RAG 筛选

筛选候选人是项目的核心能力。系统结合结构化字段、向量检索和 LLM 精排，输出可解释的候选人结果。

筛选流程

用户输入筛选条件
  -> 查询增强
  -> 向量召回
  -> 候选人去重
  -> 结构化硬筛
  -> LLM 精排
  -> 返回候选人卡片

查询增强

用户可能输入非常口语化的条件，例如：

找做过 Agent 的后端

查询增强会生成更适合检索的短查询，提高召回质量。

向量召回

系统使用 LangChain PGVector 进行相似度检索，并通过 metadata 限定岗位范围。

召回结果中会包含 resume_id，后端再根据 resume_id 查询完整简历结构化数据。

硬筛

硬筛会根据结构化字段做确定性判断，例如：

• 学历要求
• 工作年限要求
• 是否包含 Agent 相关经验
• OR 条件

LLM 精排

进入精排的候选人会被送入 LLM。LLM 返回：

• match_score
• match_reasons
• weaknesses
• highest_degree
• work_years
• skills

前端展示这些字段，方便人工复核。

降级策略

如果 LLM 精排失败，后端会返回基础匹配结果，保证接口可用。