简历学历/年限机制完善：学位词同行'至今'推断在读（专硕…2025.09-至今→硕士（在读））、无'X年经验'时按实习/工作/项目时间段累计兜底（教育经历不计入）、年限显示优先级（明确工龄>在读/应届>区间估计），新增回归测试 2 例

app/match/resume.py

@@ -23,11 +23,17 @@ _NAME_RE = re.compile(r"姓\s*名\s*[:：]\s*([一-龥]{2,4})")
 # 简历常见写法：首行裸姓名（无"姓名："前缀），如"      王伟航      "
 _BARE_NAME_RE = re.compile(r"^\s*([一-龥]{2,4})\s*$", re.MULTILINE)
 _YEARS_RE = re.compile(r"(\d+(?:\.\d+)?)\s*年(?:以上)?[^\n，。；]{0,6}?经验")
+# 时间段兜底："2023.07-2023.08" / "2021.09-2025.6" / "2025.12-至今"
+_PERIOD_RE = re.compile(
+    r"(20\d{2})\s*[./年]\s*(\d{1,2})\s*月?\s*[-–—~]+\s*(?:(20\d{2})\s*[./年]\s*(\d{1,2})\s*月?|至今)")
 _GENDER_RE = re.compile(r"性\s*别\s*[:：]?\s*(男|女)")
 _EDU_RE = re.compile(r"(博士后|博士|专硕|学硕|硕士|研究生|MBA|本科|大专|专科)")
 _EDU_MAP = {"专硕": "硕士", "学硕": "硕士", "研究生": "硕士"}
 # 在读学历：「硕士在读」或「大二/大三」这类年级写法 → 本科（在读）
 _EDU_READING_RE = re.compile(r"(本科|硕士|博士|研究生|MBA)\s*在读")
+# 学位词同行出现"至今"（教育经历未结束的常见写法）：金融科技（专硕）… 2025.09-至今 → 在读
+_EDU_ONGOING_RE = re.compile(
+    r"(博士后|博士|专硕|学硕|硕士|研究生|MBA|本科|大专|专科)[^\n]{0,30}?至今")
 _GRADE_RE = re.compile(r"大[一二三四]")
 _ADDR_RE = re.compile(r"(?:家庭住址|现居(?:住)?(?:地|址)?|联系地址|通讯地址|籍贯)[:：]\s*([^\n，。；]{2,30})")
 
@@ -53,10 +59,13 @@ def _extract_name(text: str) -> str:
 
 
 def _extract_education(text: str) -> str:
-    """学历：优先识别在读（"硕士在读"/"大二"年级写法），再匹配学位词。"""
+    """学历：优先识别在读（"硕士在读" / 学位词同行"至今" / "大二"年级写法），再匹配学位词。"""
     rm = _EDU_READING_RE.search(text)
     if rm:
         return f"{_EDU_MAP.get(rm.group(1), rm.group(1))}（在读）"
+    om = _EDU_ONGOING_RE.search(text)
+    if om:
+        return f"{_EDU_MAP.get(om.group(1), om.group(1))}（在读）"
     if _GRADE_RE.search(text):
         return "本科（在读）"
     m = _EDU_RE.search(text)
@@ -178,6 +187,33 @@ def _mask_addr(addr: str) -> str:
     return addr[:6] + "***" if len(addr) > 6 else addr
 
 
+def _estimate_years(text: str) -> float:
+    """工作年限兜底估计：无"X年经验"写法时，累加工作/实习/项目分节中的时间段。
+
+    教育经历不计入工龄；无分节时剔除教育相关行后全文兜底。
+    单段封顶 36 个月、总计封顶 10 年，防误识别。
+    """
+    import datetime as _dt
+    work_titles = {"工作经历", "工作经验", "实习经历", "项目经历", "项目经验"}
+    secs = split_sections(text)
+    body = "\n".join(s["text"] for s in secs if s["title"] in work_titles)
+    if not body.strip():
+        body = "\n".join(ln for ln in text.splitlines()
+                         if not re.search(r"大学|学院|学校|教育|学历|学位|GPA", ln, re.IGNORECASE))
+    now = _dt.date.today()
+    months = 0
+    for m in _PERIOD_RE.finditer(body):
+        y1, m1 = int(m.group(1)), int(m.group(2))
+        if m.group(3):
+            y2, m2 = int(m.group(3)), int(m.group(4))
+        else:
+            y2, m2 = now.year, now.month
+        dm = (y2 - y1) * 12 + (m2 - m1) + 1
+        if 0 < dm <= 600:           # 超 50 年的区间视为误识别
+            months += min(dm, 36)
+    return round(min(months, 120) / 12, 1)
+
+
 def parse_resume(text: str, matcher: SkillMatcher | None = None,
                  photo_b64: str = "") -> ResumeProfile:
     """从简历文本解析脱敏画像（含结构化基本信息与分节）。"""
@@ -194,7 +230,7 @@ def parse_resume(text: str, matcher: SkillMatcher | None = None,
         name=(name[0] + "*" * (len(name) - 1)) if name else "",
         phone=(phone_m.group(0)[:3] + "****" + phone_m.group(0)[-2:]) if phone_m else "",
         email=(email_m.group(0)[0] + "***@" + email_m.group(0).split("@")[1]) if email_m else "",
-        years=float(years_m.group(1)) if years_m else 0.0,
+        years=float(years_m.group(1)) if years_m else _estimate_years(text),
         skills=matcher.find_names(text),
         scenarios=matcher.find_scenarios(text),
         raw_masked_text=masked,

tests/test_match.py

@@ -94,7 +94,7 @@ def test_resume_parse_skills_and_years():
 
 
 def test_resume_bare_name_and_edu_alias():
-    """真实简历排版：首行裸姓名（无"姓名："前缀）可识别并脱敏；专硕归一为硕士。"""
+    """真实简历排版：首行裸姓名（无"姓名："前缀）可识别并脱敏；专硕归一；"至今"推断在读。"""
     from app.match.resume import parse_resume
     text = ("      王伟航          \n出生年月：2003年10月      现居地：辽宁大连\n"
             "联系电话：19293819303  电子邮件：wwh@example.com\n"
@@ -102,7 +102,7 @@ def test_resume_bare_name_and_edu_alias():
             "职业技能：熟练掌握Python、Hadoop等数据分析技能。")
     p = parse_resume(text)
     assert p.name == "王**" and "王伟航" not in p.raw_masked_text   # 裸姓名识别+脱敏
-    assert p.education == "硕士"                                     # 专硕→硕士
+    assert p.education == "硕士（在读）"                             # 专硕→硕士；同行"至今"→在读
     assert p.address.startswith("辽宁大连")
     assert "Python" in p.skills
 
@@ -128,6 +128,25 @@ def test_resume_reading_degree_explicit():
     assert p.education == "硕士（在读）"
 
 
+def test_resume_years_estimate_from_periods():
+    """无"X年经验"时按实习/工作/项目时间段累计兜底；教育经历不计入工龄。"""
+    from app.match.resume import parse_resume
+    text = ("姓名：王伟航\n"
+            "教育经历\n东北财经大学  金融科技（专硕）  2025.09-至今\n"
+            "实习经历\n某研究院  2025.12-2026.02\n某中心  2023.07-2023.08\n某公司  2024.07-2024.09\n"
+            "职业技能：Python")
+    p = parse_resume(text)
+    assert p.education == "硕士（在读）"
+    assert p.years == 0.7   # 3+2+3=8 个月实习
+
+
+def test_resume_years_explicit_wins():
+    """明确"X年经验"优先于时间段估计。"""
+    from app.match.resume import parse_resume
+    p = parse_resume("姓名：张三\n工作经历\n某公司 2020.01-至今\n5年开发经验，熟悉Python。")
+    assert p.years == 5.0
+
+
 def test_learning_path_stage_chunking():
     """同层技能超 3 个时拆成多个连续阶段；拓扑序不变。"""
     stages = topological_stages(["Linux", "Docker", "Kubernetes", "Python", "Java", "Go", "MySQL"],

webui/app.js

@@ -1388,9 +1388,12 @@ function applyParsedProfile(p, sourceDesc) {
   matchState.skills = [...p.skills];
   matchState.years = p.years || 0;
   $("#resume-text").value = p.raw_masked_text || "";
-  const yearsHtml = p.years
+  const studentish = (p.education || "").includes("在读")
+    || /应届|在读|大[一二三四]/.test(p.raw_masked_text || "");
+  const yearsHtml = p.years >= 1
     ? `工作年限约 <b>${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>");
+    : (studentish ? "工作年限 <b>在读 / 应届</b>"
+      : (p.years ? `工作年限约 <b>${p.years}</b> 年（实习/项目累计）` : "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>${p.skills.length}</b> 项 · ` +
     `${yearsHtml} · 场景经验 <b>${(p.scenarios || []).join("、") || "未识别"}</b>`;
@@ -1572,6 +1575,11 @@ function renderResumeHighlight(m) {
     ? `<img class="rd-photo" src="${p.photo_b64}" alt="证件照">`
     : `<div class="rd-photo rd-photo-empty"><svg viewBox="0 0 24 24"><circle cx="12" cy="8" r="4"/><path d="M4 21c0-4 3.6-7 8-7s8 3 8 7"/></svg><span>无照片</span></div>`;
   const kv = (k, v) => `<td class="rd-k">${k}</td><td class="rd-v">${esc(v || "—")}</td>`;
+  /* 年限显示：明确工龄优先；在读学历/应届文本其次；再退到实习项目区间估计值 */
+  const studentish = (p.education || "").includes("在读")
+    || /应届|在读|大[一二三四]/.test(p.raw_masked_text || "");
+  const yearsText = p.years >= 1 ? p.years + " 年"
+    : (studentish ? "在读 / 应届" : (p.years ? `约 ${p.years} 年（实习/项目累计）` : ""));
   const secs = (p.sections && p.sections.length)
     ? p.sections : [{ title: "简历全文", text: p.raw_masked_text }];
   box.innerHTML = `
@@ -1580,7 +1588,7 @@ function renderResumeHighlight(m) {
         <td class="rd-photo-cell" rowspan="3">${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" : (/应届|在读|大[一二三四]/.test(p.raw_masked_text || "") ? "在读 / 应届" : ""))}</tr>
+      <tr>${kv("学历", p.education)}${kv("工作年限", yearsText)}</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=20260831-2"></script>
+  <script src="/static/app.js?v=20260901"></script>
   <script src="/static/graph.js?v=20260831"></script>
 </body>
 </html>