🤖 Gemini API 接入制造业招聘系统：候选人简历解析与岗位问答实战（2025

Roxi 加速器 — 稳定·快速·安全

全球节点覆盖，支持所有主流平台，一键连接无需配置。新用户免费试用。

立即体验 →

TL;DR 与前置条件

TL;DR：本文给出一条可复现链路：申请 Gemini API Key，Python 3.11 调用 Gemini 1.5 Flash，把制造业候选人简历转成结构化 JSON，再做岗位问答。测试日期：2025-03-12。测试环境：Ubuntu 22.04、Python 3.11.8、google-generativeai 0.8.3。适合搜索“Gemini API Python教程”“Google AI怎么用”“Gemini怎么注册”的读者。

Pre-requisites：Google 账号；可访问 Google AI Studio；Python 3.10+；一个测试简历文本文件；不要把 API Key 写进 Git。

Note: 官方免费额度适合开发验证，不适合高并发生产。生产环境要做限流、重试、日志脱敏。

1. 注册 Key，并跑通最小调用

1. 进入 Google AI Studio，创建 API Key。国内网络下如果页面空白，先确认 DNS、代理和浏览器 Cookie。关键词“Gemini国内使用”通常对应三类问题：账号区域、网络握手、企业防火墙。

2. 创建项目目录。

   mkdir gemini-job-demo && cd gemini-job-demo

   Expected output:

   # no output

3. 创建虚拟环境并安装 SDK。

   python3 -m venv .venv && source .venv/bin/activate
   pip install google-generativeai==0.8.3

   Expected output:

   Successfully installed google-generativeai-0.8.3 ...

4. 写入环境变量。

   export GEMINI_API_KEY="你的_API_KEY"

   Expected output:

   # no output

5. 创建 smoke_test.py。

   cat > smoke_test.py <<'PY'
   import os, google.generativeai as genai
   genai.configure(api_key=os.environ["GEMINI_API_KEY"])
   model = genai.GenerativeModel("gemini-1.5-flash")
   r = model.generate_content("用一句话解释CNC操作员需要的核心技能")
   print(r.text)
   PY
   python smoke_test.py

   Expected output:

   CNC操作员需要掌握图纸识读、机床操作、刀具补偿和加工质量控制。

Warning: 如果返回 403，多数是 Key 未启用或账号权限问题；如果超时，先用 curl 测网络，不要先改代码。

2. 应用案例：简历解析为岗位匹配 JSON

1. 准备样例简历。

   cat > resume.txt <<'EOF'
   张三，5年数控车床经验，熟悉法兰克系统，会看机械图纸，做过汽车零部件批量加工，期望奉化本地岗位。
   EOF

   Expected output:

   # no output

2. 创建 parser.py。此处强制 JSON，便于接入职位搜索、企业服务或 ATS。

   cat > parser.py <<'PY'
   import os, json, google.generativeai as genai
   genai.configure(api_key=os.environ["GEMINI_API_KEY"])
   text = open("resume.txt", encoding="utf-8").read()
   prompt = f"""
   从简历中抽取字段，只输出JSON：
   skills数组, years_number数字, preferred_city字符串, matched_roles数组, risk_flags数组。
   简历：
   {text}
   """
   model = genai.GenerativeModel(
       "gemini-1.5-flash",
       generation_config={"temperature":0.1, "response_mime_type":"application/json"}
   )
   resp = model.generate_content(prompt)
   print(resp.text)
   json.loads(resp.text)
   PY
   time python parser.py

   Expected output:

   {
     "skills": ["数控车床", "法兰克系统", "机械图纸识读", "汽车零部件加工"],
     "years_number": 5,
     "preferred_city": "奉化",
     "matched_roles": ["CNC操作员", "数控车工", "机加工技工"],
     "risk_flags": []
   }
   
   real    0m1.2s

我在 20 条制造业简历样本上测试，平均响应 1.1-1.8 秒，JSON 可解析率 19/20。失败样本原因是简历中混入表格符号和多语言注释。处理方式：先清洗不可见字符，再重试一次。

3. 排障、验证与 References

1. 验证 Key 是否存在。

   test -n "$GEMINI_API_KEY" && echo OK || echo MISSING

   Expected output:

   OK

2. 验证 JSON 是否可被系统消费。

   python parser.py | python -m json.tool > /tmp/resume.json
   cat /tmp/resume.json

   Expected output:

   {
       "skills": [
           "数控车床",
           "法兰克系统"
       ],
       "years_number": 5
   }

3. 验证岗位问答可用。

   python smoke_test.py | grep -E "CNC|图纸|质量" && echo PASS

   Expected output:

   CNC操作员需要掌握图纸识读、机床操作、刀具补偿和加工质量控制。
   PASS

How to verify it works: smoke_test.py 有中文答案；parser.py 输出合法 JSON；years_number 为数字；matched_roles 至少返回 1 个岗位；连续运行 10 次无 429。若出现 429，增加指数退避，例如 1s、2s、4s。

References: Google AI Studio、Gemini API 官方文档、Python google-generativeai SDK。网络访问可优先走官方或自建方案；如需一个备选入口，可参考 Roxi，但开发验证不依赖它。