当前位置：首页 > news >正文

Agent-study项目教程（02）：智能简历结构化提取工具

news 2026/8/14 12:13:57

一、理论部分

1. 为什么要“结构化输出”：从文本到可编排数据

在 Agent 开发中，模型输出如果只是自然语言文本，往往难以被程序可靠消费；而一旦把输出约束为结构化数据（如 JSON），就可以直接用于：

写入数据库/生成文件（JSON、CSV）
作为下一步工具调用的参数（函数调用、工作流编排）
做校验、做评估、做自动化测试

因此，“让模型稳定输出符合规范的数据结构”是从聊天走向可落地系统的关键一步。

2. 用 Pydantic 定义“目标数据结构”：让模型做填空题

实现结构化输出的核心不是“让模型自己随便写 JSON”，而是先明确你需要的数据结构，然后让模型按这个结构填写。

Pydantic 的价值在于：

用 Python 类型定义字段（必填/可选、列表、嵌套对象）
自动生成 JSON Schema（可作为约束条件写入提示词）
对模型输出进行校验（不合格就直接报错，便于定位问题）

在本项目中，我们定义了Education、WorkExperience、Resume三个模型，最终希望模型输出一个完整的ResumeJSON。

3. “双重约束”保证稳定：System Prompt + JSON Mode + 低温度

仅靠提示词约束，有时模型仍可能输出多余解释、Markdown 包裹或字段缺失。本项目采用三项组合策略来提高稳定性：

System Prompt 明确输出要求：只输出纯 JSON，不要 Markdown，不要解释文本
JSON Mode（response_format）：让服务端强制返回 JSON 对象格式（尽量减少跑偏）
temperature=0.0：信息抽取类任务追求稳定一致，一般将温度设为 0

此外，得到模型输出后还会再用 Pydantic 做一次校验，实现“生成—校验”的闭环。

二、实战部分

1. 项目目标

实现一个“简历结构化提取工具”，输入一份简历文本（例如resume.txt），输出一份结构化 JSON，字段包括：

基本信息：姓名、邮箱、电话
技能：技能列表
教育经历：学校/专业/学位/时间段
工作经历：公司/岗位/工作描述摘要

2. 运行准备

请确保本地已安装依赖，并配置好环境变量（不要把真实密钥写进代码或公开仓库）：

依赖安装（示例）：

pipinstall-rrequirements.txt

环境变量（示例）：

DEEPSEEK_API_KEY
DEEPSEEK_BASE_URL

输入文件：将待解析简历放在项目目录下的resume.txt（项目已提供示例文件）。

3. 项目代码（完整实现）

下面给出项目的完整代码（核心逻辑完整，篇幅可控，便于直接运行）：

importosimportjsonfromopenaiimportOpenAIfromdotenvimportload_dotenvfrompydanticimportBaseModel,FieldfromtypingimportList,Optional# 加载环境变量# 假设 .env 文件在项目根目录project_root=os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))load_dotenv(os.path.join(project_root,".env"))client=OpenAI(api_key=os.getenv("DEEPSEEK_API_KEY"),base_url=os.getenv("DEEPSEEK_BASE_URL"),)# 1. 定义目标数据结构（Pydantic Model）classEducation(BaseModel):school:str=Field(...,description="学校名称")major:str=Field(...,description="专业")degree:str=Field(...,description="学位，如本科、硕士")year:str=Field(...,description="毕业年份或就读时间段")classWorkExperience(BaseModel):company:str=Field(...,description="公司名称")role:str=Field(...,description="职位")description:str=Field(...,description="工作描述摘要")classResume(BaseModel):name:str=Field(...,description="候选人姓名")email:Optional[str]=Field(None,description="电子邮箱")phone:Optional[str]=Field(None,description="联系电话")skills:List[str]=Field(...,description="技能列表")education:List[Education]=Field(...,description="教育背景列表")work_experience:List[WorkExperience]=Field(...,description="工作经历列表")defextract_resume_info(file_path:str):# 2. 读取简历文本try:withopen(file_path,"r",encoding="utf-8")asf:resume_content=f.read()exceptFileNotFoundError:print(f"错误: 找不到文件{file_path}")returnNoneprint(f"正在分析简历:{file_path}...")# 3. 构造 Prompt：输出必须严格遵循 Schemasystem_prompt=f""" 你是一个专业的简历解析助手。请从用户的简历文本中提取关键信息。 请严格按照以下 JSON 格式输出，不要包含任何 Markdown 格式标记（如 ```json ... ```），只输出纯 JSON 字符串。 目标 JSON 结构定义如下:{json.dumps(Resume.model_json_schema(),indent=2,ensure_ascii=False)}""".strip()messages=[{"role":"system","content":system_prompt},{"role":"user","content":resume_content},]# 4. 调用 API：JSON Mode + 低温度保证稳定try:response=client.chat.completions.create(model="deepseek-chat",messages=messages,temperature=0.0,response_format={"type":"json_object"},)result_json=response.choices[0].message.content# 5. 解析并验证：不符合结构就会抛错，便于调试与兜底resume_data=Resume.model_validate_json(result_json)# 6. 输出结构化结果print("\n提取成功。结构化数据如下：\n")print(json.dumps(resume_data.model_dump(),indent=2,ensure_ascii=False))returnresume_dataexceptExceptionase:print(f"\n发生错误：{e}")if"result_json"inlocals():print(f"原始返回内容:{result_json}")returnNoneif__name__=="__main__":current_dir=os.path.dirname(os.path.abspath(__file__))resume_path=os.path.join(current_dir,"resume.txt")extract_resume_info(resume_path)

4. 如何运行

在项目根目录执行：

python stage_01_llm_basics/project_02_resume_extractor/extractor.py

5. 运行结果示例

如果输入的resume.txt类似“张三 / 电话 / 邮箱 / 教育背景 / 工作经历 / 技能清单”这种结构，运行后你将得到类似如下的结构化输出（示例）：

{"name":"张三","email":"zhangsan@example.com","phone":"138-0013-8000","skills":["Java","Python","Golang","C++","MySQL","Redis","MongoDB","Git","Docker","Kubernetes","英语","普通话"],"education":[{"school":"清华大学","major":"计算机科学与技术","degree":"本科","year":"2018.09 - 2022.06"}],"work_experience":[{"company":"字节跳动","role":"后端开发工程师","description":"负责推荐系统后端开发，优化接口响应时间；参与高并发方案设计；使用Golang重构部分服务提升吞吐。"},{"company":"腾讯","role":"后台开发实习生","description":"参与微信支付营销活动后台开发；编写自动化测试脚本提升测试效率。"}]}

6. 项目总结

结构化输出是 Agent 工程化的前提：让模型输出变成程序可直接消费的数据。
Pydantic 提供了“先定义结构，再生成约束，再做校验”的完整闭环，显著提升稳定性。
System Prompt + JSON Mode + temperature=0.0 的组合适用于“信息抽取/格式化”任务，可作为后续工具调用参数生成的通用模板。

查看全文

http://www.jsqmd.com/news/1391496/