Agent 与自动化AI 资源
AI Recruitment Automation：基于 LangGraph 多智能体与混合 RAG 的端到端简历筛选与招聘流程自动化系统
hamzafarha/ai-recruitment-automation · End-to-end AI recruitment system powered by LangGraph multi-agent orchestration, Qwen2.5 LLMs, hybrid RAG with Qdrant, ESCO/O*NET ontology normalization, and transparent candidate-job matching.
ELI5：它是什么，解决什么问题
该项目是一个面向招聘场景的端到端 AI 辅助简历筛选系统。它通过 n8n 工作流串联申请入口、文档解析（数字/扫描 PDF 与 Word）、经 QLoRA 微调的 Qwen2.5 模型结构化抽取、基于 Qdrant 与 BGE-M3/BGE-reranker 的混合 RAG 筛选智能体、按岗位要求逐条生成证据支撑的分析报告、候选人通知、人工审核决策及候选人答复。系统还包含 LangGraph AI 助手、Streamlit 界面、FastAPI 接口和评测体系；模型运行在 Kaggle 免费 GPU 上，最终录用决策始终由人类招聘人员做出。
核心能力与快速开始
★ 0 · Jupyter Notebook
- 能做什么
- 提供从简历接收、文档处理、结构化信息抽取、基于混合 RAG 的岗位要求证据检索与重排序、筛选报告生成、候选人匹配排序，到 n8n 通知和人工审批决策的完整招聘工作流；内含 LangGraph AI 助手和逐条要求证据分析，并提供抽取、RAG、匹配、筛选智能体及助手等评测脚本。
- 适用场景
- 适合需要 AI 辅助简历筛选和候选人—岗位匹配的招聘团队，也适合作为多智能体编排、混合 RAG 与人在回路招聘流程的研究或教学参考项目。
- 项目形态
- 可直接使用的工具
- 部署方式
- 本地通过 Docker Compose 运行 PostgreSQL、Qdrant 和 n8n，API 与 Streamlit 界面以 Python 进程运行；AI 模型部署在 Kaggle 免费 GPU 上并通过远程链接调用。
- 主要依赖
- Python 3.12、Git、Docker Desktop、Kaggle 账号并验证手机号；模型侧 Kaggle 免费 GPU 配额为每周 30 GPU 小时，远程链接和令牌每次会话会变化。
- 使用限制
- 未说明开源许可证；需自行准备并遵守 Hugging Face 简历数据集与 ESCO 词表下载要求；默认 mock LLM 仅返回固定假答案；Kaggle GPU 配额有限，完整评测和微调耗时较长；简历文本会发送到 Kaggle 会话，仅应处理获授权的简历。
- 许可证
- 未说明
- 最近推送
- 2026-10-19 06:11
资料检查：2026-10-20 07:00 · 卡片整理：2026-11-02 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。