简历解析加固：标签字间空格容错（姓 名 ：X）、在读学历识别（硕士在读/大二→本科在读）、docx 表格文本按文档顺序提取（修复技能区整块丢失）、词表源补 LLM/大语言模型/Transformers/Prompt Engineering/智能体开发等真实简历高频别名（generate_dataset.py 为词表唯一源，data/ 不入库）、在读/应届年限显示，新增回归测试 2 例，real_jd_500 F1 99.83% 无回退

webui/app.js

@@ -1388,9 +1388,12 @@ function applyParsedProfile(p, sourceDesc) {
   matchState.skills = [...p.skills];
   matchState.years = p.years || 0;
   $("#resume-text").value = p.raw_masked_text || "";
+  const yearsHtml = p.years
+    ? `工作年限约 <b>${p.years}</b> 年`
+    : (/应届|在读|大[一二三四]/.test(p.raw_masked_text || "") ? "工作年限 <b>在读 / 应届</b>" : "工作年限 <b>未识别</b>");
   $("#parse-summary").innerHTML =
     `解析完成（来源：${esc(sourceDesc || "文本")}，已自动脱敏）：识别技能 <b>${p.skills.length}</b> 项 · ` +
-    `工作年限约 <b>${p.years || 0}</b> 年 · 场景经验 <b>${(p.scenarios || []).join("、") || "未识别"}</b>`;
+    `${yearsHtml} · 场景经验 <b>${(p.scenarios || []).join("、") || "未识别"}</b>`;
   $("#parse-years").value = matchState.years;
   renderSkillChips();
   setMatchStep(2);
@@ -1577,7 +1580,7 @@ function renderResumeHighlight(m) {
         <td class="rd-photo-cell" rowspan="3">${photo}</td>
         ${kv("姓名", p.name)}${kv("性别", p.gender)}
       </tr>
-      <tr>${kv("学历", p.education)}${kv("工作年限", p.years ? p.years + " 年" : "")}</tr>
+      <tr>${kv("学历", p.education)}${kv("工作年限", p.years ? p.years + " 年" : (/应届|在读|大[一二三四]/.test(p.raw_masked_text || "") ? "在读 / 应届" : ""))}</tr>
       <tr>${kv("手机", p.phone)}${kv("邮箱", p.email)}</tr>
       <tr><td class="rd-k">家庭住址</td><td class="rd-v" colspan="4">${esc(p.address || "—")}</td></tr>
       ${secs.map((sec) => `

webui/index.html

@@ -705,7 +705,7 @@
     <i class="tour-track"><i id="tour-fill"></i></i>
   </div>
 
-  <script src="/static/app.js?v=20260831"></script>
+  <script src="/static/app.js?v=20260831-2"></script>
   <script src="/static/graph.js?v=20260831"></script>
 </body>
 </html>