实时演示
在真实文档上看效果。
点击右侧任一字段，我们会在左侧高亮它的来源位置。
Extracted fields
Education
| Major | Degree | School | End date | Start date |
|---|---|---|---|---|
Work experience
| Title | Company | End date | Start date | Description |
|---|---|---|---|---|
示例数据。真实引擎输出。
概览
什么是简历解析？
简历解析 —— 也叫 CV 解析或简历抽取 —— 就是把自由排版的简历文档（PDF、DOCX、图片）变成结构化候选人数据。每个 ATS 和招聘平台都建立在这一层之上。用正则加模板做的话，候选人一用非标准版式就崩；用版式感知的引擎做，同一个 Schema 不用按模板配置就能覆盖数千种变体。
在上方样本简历上，Ztract 会返回候选人的 姓名、邮箱、电话 和 所在地；标题处的 简介 段落；含每段经历的职位、公司、起止日期的 工作经历 数组；含学校、学位、专业的 教育背景 数组；以及 技能 数组 —— 每条技能都是可点击的标签，链回它在页面上出现的位置。样本是一份有三段经历、两个学位的 UX 设计师简历；几秒内即可入库到 Greenhouse、Lever 或 Workday。
这里有两个设计选择很关键。第一，技能作为字符串数组返回 —— 不是逗号分隔的一坨 —— 下游做技能匹配不用再切字符串。第二，日期统一规范化：Jun 2023、06/2023、2023-06、Present 都落到可排序的格式上。多列简历、侧边栏、容易把大多数解析器搞晕的所谓创意版式，都能按正确的阅读顺序读出来。
难点
这里为什么并不简单。
这一类文档比表面更难处理的几个原因 —— 以及我们的应对方式。
-
100+ 种版式变体
时间顺序、能力导向、混合、双栏、侧边栏、带图标网格的创意版式。无论页面怎么布局，引擎都能按正确的阅读顺序读。
-
五种日期格式
Jun 2023、06/2023、2023-06、Summer 2023、Present —— 全部规范化为同一种可排序的日期格式，下游筛选和任职时长计算才能干净跑通。
-
段落、子弹或图标网格形式的技能
有的简历把技能列成 Python、SQL、React；有的用子弹点；有的用熟练度条或图标网格。全都返回为扁平的技能字符串数组。
-
保留简介段落
候选人头部简介是自由散文，不是标签字段 —— 但它是招聘者最关心的一句话。引擎逐字抽出，不会把它拆成子弹碎片。
谁在用
这些工作流用得上。
-
ATS 入库
把解析后的简历推送到 Greenhouse、Lever 或 Workday Recruiting，经历和技能都已结构化填好。
-
人才寻访
用邮箱/电话去重候选人，再跨数千份任意版式的简历搜索技能数组。
-
HR 运营
把每份简历规范成同一种形状 —— 职位、公司、日期、技能 —— 方便下游做人员、DEI 和薪酬基准报表。
常见问题