简历解析

读懂每一份简历，形成完整人才画像

自动解析基本信息、教育背景、工作履历、项目经验与技能证书，将非结构化简历转化为可搜索、可筛选、可匹配的人才数据。

为什么

为什么机器能读懂每一份简历？

通过版面识别、文本抽取与实体识别，把不同排版的简历还原为可理解的经历、技能与时间线；再将这些信息标准化，形成可用于搜索、匹配与评估的人才画像。

接入示例

只需一次接入，剩下的交给简历解析。

上传简历文件或文本，即可返回标准化简历、经历时间线与候选人画像，支持接入招聘网站、ATS、HR SaaS 与内部系统。

POST /v1/resume/parse
PythonJavaScriptJavacURL
parse.py
api_url = f"{API_BASE}/v1/resume/parse"
files = {"resume": open(file_path, "rb")}
data = {"output": "resume,portrait,timeline"}
result = requests.post(api_url, files=files, data=data).json()
文档 · 图片 · 网页输入来源 中文 · English语言内容
input_formats
PDFDOCDOCXRTF TXTHTMLPNGJPG
读取 · OCR · 清洗 · 标准化parse →
normalized_profile.json
{ "source_type": "document | image | web", "structured": true, "language": "zh-CN | en", "portrait": "ready" }
01

多种格式，一次解析

面向 PDF、DOC、DOCX、RTF、TXT、HTML、PNG、JPG 等常见简历格式，文档、网页和图片进入同一解析流程，统一输出结构化人才数据。

  • PDF、DOC、DOCX、RTF、TXT 文档简历
  • HTML 网页文本与在线简历内容
  • PNG、JPG 图片简历进入 OCR 流程
extracted_fields示例字段 8 项 ✓
✓姓名已识别
✓学历已识别
✓工作经历已归档
✓当前公司已识别
✓期望薪资已标准化
✓联系方式已识别
✓求职状态已标准化
✓毕业院校已识别
结构化输出已完成
02

全面的字段提取

把一份简历拆解为姓名、联系方式、学历、毕业院校、工作经历、当前公司、期望薪资和求职状态等结构化字段。

  • 身份信息与电话、邮箱等联系方式
  • 完整的工作经历与教育经历时间线
  • 薪资、求职状态、院校等招聘字段
解析过程

一次解析，形成完整人才画像。

从文件读取到画像输出，解析与画像使用同一条数据链路，让原始文档直接转化为可搜索、可筛选、可匹配的人才信息。

  1. 01读取 PDF、Word 等简历内容
  2. 02识别基础信息、教育、经历、项目与技能
  3. 03统一字段、时间线与技能分类
  4. 04输出结构化简历与候选人画像
candidate_profile.json
{
  "candidate": {
    "target_role": "产品运营",
    "experience": "3 年",
    "education": "本科"
  },
  "skills": ["用户增长", "内容运营", "数据分析"],
  "timeline": "教育经历 + 工作经历 + 项目经历",
  "portrait": ["增长导向", "跨团队协作", "结果意识"]
}
resume_content.docxentities extracted ✓

林晓，目标岗位 产品运营，拥有 3 年互联网产品与增长运营经验。

熟悉 用户增长 / 内容运营 / 数据分析，负责活动策略、渠道协同与复盘。

推动核心活动转化率提升，并沉淀标准化运营流程与指标看板。

基础信息 岗位方向 技能能力 经历成果
03 · PARSER

先读懂简历里的关键实体

识别姓名、联系方式、教育背景、工作经历、项目经历、技能与证书，并保留它们之间的上下文关系。

  • 识别基础资料与联系方式
  • 还原教育、工作和项目时间线
  • 抽取技能、职责与成果表达
structured_resumestandardized
目标方向产品运营
工作经验3 年
最高学历本科
核心技能增长 / 内容 / 数据
经历结构完整时间线
项目成果按经历归档
证书语言统一分类
求职信息标准字段
04 · STRUCTURE

再把信息整理成标准简历

将不同写法、不同顺序和不同版式中的信息归入统一结构，让人才库、搜索与后续匹配可以直接使用。

  • 字段名称与数据类型统一
  • 经历按时间和所属公司归档
  • 技能与岗位方向标准化
portrait_pipelineprofile ready
工作经历项目成果教育背景技能证书
PROFILE
ENGINE
职业方向能力标签经验层级画像摘要
05 · PORTRAIT

最后形成候选人画像

把简历解析结果进一步归纳为职业方向、能力标签、经验层级与画像摘要，为筛选、搜索和人岗匹配提供一致的数据基础。

  • 解析字段与画像标签贯通
  • 从经历与成果提炼能力特征
  • 为后续筛选和匹配提供结构化输入
林
林晓产品运营 · 3 年经验
示例画像
用户增长92
数据分析86
内容运营80
项目协作74
产品运营用户增长SQL数据分析跨团队协作
标签依据工作经历 · 项目成果 · 技能描述强度为示例
06

多维人才标签

从岗位经历、项目成果和技能描述中提取人才标签，并展示每个标签的证据强度，让招聘人员快速看清候选人会什么、做过什么、适合什么方向。

  • 职业标签：产品运营、用户增长等方向
  • 技能标签：SQL、数据分析、内容策划等能力
  • 经历标签：增长项目、跨团队协作等经验
salary_prediction示例预测
合理薪资区间¥12K — 16K / 月
8K / 月预测区间20K / 月
23%

预测跳槽概率低风险影响因素：任职稳定性、经历变化、目标方向

07

薪资预测与跳槽风险提示

综合目标岗位、工作城市、经验年限、当前与期望薪资以及任职稳定性，预测候选人的合理薪资区间，并给出跳槽概率、风险等级和主要影响因素，帮助招聘人员判断报价与沟通时机。

  • 预测候选人的合理薪资区间
  • 输出跳槽概率与风险等级
  • 同步展示影响预测的关键因素
视觉中的薪资、概率和风险等级均为示例，不代表真实候选人的预测结论。
talent_pool结构化档案持续沉淀
profiles synced
林

林晓产品运营 · 3 年

● synced
周

周然用户增长 · 4 年

● synced
许

许宁内容运营 · 2 年

● synced
赵

赵瑾品牌运营 · 5 年

● synced
同步至企业人才库 / ATS
08

接入你的企业人才库

把结构化简历和人才画像同步到企业人才库或现有招聘系统，支持候选人搜索、筛选、去重、匹配与档案更新。

  • 对接 ATS / HR SaaS
  • 沉淀企业人才库
  • 支持搜索、筛选与后续匹配