service/matcher.js

层级：service/matcher（依赖 config） Sprint：S5

主函数

`computeMatch(jd, resume)`

function computeMatch(jd: ParsedJD, resume: Resume): MatchResult

纯函数，同步，无网络请求。

三维评分详解

技能维度（weight = 0.50）

requiredScore = (requiredMatched / required.length) × 100
niceBonus     = (niceMatched / nice.length) × 15     // 上限 15 分
skillScore    = min(100, requiredScore × 0.85 + niceBonus)

技能匹配逻辑（resumeContains）：

// 使用双向包含检查（处理缩写变体）
resumeLower.some(r => r.includes(skill) || skill.includes(r))

例：简历写 "kubernetes"，JD 要求 "k8s" → 无法匹配（需要完全包含）。例：简历写 "go"，JD 要求 "golang" → "golang".includes("go") = true ✅

经验维度（weight = 0.30）

工作年限通过 experience[].from/to 累加月份计算：

totalMonths += (toYear - fromYear) × 12 + (toMonth - fromMonth)
actualYears  = round(totalMonths / 12)

to === 'present' 时使用当前日期。

差值（实际 - 要求）	得分
≥ +2 年	100
0 ~ +2 年	90
-1 年	65
-2 年	40
< -2 年	20

学历维度（weight = 0.20）

phd=4, master=3, bachelor=2, any=1

actual ≥ required + 1  → 100
actual = required       → 90
actual = required - 1   → 60
actual < required - 1   → 30

MatchResult 产出

{
  totalScore:   Math.min(100, weightedSum),
  dimensions:   [skillDim, expDim, eduDim],
  skillMatches: buildSkillMatches(jd, resume),
  missingSkills: skillMatches.filter(m => !m.matched).map(m => m.skill),
  strengths:    buildStrengths(...),
  suggestions:  buildSuggestions(...),
  engine:       'local',
}

优势（strengths）生成规则

条件	优势文本
skillScore ≥ 75	技能高度匹配（N分）
expScore ≥ 85	工作经验充足，超出要求
eduScore ≥ 90	学历达标或超出要求
简历含 `ai agent` / `langchain`	具备稀缺 AI Agent 工程经验
简历含 `solana` / `web3`	具备 Web3 / 区块链实战经验

建议（suggestions）生成规则

条件	建议文本
missingSkills.length > 0	补充技能：[top 4 缺失技能]
expScore < 65	工作年限略显不足，建议强调项目深度
eduScore < 60	学历与要求有差距，建议突出证书
全部良好	建议量化业务影响（GMV、性能提升%）

service/matcher.js

On this page