模拟真人操作轨迹
自动更换 User-Agent
失败自动重试（最多3次）

六、简历优化原则体系

6.1 PART 原则（推荐方法）

相比传统的 STAR 原则，CV-Assistant 采用更先进的 PART 原则：

要素	说明
Problem（问题）	先描述遇到的具体问题
Approach（方法）	解释采取的策略和方法
Result（结果）	展示取得的成果（数据化）
Take away（收获）	强调学到的经验和应用

6.2 核心优化原则

数据化成果 - 用数字体现价值
匹配岗位关键词 - 对照 JD 要求修改表述
突出核心经历 - 最相关的放最前面
拒绝口语化 - 使用动词开头
去掉无关经历 - 保证岗位垂直导向
格式统一清爽 - 字体、间距规整

6.3 排版规范

排版设计越简单越好
简历篇幅不超过一页
层级清晰，模块之间有明显分界线
学校名称、职位名称必须加粗显示

七、数据存储架构

flowchart TB
    subgraph LocalStorage["本地存储 (~/.cv-assistant)"]
        KB[knowledge/<br/>知识库]
        UP[uploads/<br/>上传文件]
        GD[generated/<br/>生成简历]
        CD[cache/<br/>缓存]
        BD[browser_data/<br/>浏览器数据]
        LG[logs/<br/>日志]
        UG[user_principles/<br/>用户原则]
    end

    subgraph Config["配置文件"]
        CFG[config.json]
        SET[settings.json]
        CRT[credentials.enc<br/>加密凭证]
    end

数据目录结构:

~/.cv-assistant/
├── knowledge/           # 知识库数据
│   ├── cv_master.json   # 主简历数据
│   └── versions/        # 版本历史
├── uploads/             # 上传文件
├── generated/           # 生成的简历
├── cache/               # 缓存文件
│   └── jd_cache/        # JD 缓存
├── browser_data/        # 浏览器数据
├── user_principles/     # 用户原则
├── logs/                # 日志文件
├── settings.json        # 设置
└── credentials.enc     # 加密凭证

八、技术亮点与竞争优势

8.1 技术亮点

内容与排版分离架构
- 业界创新的设计理念
- 大模型负责内容优化，排版模块负责样式保持
- 确保生成的简历既专业又保持原有风格
AI 驱动的简历优化
- 完全基于大模型 Agent 处理
- 融合专业简历优化原则（PART 原则）
- 支持个性化用户原则定制
强大的反检测机制
- 模拟人类操作行为
- 多种验证码识别与处理
- 提高自动投递成功率
多平台职位抓取
- 支持国内主流招聘平台
- 统一的抓取接口设计
- 智能扩展搜索能力

8.2 竞争优势

维度	CV-Assistant	竞品
简历生成	AI 定制 + 原排版保持	模板填充
优化方式	Agent 完全处理	规则匹配
投递自动化	完整流程 + 反检测	单一投递
数据存储	本地隐私保护	云端存储
扩展性	模块化设计	固定功能

九、应用场景

求职者 - 一站式完成简历优化、职位搜索、自动投递
HR 从业者 - 批量处理候选人简历
职业教练 - 辅助客户进行简历优化
猎头 - 高效筛选和投递候选人简历

十、总结

CV-Assistant 通过创新的内容与排版分离架构，结合大模型 Agent 智能优化和Playwright 浏览器自动化技术，为用户提供了一个高效、隐私保护的智能求职助手。其核心价值在于：

✅ 一站式求职流程自动化
✅ AI 驱动的简历定制优化
✅ 多平台职位智能抓取
✅ 强大的反检测投递机制
✅ 本地化数据隐私保护
✅ 模块化架构易于扩展

文档生成时间: 2026-04-12 项目版本: CV-Assistant v2026-04

Name		Name	Last commit message	Last commit date
Latest commit History 1 Commit
README.md		README.md

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

CV-Assistant 智能简历管理与求职投递助手

架构与功能设计总结

一、项目概述

二、核心功能矩阵

三、架构设计理念：内容与排版分离

3.1 核心设计原则（2026-04 架构更新）

3.2 内容处理流程

四、系统架构图

4.1 整体架构

4.2 简历生成流程

4.3 模块调用关系

五、核心模块详解

5.1 简历解析模块 (CV Parser)

5.2 知识库模块 (Knowledge Base)

5.3 简历生成模块 (CV Generator)

5.4 排版输出模块 (CV Formatter)

5.5 用户原则管理 (User Principles)

5.6 JD 抓取模块 (JD Scraper)

5.7 反检测机制 (Stealth Utils)

六、简历优化原则体系

6.1 PART 原则（推荐方法）

6.2 核心优化原则

6.3 排版规范

七、数据存储架构

八、技术亮点与竞争优势

8.1 技术亮点

8.2 竞争优势

九、应用场景

十、总结

About

Uh oh!

Releases

Packages

Uh oh!

Contributors

Uh oh!

Folders and files

Latest commit

History

Repository files navigation

CV-Assistant 智能简历管理与求职投递助手

架构与功能设计总结

一、项目概述

二、核心功能矩阵

三、架构设计理念：内容与排版分离

3.1 核心设计原则（2026-04 架构更新）

3.2 内容处理流程

四、系统架构图

4.1 整体架构

4.2 简历生成流程

4.3 模块调用关系

五、核心模块详解

5.1 简历解析模块 (CV Parser)

5.2 知识库模块 (Knowledge Base)

5.3 简历生成模块 (CV Generator)

5.4 排版输出模块 (CV Formatter)

5.5 用户原则管理 (User Principles)

5.6 JD 抓取模块 (JD Scraper)

5.7 反检测机制 (Stealth Utils)

六、简历优化原则体系

6.1 PART 原则（推荐方法）

6.2 核心优化原则

6.3 排版规范

七、数据存储架构

八、技术亮点与竞争优势

8.1 技术亮点

8.2 竞争优势

九、应用场景

十、总结

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Packages