talent-lens 0.1.0

慧眼 - 候选人简历质量评估系统，从高校背景、大厂经历、职业稳定性、资深程度、学历五个维度进行量化评分

talent-lens (慧眼)

候选人简历质量评估系统 —— 从高校背景、大厂经历、职业稳定性、资深程度、学历五个维度对候选人进行量化评分并输出综合加权总分。

功能特性

• 五维度评估：高校背景（C9/985/211）、大厂经历（科技/金融/外资科技）、职业稳定性（5年3跳/一年一跳检测）、资深程度、学历
• 多种匹配算法：精确匹配、别名匹配、模糊匹配（子串包含）
• LLM 辅助识别：通过 llmdog 库调用大语言模型，从非结构化简历文本中提取结构化信息
• 灵活配置：YAML 配置文件支持深度合并，可自定义权重、评分规则、高校/大厂名单
• 双接口：CLI 命令行 + Python API
• Rich 终端输出：表格化评估报告，也支持纯 JSON 输出

安装

pip install talent-lens

从源码安装：

git clone https://github.com/talent-lens/talent-lens.git
cd talent-lens
pip install -e .

快速开始

CLI 使用

基本评估

# 使用内联参数
talent-lens evaluate --name "张三" --university 清华大学 --degree 硕士 --company 阿里巴巴 --work-duration 36 --work-duration 24

# 从 JSON 文件加载
talent-lens evaluate --input candidate.json

# 输出 JSON 格式
talent-lens evaluate --input candidate.json --json

# 输出到文件
talent-lens evaluate --input candidate.json --output result.json

候选人 JSON 文件格式

{
  "name": "张三",
  "universities": ["清华大学", "北京大学"],
  "degree": "硕士",
  "companies": [
    {"name": "阿里巴巴", "duration_months": 36},
    {"name": "腾讯", "duration_months": 24}
  ],
  "work_durations": [36, 24],
  "total_work_months": 60
}

启用 LLM 辅助识别

# 设置 API Key
export TALENT_LENS_LLM_API_KEY="your-api-key"

# 启用 LLM
talent-lens evaluate --input candidate.json --resume resume.txt --llm

初始化配置文件

# 生成默认配置文件
talent-lens init

# 强制覆盖已有配置
talent-lens init --force

Python API 使用

from talent_lens import Evaluator, load_config

# 加载配置（自动合并默认配置和用户配置）
config = load_config()

# 创建评估器
evaluator = Evaluator(config)

# 候选人信息
candidate = {
    "name": "张三",
    "universities": ["清华大学"],
    "degree": "硕士",
    "companies": [
        {"name": "阿里巴巴", "duration_months": 36},
        {"name": "腾讯", "duration_months": 24}
    ],
    "work_durations": [36, 24],
    "total_work_months": 60,
}

# 执行评估
result = evaluator.evaluate(candidate)

# 获取结果
print(f"总分: {result['total_score']}")
print(f"各维度分数: {result['dimension_scores']}")
print(f"高校背景: {result['dimensions']['university']}")

自定义配置

from talent_lens import Evaluator

# 直接传入配置字典
config = {
    "weights": {
        "university": 30,
        "company": 30,
        "stability": 15,
        "seniority": 15,
        "education": 10,
    },
    "university_scoring": {"c9": 100, "other_985": 85, "other_211": 70, "other": 50, "unknown": 30},
    "company_scoring": {"tech": 100, "foreign_tech": 95, "finance": 80, "other": 50, "unknown": 30},
    "stability_scoring": {
        "levels": {
            "very_stable": {"min_months": 36, "score": 100},
            "stable": {"min_months": 24, "score": 80},
            "moderate": {"min_months": 18, "score": 60},
            "frequent": {"min_months": 12, "score": 40},
            "very_frequent": {"min_months": 0, "score": 20},
        },
        "penalties": {"five_years_three_jumps": -15, "one_year_one_jump": -25},
    },
    "seniority_scoring": {
        "levels": {
            "senior": {"min_years": 8, "score": 100},
            "mid_senior": {"min_years": 5, "score": 75},
            "mid": {"min_years": 3, "score": 50},
            "junior": {"min_years": 1, "score": 30},
            "fresh": {"min_years": 0, "score": 15},
        },
    },
    "education_scoring": {"phd": 100, "master": 80, "bachelor": 60, "associate": 40, "unknown": 30},
}

evaluator = Evaluator(config)
result = evaluator.evaluate(candidate)

配置说明

配置文件

执行 talent-lens init 会在当前目录生成 .talent-lens.yaml，只需修改需要覆盖的配置项：

# 调整权重（总和必须为 100）
weights:
  university: 30
  company: 30
  stability: 15
  seniority: 15
  education: 10

# 调整高校评分
university_scoring:
  c9: 100
  other_985: 85

# 启用 LLM
llm:
  enabled: true

默认权重

维度	权重
高校背景	25%
大厂经历	25%
职业稳定性	20%
资深程度	15%
学历	15%

评分规则

维度	分类	分数
高校	C9	100
高校	其他985	85
高校	其他211	70
高校	未知	30
大厂	科技	100
大厂	外资科技	95
大厂	金融	80
大厂	未知	30
稳定性	非常稳定(>=36月)	100
稳定性	稳定(>=24月)	80
稳定性	一般(>=18月)	60
稳定性	频繁(>=12月)	40
稳定性	非常频繁(<12月)	20
资深	资深(>=8年)	100
资深	中高级(>=5年)	75
资深	中级(>=3年)	50
资深	初级(>=1年)	30
资深	应届(<1年)	15
学历	博士	100
学历	硕士	80
学历	本科	60
学历	大专	40
学历	未知	30

稳定性惩罚

• 5年3跳：60个月窗口内跳槽超过3次，额外扣15分
• 一年一跳：连续2段及以上工作经历均不超过12个月，额外扣25分
• 两项惩罚可叠加，扣分后分数不低于0

依赖项

• Python >= 3.9
• click >= 8.0（CLI 框架）
• rich >= 12.0（终端格式化）
• pyyaml >= 6.0（YAML 配置解析）
• llmdog >= 0.1.0（LLM 服务调用）

许可证

MIT License