本项目为前几天收费帮学妹做的一个项目，在工作环境中基本使用不到，但是很多学校把这个当作编程入门的项目来做，故分享出本项目供初学者参考。
一、项目描述
岗位-简历人岗匹配推荐系统
基于智联招聘真实岗位数据（8836 条）构建的人岗匹配推荐系统。用户提交或粘贴简历后，系统完成简历解析、质量评分、岗位推荐、岗位画像聚类，并通过智能问答 Agent 回答岗位相关问题，覆盖“数据采集—治理—建模—应用—部署”完整数据分析链路。
前端登录入口 http://127.0.0.1:8501 用demo/ demo123登录
二、项目功能
1. 简历解析：支持文本粘贴与 PDF 上传，自动抽取姓名、学历、工作年限、期望城市、技能列表等结构化字段；
2. 岗位推荐：基于六维加权匹配（技能 0.38、经验 0.18、地域 0.16、学历 0.12、薪资 0.10、专业证书 0.06）对全量 8836 个岗位打分，返回 Top-N 推荐及中文推荐理由；
3. 简历质量评分：规则六维分（主口径）+ XGBoost 模型分（对照口径）双口径输出；
4. 岗位聚类画像：K-Means 聚类 + 肘部法/轮廓系数定 K，展示各簇薪资、学历、技能画像；
5. 智能问答 Agent：大模型 Function Calling 编排本地 9 个工具（RAG 检索、结构化筛选、人岗匹配、聚类画像等），最多 6 轮调用，带缓存与调用上限，回答附数据来源；
6. 用户系统：注册登录（游客可用核心功能）、简历保存、岗位收藏、匹配与问答历史。
三、运行环境
Windows/Linux 均可；Python 3.11 + 虚拟环境；本地运行需约 2GB 磁盘（含模型缓存）；服务端口：后端 8000、前端 8501（Streamlit）或 5173（Vue3）；支持 Docker 部署。
四、项目技术
数据层：Selenium 爬虫采集、pandas 清洗、jieba 分词、薪资规范化；
建模层：scikit-learn / XGBoost（评分模型 4 个）、TF-IDF + 余弦相似度与加权公式（匹配）、K-Means + PCA/t-SNE（聚类）；
大模型层：FAISS 向量检索 + 本地 BGE-small-zh-v1.5 嵌入（RAG）、智谱 GLM-4-Flash Function Calling（Agent）；
工程层：FastAPI 提供 8 类 30+ 接口、Streamlit 与 Vue3 双前端、SQLite 用户库、pytest 接口测试、Docker 容器化。
以上系统源码经过技术整理与调试，确保能正常运行
五、项目截图
