当前位置：首页 > news >正文

智能简历筛选系统：RAG与规则引擎的融合实践

news 2026/7/27 1:31:47

1. 项目背景与核心挑战

在人力资源领域，简历筛选一直是个让人头疼的活。想象一下，HR每天要面对上百份简历，每份都得仔细看，生怕错过合适的人选。这种传统的人工筛选方式，效率低不说，还容易因为个人偏好导致判断偏差。我曾经见过一个案例：某公司因为HR对"985高校"的执念，错过了一位GitHub上有多个高星项目的候选人。

更糟的是，关键词匹配这种老方法已经跟不上时代了。现在的技术术语五花八门，同一个技能可能有十几种叫法。比如"Python Web开发"可能被写成"Django后端"、"Flask全栈"或者"FastAPI微服务"，但传统系统很可能因为关键词不匹配就把这些简历过滤掉了。

2. 系统设计思路

2.1 传统RAG方案的局限性

最开始我考虑直接用现成的RAG(检索增强生成)方案。这法子简单粗暴：把简历转成向量存起来，查询时找最相似的。但实测下来问题一大堆：

语义泛匹配太不精准。有次搜索"5年Java经验"，结果返回的全是"3年Python经验"的简历，只因为描述方式相似。
硬性条件没法处理。比如要求"必须本科学历"，但向量搜索可不管这个。
解释性太差。系统告诉你这份简历匹配度80%，但说不清为什么匹配。

2.2 我们的改进方案

经过多次迭代，我们设计了一个三阶段筛选漏斗：

语义初筛：先用向量检索找出50份可能相关的简历
硬性过滤：用规则引擎筛掉不符合硬指标的（比如学历、年限）
精细评分：对剩下的简历从6个维度打分排序

这个设计最大的优点是平衡了召回率和准确率。第一阶段广撒网，确保不错过任何潜在人选；第二阶段严格把关，剔除明显不合格的；最后阶段精细评估，找出最匹配的候选人。

3. 关键技术实现

3.1 简历解析与信息提取

处理PDF简历是个技术活。我们试过各种解析工具，最后选择了LlamaParse，因为它能很好地保留文档结构，输出Markdown格式。比如这样：

## 工作经历 - **高级Java工程师** | 某科技公司 (2019-2023) - 负责分布式系统架构设计 - 使用Spring Cloud微服务框架

更关键的是元数据提取。我们定义了一个结构化模型，用LLM从文本中提取关键信息：

class CandidateMetadata: name: str skills: List[str] # 最多10个核心技能 education: str # 学历标准值：本科/硕士等 work_years: int # 工作年限 # 其他字段...

这里有个实用技巧：对技能名称做归一化处理。比如把"JS"、"JavaScript"、"ECMAScript"都映射到标准名称"JavaScript"。

3.2 向量索引构建

我们用ChromaDB做向量存储，每个文档包含原始文本和提取的元数据。索引时特别注意：

对长简历做分块处理，每块不超过512个token
为每份简历生成唯一的指纹哈希，避免重复处理
元数据单独存储，方便后续过滤

document = Document( text=resume_text, metadata={ 'skills': ['Python', 'Django'], 'education': '硕士', # 其他元数据... } ) index = VectorStoreIndex.from_documents([document])

3.3 查询理解模块

HR的查询可能是自然语言，比如："找3-5年经验的Python后端，熟悉Django，最好有云计算经验"。我们用LLM将其解析为结构化条件：

{ "min_years": 3, "max_years": 5, "required_skills": ["Python", "Django"], "preferred_skills": ["云计算"], "education": "本科及以上" }

这里有个细节：我们会维护一个技能同义词库，确保查询中的技能名称与简历中的标准化名称匹配。

4. 核心筛选算法

4.1 三阶段筛选流程

语义初筛：
- 用查询文本生成向量
- 从向量库检索Top50相似简历
- 相似度阈值设为0.65，低于的直接淘汰

硬性过滤：

def hard_filter(candidate, requirements): if candidate.work_years < requirements.min_years: return False if requirements.education == '本科' and candidate.education == '专科': return False # 其他硬性条件... return True

综合评分：
- 行业匹配度(35%)：完全匹配+100分，相关+50分
- 技能匹配度(35%)：必须技能每个+20分，优先技能每个+10分
- 其他维度(30%)：薪资、学历、地点等

4.2 评分算法细节

我们设计了细粒度的评分规则。以技能匹配为例：

def calc_skills_score(candidate, requirements): score = 0 # 必须技能 for skill in requirements.required_skills: if skill in candidate.skills: score += 20 # 优先技能 for skill in requirements.preferred_skills: if skill in candidate.skills: score += 10 # 额外技能奖励 extra_skills = set(candidate.skills) - set(requirements.all_skills) score += len(extra_skills) * 5 # 每个额外技能+5分 return min(score, 100) # 百分制封顶

薪资匹配算法更复杂些，要处理各种表达方式：

"20K" → 20000
"1.5万" → 15000
"面议" → 特殊处理

5. 结果展示与解释

最终输出不是简单排序，而是包含详细解释的评估卡片：

候选人：张三 匹配度：87/100 【关键评估维度】 ✓ 技能匹配 (35/35) - 精通Python、Django（符合要求） - 熟悉AWS（优先技能加分） ✓ 行业经验 (30/35) - 5年互联网后端开发（要求3-5年） ⚠️ 薪资注意 (8/10) - 期望25K，岗位预算20-25K（在范围内但偏高） 【LLM综合评价】 张三是位经验丰富的Python后端工程师，完全满足技术要求。 建议面试时确认薪资期望是否可协商。

这种展示方式帮助HR快速理解候选人的优劣势，比传统的关键词匹配直观多了。