feat: 简历解析去掉脱敏,原文直接交大模型提取全部字段

backend/app/services/llm.py

@@ -218,8 +218,8 @@ def sanitize_candidate_for_llm(candidate: dict[str, Any]) -> dict[str, Any]:
 
 
 # 简历结构化提取：LLM 返回的字段集合（与 llm_resume_fields 的 prompt 保持一致）。
-# 其中姓名/手机/邮箱/出生年月/年龄/城市等 PII 会被本地脱敏，LLM 无法看到真实值，
-# 这些字段始终以正则预扫描结果为准（见 resume_parser_core.extract_pii_fields）。
+# 该路径不做本地脱敏：简历原文（含姓名/手机/邮箱等 PII）直接交给大模型提取全部字段，
+# 大模型不可用或提取失败时由 resume_parser 回退纯正则解析。
 LLM_RESUME_FIELDS = (
     "name",
     "jobTitle",
@@ -236,28 +236,27 @@ LLM_RESUME_FIELDS = (
 )
 
 
-async def llm_resume_fields(text: str, hints: dict[str, Any] | None = None) -> dict[str, Any] | None:
-    """用大模型从简历文本中提取结构化字段；未配置 Key 或调用失败时返回 None（调用方回退正则）。
+async def llm_resume_fields(text: str) -> dict[str, Any] | None:
+    """用大模型直接从简历文本中提取结构化字段；未配置 Key 或调用失败时返回 None（调用方回退正则）。
 
-    发送前用正则预扫描结果对姓名/手机/邮箱/城市/出生年月/年龄做本地脱敏，
-    被脱敏的字段 LLM 一律返回空值，最终以正则预扫描结果为准。
+    注意：本路径不做本地脱敏，简历原文（含候选人 PII）会原样发送给大模型，
+    调用方需确保大模型环境可信；如需脱敏，请改用 analyze_resume 的脱敏链路。
     """
     settings = get_settings()
     if not settings.effective_llm_api_key:
         return None
-    sanitized = sanitize_resume_for_llm(text, hints or {})
-    if not sanitized.strip():
+    if not (text or "").strip():
         return None
     user = (
         "请从下面的简历文本中提取结构化字段，只返回一个 JSON 对象（不要 Markdown 围栏，不要多余解释）。\n\n"
         "字段与规则：\n"
-        '- name: 姓名（2-4 个中文字符）。姓名已被 [本地脱敏] 占位符替换时返回空字符串 ""。\n'
+        '- name: 姓名（2-4 个中文字符，如"薛庆霞"）；没有则返回 ""。\n'
         '- jobTitle: 求职意向/应聘岗位，只能是简历中明确写出的岗位名（如"销售支持专员"）；没有明确写出时返回 ""，'
         "不要根据教育/技能内容推断岗位。\n"
-        '- phone: 手机号。已被 [手机号已本地脱敏] 替换或没有时返回 ""。\n'
-        '- email: 邮箱。已被 [邮箱已本地脱敏] 替换或没有时返回 ""。\n'
-        '- birthDate: 出生日期，格式 YYYY-MM-DD。已被 [出生年月已本地脱敏] 替换或没有时返回 ""。\n'
-        '- age: 年龄数字（如 28）。已被 [年龄已本地脱敏] 替换或没有时返回 ""。\n'
+        '- phone: 手机号（11 位，可含 +86/空格/连字符，如 13812345678）；没有则返回 ""。\n'
+        '- email: 邮箱；没有则返回 ""。\n'
+        '- birthDate: 出生日期，格式 YYYY-MM-DD；没有则返回 ""。\n'
+        '- age: 年龄数字（如 28）；没有则返回 ""。\n'
         '- years: 工作年限，如 "5年" / "3.5年" / "应届生"；简历没有明确写工作年限时返回 ""，不要从无关时间推算。\n'
         "- education: 学历，只能是 博士/硕士/本科/大专/中专/高中/其他 之一；没有明确信息返回 \"\"。\n"
         '- school: 毕业院校全称（如"甘肃农业大学"）；没有则返回 ""。\n'
@@ -265,8 +264,8 @@ async def llm_resume_fields(text: str, hints: dict[str, Any] | None = None) -> d
         '独立专业名；没有明确专业返回 ""。\n'
         '- city: 现居城市或简历中的城市名（如"太原"，不含"市"）；没有则返回 ""。\n'
         "- skills: 技能数组，最多 12 项，只取简历中明确提到的技能。\n\n"
-        "要求：只提取简历中明确出现的信息，绝不编造或猜测；已被脱敏占位符替换的字段一律返回空字符串/空数组。\n\n"
-        f"简历文本：\n{sanitized[:16000]}"
+        "要求：只提取简历中明确出现的信息，绝不编造或猜测。\n\n"
+        f"简历文本：\n{(text or '')[:16000]}"
     )
     try:
         parsed = await _chat_json(

backend/app/services/resume_parser.py

@@ -4,7 +4,6 @@ from tempfile import TemporaryDirectory
 from backend.app.services.file_storage import sanitize_filename
 from backend.app.services.llm import LLM_RESUME_FIELDS, llm_resume_fields
 from backend.app.services.resume_parser_core import (
-    extract_pii_fields,
     infer_source,
     parse_resume,
     parse_resume_text,
@@ -12,11 +11,6 @@ from backend.app.services.resume_parser_core import (
     school_tags,
 )
 
-# LLM 看不到真实值的 PII 字段：发送前已本地脱敏，始终以正则预扫描结果为准。
-_PII_KEYS = {"name", "phone", "email", "birthDate", "age", "city", "resumeName"}
-# 交给大模型提取的内容字段（大模型非空值优先采用，正则仅作整体兜底）。
-_LLM_CONTENT_KEYS = tuple(key for key in LLM_RESUME_FIELDS if key not in _PII_KEYS)
-
 
 def parse_resume_path(path: Path) -> dict:
     """纯正则解析入口（无 LLM 时的兜底/调试路径）。"""
@@ -33,19 +27,15 @@ def parse_uploaded_bytes(content: bytes, original_name: str = "resume.bin") -> d
 async def parse_resume_path_async(path: Path) -> dict:
     """LLM 优先、正则兜底的简历解析入口（API/CLI 均走这里）。
 
-    读取简历文本后，先把内容交给大模型理解并提取结构化字段；只有大模型不可用
-    或提取失败时才整体回退到纯正则解析（parse_resume_text）。姓名/手机/邮箱/
-    出生年月/年龄/城市等 PII 发往大模型前必须先本地脱敏（见
-    llm.sanitize_resume_for_llm），因此这类字段始终以 extract_pii_fields 的
-    正则预扫描结果为准，不采用大模型返回值。
+    读取简历文本后直接把原文交给大模型理解并提取全部结构化字段（不做本地脱敏）；
+    只有大模型不可用或提取失败时才整体回退到纯正则解析（parse_resume_text）。
     """
     text = read_resume_text(path)
     filename = path.name
-    pii = extract_pii_fields(text, filename)
-    llm_result = await llm_resume_fields(text, pii)
+    llm_result = await llm_resume_fields(text)
     if not _has_llm_content(llm_result):
         return parse_resume_text(text, filename)
-    return _compose_llm_result(text, filename, pii, llm_result)
+    return _compose_llm_result(text, filename, llm_result)
 
 
 async def parse_uploaded_bytes_async(content: bytes, original_name: str = "resume.bin") -> dict:
@@ -56,10 +46,10 @@ async def parse_uploaded_bytes_async(content: bytes, original_name: str = "resum
 
 
 def _has_llm_content(result: dict | None) -> bool:
-    """大模型是否提取到可用内容字段；返回空字典/全空时视为提取失败，回退正则。"""
+    """大模型是否返回了可用字段；返回空字典/全空时视为提取失败，回退正则。"""
     if not isinstance(result, dict):
         return False
-    for key in _LLM_CONTENT_KEYS:
+    for key in LLM_RESUME_FIELDS:
         value = result.get(key)
         if isinstance(value, list):
             if any(str(item).strip() for item in value):
@@ -77,8 +67,8 @@ def _clean_text_value(value: object) -> str:
     return str(value).strip()
 
 
-def _compose_llm_result(text: str, filename: str, pii: dict, llm_result: dict) -> dict:
-    """大模型提取成功时的结果组装：PII 取正则预扫描值，其余内容字段取大模型值。"""
+def _compose_llm_result(text: str, filename: str, llm_result: dict) -> dict:
+    """大模型提取成功时的结果组装：结构化字段全部采用大模型返回值。"""
     school = _clean_text_value(llm_result.get("school"))
     skills = [
         str(item).strip()
@@ -86,15 +76,21 @@ def _compose_llm_result(text: str, filename: str, pii: dict, llm_result: dict) -
         if str(item).strip()
     ]
     return {
-        **pii,
+        "name": _clean_text_value(llm_result.get("name")),
         "jobTitle": _clean_text_value(llm_result.get("jobTitle")),
+        "phone": _clean_text_value(llm_result.get("phone")),
+        "email": _clean_text_value(llm_result.get("email")),
+        "birthDate": _clean_text_value(llm_result.get("birthDate")),
+        "age": _clean_text_value(llm_result.get("age")),
         "years": _clean_text_value(llm_result.get("years")),
         "education": _clean_text_value(llm_result.get("education")),
         "school": school,
         "major": _clean_text_value(llm_result.get("major")),
         "schoolTags": school_tags(school),
+        "city": _clean_text_value(llm_result.get("city")),
         "skills": list(dict.fromkeys(skills)),
         "source": infer_source(text, filename),
         "resumeText": text,
+        "resumeName": filename,
         "textLength": len(text),
     }

backend/app/services/resume_parser_core.py

@@ -432,7 +432,7 @@ def school_tags(school: str):
 
 
 def read_resume_text(path: Path) -> str:
-    """读取 PDF/DOCX/TXT 简历文本并做统一规范化，供 LLM 优先解析与正则解析共用。"""
+    """按扩展名读取 PDF/DOCX/TXT 简历原文（不做 normalize），供 LLM 优先解析与正则解析共用。"""
     suffix = path.suffix.lower()
     if suffix == ".pdf":
         text = read_pdf(path)
@@ -440,16 +440,14 @@ def read_resume_text(path: Path) -> str:
         text = read_docx(path)
     else:
         text = read_text(path)
-    return normalize(text)
+    return text
 
 
 def extract_pii_fields(text: str, filename: str) -> dict:
-    """正则预扫描候选人 PII 字段（脱敏依据，不随正文发往大模型）。
+    """正则提取姓名/手机/邮箱/出生年月/年龄等基础字段，供纯正则解析输出。
 
-    姓名/手机/邮箱/出生年月/年龄/城市 等敏感字段在解析链路中始终以本地正则
-    结果为准：发送给大模型前必须先把它们替换为占位符（见
-    llm.sanitize_resume_for_llm），大模型看不到真实值，最终取值也以这里的
-    正则结果为准。
+    说明：简历解析的大模型路径已改为直接把原文交给大模型、不做本地脱敏，
+    本函数仅服务于 parse_resume_text 的正则兜底结果。
     """
     phone = first_match([
         r"((?:\+?86[-\s]?)?1[3-9]\d[-\s]?\d{4}[-\s]?\d{4})",
@@ -463,7 +461,6 @@ def extract_pii_fields(text: str, filename: str) -> dict:
         "email": email,
         "birthDate": birth_date,
         "age": infer_explicit_age(text) or age_from_birth_date(birth_date),
-        "city": first_match([r"(?:现居|所在地|城市|地点)[:：\s]+([一-龥]{2,12})"], text),
         "resumeName": filename,
     }
 
@@ -480,6 +477,7 @@ def parse_resume_text(text: str, filename: str) -> dict:
         "school": school,
         "major": infer_major(text),
         "schoolTags": school_tags(school),
+        "city": first_match([r"(?:现居|所在地|城市|地点)[:：\s]+([一-龥]{2,12})"], text),
         "source": infer_source(text, filename),
         "skills": extract_skills(text),
         "resumeText": text,

backend/tests/test_resume_parser_llm.py

@@ -23,7 +23,7 @@ def stub_llm(monkeypatch):
     """把 parse_resume_path_async 引用的 llm_resume_fields 替换为固定返回的异步桩。"""
 
     def install(result):
-        async def fake_llm(text, hints=None):
+        async def fake_llm(text):
             return result
 
         monkeypatch.setattr("backend.app.services.resume_parser.llm_resume_fields", fake_llm)
@@ -31,7 +31,7 @@ def stub_llm(monkeypatch):
     return install
 
 
-def _write_resume(tmp_path, name: str = "张晓燕.txt") -> str:
+def _write_resume(tmp_path, name: str = "张晓燕.txt") -> None:
     resume = tmp_path / name
     resume.write_text(
         "张晓燕\n性别：女年龄：28\n电话：18734915261 邮箱：1822742034@qq.com\n销售支持专员\n教育经历\n"
@@ -39,82 +39,65 @@ def _write_resume(tmp_path, name: str = "张晓燕.txt") -> str:
         "主修课程：市场营销、管理学原理、人力资源管理、企业经营战略、财务管理、会计学原理、区域经济学",
         encoding="utf-8",
     )
-    return str(resume)
 
 
-def test_compose_llm_result_keeps_regex_pii_and_uses_llm_content():
-    pii = {
+def test_compose_llm_result_uses_llm_values_for_all_fields():
+    llm = {
         "name": "张晓燕",
+        "jobTitle": "销售支持专员",
         "phone": "18734915261",
         "email": "1822742034@qq.com",
-        "birthDate": "",
+        "birthDate": "1995-04-30",
         "age": "28",
-        "city": "",
-        "resumeName": "张晓燕.txt",
-    }
-    llm = {
-        "name": "大模型幻觉姓名",
-        "phone": "13900000000",
-        "email": "fake@llm.com",
-        "birthDate": "1990-01-01",
-        "age": "35",
-        "city": "太原",
-        "jobTitle": "销售支持专员",
-        "years": "2年",
+        "years": "3年",
         "education": "本科",
         "school": "甘肃农业大学",
         "major": "农林经济管理",
+        "city": "太原",
         "skills": ["客户管理", "客户管理"],
     }
-    text = "简历正文"
-    merged = _compose_llm_result(text, "张晓燕.txt", pii, llm)
-    # PII 字段不采用大模型幻觉值，始终以正则预扫描结果为准
-    assert merged["name"] == "张晓燕"
-    assert merged["phone"] == "18734915261"
-    assert merged["email"] == "1822742034@qq.com"
-    assert merged["birthDate"] == ""
-    assert merged["age"] == "28"
-    assert merged["city"] == ""
-    # 内容字段采用大模型值，schoolTags 依据最终 school 重新推导
-    assert merged["jobTitle"] == "销售支持专员"
-    assert merged["years"] == "2年"
-    assert merged["education"] == "本科"
-    assert merged["school"] == "甘肃农业大学"
-    assert merged["major"] == "农林经济管理"
+    text = "简历原文"
+    merged = _compose_llm_result(text, "张晓燕.txt", llm)
+    for key in ("name", "jobTitle", "phone", "email", "birthDate", "age", "years", "education", "school", "major", "city"):
+        assert merged[key] == llm[key]
     assert merged["skills"] == ["客户管理"]
     assert merged["schoolTags"] == ["非985/211"]
     assert merged["resumeText"] == text
+    assert merged["resumeName"] == "张晓燕.txt"
+    assert merged["textLength"] == len(text)
 
 
-def test_async_parse_prefers_llm_content_and_keeps_regex_pii(tmp_path, stub_llm):
+def test_async_parse_uses_llm_extraction_without_sanitize(tmp_path, stub_llm):
+    """大模型可用时直接采用其提取结果（含姓名/手机等字段），不本地脱敏、不回退正则。"""
     _write_resume(tmp_path)
     stub_llm(
         {
-            "name": "大模型幻觉姓名",
+            "name": "张晓燕",
             "jobTitle": "销售支持专员",
-            "phone": "13900000000",
-            "email": "",
+            "phone": "18734915261",
+            "email": "1822742034@qq.com",
             "birthDate": "",
-            "age": "",
-            "years": "2年",
+            "age": "28",
+            "years": "3年",
             "education": "本科",
             "school": "甘肃农业大学",
             "major": "农林经济管理",
             "city": "太原",
-            "skills": ["客户管理"],
+            "skills": ["客户管理", "市场营销"],
         }
     )
     parsed = asyncio.run(parse_resume_path_async(tmp_path / "张晓燕.txt"))
     assert parsed["name"] == "张晓燕"
     assert parsed["phone"] == "18734915261"
+    assert parsed["email"] == "1822742034@qq.com"
     assert parsed["jobTitle"] == "销售支持专员"
     assert parsed["major"] == "农林经济管理"
-    assert parsed["years"] == "2年"
+    assert parsed["school"] == "甘肃农业大学"
     assert parsed["education"] == "本科"
-    assert parsed["city"] == ""
-    assert parsed["skills"] == ["客户管理"]
+    assert parsed["years"] == "3年"
+    assert parsed["city"] == "太原"
+    assert parsed["skills"] == ["客户管理", "市场营销"]
     assert parsed["resumeName"] == "张晓燕.txt"
-    assert parsed["textLength"] > 0
 
 
 def test_async_parse_skips_regex_when_llm_usable(tmp_path, stub_llm, monkeypatch):
@@ -125,7 +108,7 @@ def test_async_parse_skips_regex_when_llm_usable(tmp_path, stub_llm, monkeypatch
 
     monkeypatch.setattr("backend.app.services.resume_parser.parse_resume_text", boom)
     _write_resume(tmp_path)
-    stub_llm({"jobTitle": "销售支持专员", "school": "甘肃农业大学", "major": "农林经济管理"})
+    stub_llm({"name": "张晓燕", "jobTitle": "销售支持专员", "school": "甘肃农业大学", "major": "农林经济管理"})
     parsed = asyncio.run(parse_resume_path_async(tmp_path / "张晓燕.txt"))
     assert parsed["name"] == "张晓燕"
     assert parsed["major"] == "农林经济管理"
@@ -145,7 +128,7 @@ def test_async_parse_falls_back_to_regex_when_llm_returns_empty(tmp_path, stub_l
 
 
 def test_llm_resume_fields_returns_none_without_key(llm_disabled):
-    assert asyncio.run(llm_resume_fields("姓名：张三", {})) is None
+    assert asyncio.run(llm_resume_fields("姓名：张三")) is None
 
 
 def test_async_parse_falls_back_without_llm(tmp_path, llm_disabled):