464 lines
15 KiB
Go
464 lines
15 KiB
Go
package prompt
|
||
|
||
import "fmt"
|
||
|
||
var (
|
||
ResumeExtractor = `你是一位专业的中文简历信息提取专家。请仔细分析以下简历内容，全面提取所有信息并按指定格式输出。
|
||
|
||
【简历内容】
|
||
%s
|
||
|
||
【提取要求】
|
||
请全面分析文档内容，识别以下所有区块，并尽可能从已有信息中推断和补充缺失的字段：
|
||
|
||
1. 基本信息：
|
||
- name: 姓名（通常在文档最开头，可能是最大的字体）
|
||
- title: 当前职位/头衔（如"后端开发工程师"、"高级Java工程师"）
|
||
- email: 邮箱地址（包含@符号，可能在文档开头或结尾）
|
||
- phone: 手机号码（11位数字，可能在文档开头或结尾）
|
||
- location: 所在城市（如"北京"、"上海"，可能在基本信息区域）
|
||
- website: 个人网站或博客地址（包含http://或https://）
|
||
- summary: 个人简介或自我评价（通常以"个人简介"、"自我评价"、"职业概述"等开头）
|
||
- experience_years: 工作年限（从工作经历计算，填数字，如3、5、8）
|
||
- job_target: 求职目标或意向岗位（如果没有明确说明，可从当前职位推断）
|
||
- industry: 所属行业（如互联网、教育、金融、电商，从公司名称或描述推断）
|
||
- core_advantages: 核心优势或个人亮点（从工作经历和项目经验中提炼）
|
||
|
||
2. 工作经历：
|
||
- company: 公司名称
|
||
- position: 职位名称
|
||
- start_date: 开始时间（格式YYYY-MM）
|
||
- end_date: 结束时间（格式YYYY-MM，"至今"或"当前"填"present"）
|
||
- description: 工作职责描述（详细描述日常工作内容）
|
||
- highlights: 工作亮点或主要成就（用列表表示，从描述中提炼关键成果）
|
||
- platforms: 负责的线上平台或产品名称（如有）
|
||
|
||
3. 教育背景：
|
||
- school: 学校名称
|
||
- degree: 学位（本科/硕士/博士/大专/高中等）
|
||
- major: 专业名称
|
||
- start_date: 入学时间（格式YYYY-MM）
|
||
- end_date: 毕业时间（格式YYYY-MM）
|
||
- gpa: GPA成绩（如有）
|
||
|
||
4. 专业技能：
|
||
- name: 技能名称（如Java、Python、MySQL、Redis、Vue.js、Docker）
|
||
- level: 熟练程度（入门/初级/中级/高级/精通，根据描述推断）
|
||
- category: 技能分类（后端/前端/数据库/运维/移动端/人工智能/工具/其他）
|
||
|
||
5. 项目经验：
|
||
- name: 项目名称
|
||
- description: 项目描述（项目的目的、规模、主要功能）
|
||
- tech_stack: 技术栈列表（从项目描述和工作经历中提取使用的技术）
|
||
- url: 项目链接（如有）
|
||
- highlights: 项目亮点（主要负责的工作、解决的问题）
|
||
- achievements: 项目成果（量化的成果、获得的奖励等）
|
||
- start_date: 开始时间（格式YYYY-MM）
|
||
- end_date: 结束时间（格式YYYY-MM）
|
||
|
||
【数据补充规则】
|
||
1. 如果工作年限没有明确说明，根据工作经历的时间跨度计算得出
|
||
2. 如果求职目标没有明确说明，可从当前职位或工作经历推断
|
||
3. 如果行业没有明确说明，从公司名称或工作描述推断
|
||
4. 如果技能的熟练程度没有明确说明，根据使用频率和描述推断（如"精通"、"熟练"、"熟悉"、"了解"）
|
||
5. 如果技能分类不确定，根据技能性质归类（如Java属于后端，Vue.js属于前端，MySQL属于数据库）
|
||
6. 如果项目的技术栈没有明确说明，从项目描述中提取使用的技术
|
||
7. 如果项目亮点和成果没有明确说明，从项目描述中提炼关键贡献
|
||
8. 如果核心优势没有明确说明，从工作经历和项目经验中提炼3-5个关键点
|
||
|
||
【关键词识别】
|
||
- 基本信息区域关键词：姓名、电话、手机、邮箱、邮箱地址、地址、所在地、籍贯、个人简介、自我评价、职业概述、求职意向、工作年限
|
||
- 工作经历区域关键词：工作经历、工作经验、职业经历、工作背景、公司、任职时间、工作职责、负责内容
|
||
- 教育背景区域关键词：教育背景、学历、教育经历、毕业院校、学校、学位、专业
|
||
- 技能区域关键词：专业技能、技能特长、技术能力、掌握技能、熟练掌握、了解、精通
|
||
- 项目经验区域关键词：项目经验、项目经历、项目背景、项目名称、负责项目、参与项目
|
||
|
||
【重要提示】
|
||
1. 请按照文档中的实际内容提取，不要遗漏任何信息
|
||
2. 如果某个字段在简历中确实找不到，请填空字符串""或空数组[]
|
||
3. 时间格式统一为YYYY-MM，"至今"或"当前"填"present"
|
||
4. 工作年限只填数字，不要填"年"字
|
||
5. 请确保提取的信息与文档内容完全一致
|
||
6. 如果发现冲突信息，请以文档中最新的信息为准
|
||
|
||
【输出格式】
|
||
请直接输出JSON，不要包含markdown代码块标记，格式如下：
|
||
|
||
{
|
||
"basic_info": {
|
||
"name": "",
|
||
"title": "",
|
||
"email": "",
|
||
"phone": "",
|
||
"location": "",
|
||
"website": "",
|
||
"summary": "",
|
||
"experience_years": "",
|
||
"job_target": "",
|
||
"industry": "",
|
||
"core_advantages": []
|
||
},
|
||
"experience": [
|
||
{
|
||
"company": "",
|
||
"position": "",
|
||
"start_date": "",
|
||
"end_date": "",
|
||
"description": "",
|
||
"highlights": [],
|
||
"platforms": []
|
||
}
|
||
],
|
||
"education": [
|
||
{
|
||
"school": "",
|
||
"degree": "",
|
||
"major": "",
|
||
"start_date": "",
|
||
"end_date": "",
|
||
"gpa": ""
|
||
}
|
||
],
|
||
"skills": [
|
||
{
|
||
"name": "",
|
||
"level": "",
|
||
"category": ""
|
||
}
|
||
],
|
||
"projects": [
|
||
{
|
||
"name": "",
|
||
"description": "",
|
||
"tech_stack": [],
|
||
"url": "",
|
||
"highlights": [],
|
||
"achievements": [],
|
||
"start_date": "",
|
||
"end_date": ""
|
||
}
|
||
]
|
||
}`
|
||
|
||
RAGAnswer = `你是一位专业的简历分析助手。请根据以下上下文信息回答用户的问题。
|
||
|
||
【上下文信息】
|
||
%s
|
||
|
||
【用户问题】
|
||
%s
|
||
|
||
【回答要求】
|
||
1. 优先使用上下文信息回答问题
|
||
2. 如果上下文没有相关信息，可以使用你的内部知识
|
||
3. 回答要准确、简洁，符合中文表达习惯
|
||
4. 如果无法回答，请明确说明`
|
||
|
||
PolishSummary = `你是一位专业的简历优化专家。请优化以下个人简介，使其更加专业、简洁、有吸引力：
|
||
|
||
原文：
|
||
%s
|
||
|
||
优化要求：
|
||
1. 突出核心竞争力和独特价值
|
||
2. 使用行动动词和量化成果
|
||
3. 保持专业但不过于生硬
|
||
4. 控制在150字以内
|
||
5. 保持原意，不要编造信息
|
||
|
||
请直接输出优化后的内容，不要包含其他解释。`
|
||
|
||
PolishExperience = `你是一位专业的简历优化专家。请优化以下工作经历描述，使其更加专业、量化、有说服力：
|
||
|
||
公司：%s
|
||
职位：%s
|
||
原描述：
|
||
%s
|
||
|
||
优化要求：
|
||
1. 使用STAR法则（情境-任务-行动-结果）
|
||
2. 突出量化成果和数据指标
|
||
3. 使用专业术语和行业关键词
|
||
4. 突出个人贡献而非团队成果
|
||
5. 保持原意，不要编造信息
|
||
|
||
请直接输出优化后的内容，不要包含其他解释。`
|
||
|
||
PolishProject = `你是一位专业的简历优化专家。请优化以下项目描述，使其更加专业、突出技术能力和成果：
|
||
|
||
项目名称：%s
|
||
原描述：
|
||
%s
|
||
|
||
优化要求：
|
||
1. 清晰描述技术架构和技术栈
|
||
2. 突出个人技术贡献和解决的难题
|
||
3. 量化项目成果和影响
|
||
4. 使用专业技术术语
|
||
5. 保持原意，不要编造信息
|
||
|
||
请直接输出优化后的内容，不要包含其他解释。`
|
||
|
||
PolishDescription = `你是一位专业的简历优化专家。请优化以下%s内容：
|
||
|
||
原文：
|
||
%s
|
||
|
||
优化要求：
|
||
1. 语言更加专业、精炼
|
||
2. 突出重点和亮点
|
||
3. 使用适当的行业术语
|
||
4. 保持原意，不要编造信息
|
||
5. 格式清晰易读
|
||
|
||
请直接输出优化后的内容，不要包含其他解释。`
|
||
|
||
DocumentAnalysis = `你是一位专业的文档分析助手。请根据以下文档内容回答用户问题。
|
||
|
||
文档内容：
|
||
%s
|
||
|
||
用户问题：%s
|
||
|
||
回答要求：
|
||
1. 仅基于提供的文档内容回答，不要编造信息
|
||
2. 如果文档内容不足以回答问题，请明确说明
|
||
3. 回答要简洁准确，避免冗长`
|
||
|
||
QuestionGeneration = `你是一位专业的技术面试官和出题专家。请根据以下简历内容和技术关键词，生成高质量的面试题目。
|
||
|
||
简历内容：
|
||
%s
|
||
|
||
技术关键词：%s
|
||
|
||
题目类型：%s
|
||
|
||
生成规则（必须严格遵守，否则任务失败）：
|
||
1. 每种题目类型必须生成4道题目，不得少于4道，不得多于5道
|
||
2. 如果包含4种题型（选择题、填空题、简答题、算法设计题），必须生成16道题目（4×4）
|
||
3. 如果包含3种题型，必须生成12道题目（4×3）
|
||
4. 如果包含2种题型，必须生成8道题目（4×2）
|
||
5. 选择题必须有4个选项，正确答案必须是选项之一
|
||
6. 填空题必须有明确的填空位置，用___表示
|
||
7. 每道题必须有详细的解析，不少于50字
|
||
8. 答案必须完整准确，代码题要有可运行的代码示例
|
||
9. 题目难度在初级、入门、中级、进阶之间均匀分布
|
||
10. 每道题至少包含2个技术关键词
|
||
11. 输出格式必须为纯JSON数组，不要包含任何markdown标记、代码块标记或额外文字
|
||
12. JSON字符串中所有双引号必须使用反斜杠转义
|
||
|
||
JSON格式要求（必须严格遵守，每种类型4题）：
|
||
[
|
||
{
|
||
"type": "mcq",
|
||
"text": "选择题题目内容",
|
||
"options": ["选项A", "选项B", "选项C", "选项D"],
|
||
"answer": "正确答案（如A、B、C、D）",
|
||
"analysis": "题目解析，直接给出解析内容",
|
||
"score": 10,
|
||
"keywords": ["关键词1", "关键词2"],
|
||
"difficulty": "初级",
|
||
"category": "分类名称"
|
||
},
|
||
{
|
||
"type": "fill",
|
||
"text": "填空题题目内容（用___表示填空位置）",
|
||
"answer": "正确答案",
|
||
"analysis": "题目解析",
|
||
"score": 5,
|
||
"keywords": ["关键词1"],
|
||
"difficulty": "入门",
|
||
"category": "分类名称"
|
||
},
|
||
{
|
||
"type": "sa",
|
||
"text": "简答题题目内容",
|
||
"answer": "参考答案",
|
||
"analysis": "详细解析",
|
||
"score": 15,
|
||
"keywords": ["关键词1", "关键词2"],
|
||
"difficulty": "中级",
|
||
"category": "分类名称"
|
||
},
|
||
{
|
||
"type": "algo",
|
||
"text": "算法题题目内容",
|
||
"answer": "代码答案",
|
||
"analysis": "详细解析",
|
||
"score": 20,
|
||
"keywords": ["关键词1"],
|
||
"difficulty": "进阶",
|
||
"category": "算法"
|
||
}
|
||
]
|
||
|
||
请立即开始生成题目，严格按照上述规则输出JSON数组。如果题目数量不够或格式不正确，将被视为任务失败。`
|
||
|
||
QuestionGenerationForType = `你是一位专业的技术面试官和出题专家。题目和答案必须严谨专业，符合面试需求，不得出现错误或漏洞。
|
||
|
||
请根据以下简历内容和技术关键词，生成高质量的%s。
|
||
|
||
简历内容：
|
||
%s
|
||
|
||
技术关键词：%s
|
||
|
||
生成规则（必须严格遵守，否则任务失败）：
|
||
1. 必须生成5道%s，不得少于5道
|
||
2. 选择题必须有4个选项，答案字段必须只包含选项字母A、B、C或D，不能包含选项内容文字
|
||
3. 选择题的选项必须清晰明确，互不重叠，只有一个正确答案
|
||
4. 填空题必须有明确的填空位置，用___表示
|
||
5. 每道题必须有详细的解析，不少于50字
|
||
6. 答案必须完整准确，代码题要有可运行的代码示例
|
||
7. 题目难度在初级、入门、中级、进阶之间均匀分布
|
||
8. 每道题至少包含2个技术关键词
|
||
9. 输出格式必须为纯JSON数组，不要包含任何markdown标记、代码块标记或额外文字
|
||
10. JSON字符串中所有双引号必须使用反斜杠转义
|
||
11. 确保题目和答案正确无误，避免出现逻辑漏洞或事实错误
|
||
|
||
JSON格式要求（必须严格遵守，生成5道%s）：
|
||
[
|
||
%s
|
||
]
|
||
|
||
请立即开始生成题目，严格按照上述规则输出JSON数组。`
|
||
)
|
||
|
||
func BuildResumeExtractorPrompt(content string) string {
|
||
return fmt.Sprintf(ResumeExtractor, content)
|
||
}
|
||
|
||
func BuildRAGAnswerPrompt(context, query string) string {
|
||
return fmt.Sprintf(RAGAnswer, context, query)
|
||
}
|
||
|
||
func BuildPolishSummaryPrompt(original string) string {
|
||
return fmt.Sprintf(PolishSummary, original)
|
||
}
|
||
|
||
func BuildPolishExperiencePrompt(original, company, position string) string {
|
||
return fmt.Sprintf(PolishExperience, company, position, original)
|
||
}
|
||
|
||
func BuildPolishProjectPrompt(original, projectName string) string {
|
||
return fmt.Sprintf(PolishProject, projectName, original)
|
||
}
|
||
|
||
func BuildPolishDescriptionPrompt(original, fieldType string) string {
|
||
var fieldName string
|
||
switch fieldType {
|
||
case "summary":
|
||
fieldName = "个人简介"
|
||
case "experience":
|
||
fieldName = "工作经历"
|
||
case "project":
|
||
fieldName = "项目描述"
|
||
case "education":
|
||
fieldName = "教育背景"
|
||
case "skill":
|
||
fieldName = "技能描述"
|
||
default:
|
||
fieldName = "文本内容"
|
||
}
|
||
return fmt.Sprintf(PolishDescription, fieldName, original)
|
||
}
|
||
|
||
func BuildDocumentAnalysisPrompt(context, question string) string {
|
||
return fmt.Sprintf(DocumentAnalysis, context, question)
|
||
}
|
||
|
||
func BuildQuestionGenerationPrompt(resumeText string, keywords []string, types []string) string {
|
||
typeNames := map[string]string{
|
||
"mcq": "选择题",
|
||
"fill": "填空题",
|
||
"sa": "简答题",
|
||
"algo": "算法设计题",
|
||
}
|
||
|
||
var typeDesc string
|
||
for i, t := range types {
|
||
if i > 0 {
|
||
typeDesc += "、"
|
||
}
|
||
typeDesc += typeNames[t]
|
||
}
|
||
|
||
return fmt.Sprintf(QuestionGeneration, resumeText, joinKeywords(keywords), typeDesc)
|
||
}
|
||
|
||
func BuildQuestionGenerationPromptForType(resumeText string, keywords []string, qType string) string {
|
||
typeNames := map[string]string{
|
||
"mcq": "选择题",
|
||
"fill": "填空题",
|
||
"sa": "简答题",
|
||
"algo": "算法设计题",
|
||
}
|
||
|
||
typeName := typeNames[qType]
|
||
if typeName == "" {
|
||
typeName = qType
|
||
}
|
||
|
||
var formatExample string
|
||
switch qType {
|
||
case "mcq":
|
||
formatExample = `{
|
||
"type": "mcq",
|
||
"text": "题目内容",
|
||
"options": ["选项A内容", "选项B内容", "选项C内容", "选项D内容"],
|
||
"answer": "A",
|
||
"analysis": "详细解析，不少于50字，说明每个选项为什么对或错",
|
||
"score": 10,
|
||
"keywords": ["关键词1", "关键词2"],
|
||
"difficulty": "初级",
|
||
"category": "分类名称"
|
||
}`
|
||
case "fill":
|
||
formatExample = `{
|
||
"type": "fill",
|
||
"text": "题目内容（用___表示填空位置）",
|
||
"answer": "正确答案",
|
||
"analysis": "详细解析，不少于50字，解释答案的由来",
|
||
"score": 5,
|
||
"keywords": ["关键词1", "关键词2"],
|
||
"difficulty": "入门",
|
||
"category": "分类名称"
|
||
}`
|
||
case "sa":
|
||
formatExample = `{
|
||
"type": "sa",
|
||
"text": "题目内容",
|
||
"answer": "参考答案，完整准确",
|
||
"analysis": "详细解析，不少于100字，深入解释原理",
|
||
"score": 15,
|
||
"keywords": ["关键词1", "关键词2"],
|
||
"difficulty": "中级",
|
||
"category": "分类名称"
|
||
}`
|
||
case "algo":
|
||
formatExample = `{
|
||
"type": "algo",
|
||
"text": "题目内容",
|
||
"answer": "完整可运行的代码示例",
|
||
"analysis": "详细解析，不少于100字，解释算法思路和复杂度",
|
||
"score": 20,
|
||
"keywords": ["关键词1", "关键词2"],
|
||
"difficulty": "进阶",
|
||
"category": "算法"
|
||
}`
|
||
}
|
||
|
||
return fmt.Sprintf(QuestionGenerationForType, typeName, resumeText, joinKeywords(keywords), typeName, typeName, formatExample)
|
||
}
|
||
|
||
func joinKeywords(keywords []string) string {
|
||
var result string
|
||
for i, kw := range keywords {
|
||
if i > 0 {
|
||
result += ", "
|
||
}
|
||
result += kw
|
||
}
|
||
return result
|
||
} |