GraphQL

Agentic AI Recruitment Platform：本地 LLM + RAG 的简历解析与岗位匹配招聘平台

DIVYANSHGUPTA-5/agentic-ai-recruitment-platform

该平台将上传的简历（PDF、DOC/DOCX 或 ZIP 批量）通过本地 LM Studio 提供的 LLM 解析为结构化候选人档案，并对简历文本分块、生成 768 维嵌入存入 PostgreSQL + pgvector；匹配时把岗位需求嵌入后做余弦相似度检索，取最相关的简历片段作为证据交给 LLM 评估，LLM 返回技能、经验、教育、领域四个子分数与说明，最终加权总分由代码计算，70 分以上自动进入短名单。配套 GraphQL/REST API、JWT 与 RBAC 角色权限、异步上传处理、React 前端以及可选的 GitHub/LinkedIn/Twitter 外部档案补充。

MCP 让 AI Agent 接入你的 API，但它不决定它们能看到什么

这篇文章讲的是：当 AI 助手（Agent）需要查订单、调库存时，人们常用 MCP 把公司内部 API 接给 AI 用。但接上只是一步，真正麻烦的是——AI 进来后能看到哪些数据？如果把 API 的所有信息都开放给 AI，像客户身份证号、财务记录这些敏感内容就有泄露风险；可要是每个团队各自写过滤规则，又会做出几十个重复的工具，很难维护。作者建议用 GraphQL 在字段层面定一份明确规则：每个字段能不能被 AI 看到、能不能写入，都写得清清楚楚，而且不用改掉原有后端系统。这样组织就能放心让 AI 调用业务接口，而不是靠每个开发者自己记得删敏感字段。