AI 资源库 · 已整理 4 项

信息检索

查看与信息检索相关的 AI 资讯、工具、Skill、工作流和开源项目。

Wera:自托管的求职职位雷达,用 LLM 按简历为职位打分

jessechumo/Wera · A smart job radar that scores roles against a user's resume

Wera 是一个自托管求职工具,从 Greenhouse、Lever、Ashby、Workday 等公开招聘接口抓取 570 多家公司的职位,按用户配置的规则过滤,本地用 TF-IDF 初步排序,再由 Coral Bricks 上的 LLM 结合用户简历计算匹配分数并给出理由。项目还提供简历编辑与多模板渲染、求职信生成、面试练习、H-1B 签证赞助数据查询以及 Chrome 扩展接口;不代替用户投递。

☆ 收藏查看来源 ↗

JobPilot AI:AI 求职申请与简历匹配平台

amitkrrr/JobPilot-AI · AI-powered job application platform that analyzes job descriptions, matches them with your resume, identifies keyword gaps, optimizes resumes, discovers relevant opportunities, and assists with personalized job applications and recruiter outreach

JobPilot AI 是一个基于 Java 的 AI 求职申请平台,可分析职位描述并与简历匹配、识别关键词差距、优化简历、发现相关职位,并协助个性化申请与招聘人员沟通。README 说明其通过 Adzuna 和 Jooble 两个实时职位 API 在 AI 对话中展示在线职位列表,并提供了本地开发与生产环境所需 API 密钥的配置方式。

☆ 收藏查看来源 ↗

Agentic AI 不缺模型,缺的是检索

有人在 BrowseComp-Plus 测试上做了个对比:把正确答案直接交给 GPT-4.1,它答对 93.49%;换成让同一个模型自己用 BM25 搜索找证据,答对率掉到 14.58%。这说明模型本身够聪明,但检索环节一旦拉胯,后面再强的推理也救不回来。文章还提醒,一个任务可能几分钟内发起成百上千次搜索,并且后续步骤依赖前面的结果,早期搜错会让整条链路跑偏。对做 Agent 的团队来说,先检查喂给模型的东西对不对,比急着换模型更划算。

文中可用工具

  • GPT-4.1用来做问答测试的模型,直接给文档时准确率高,自己搜索时准确率骤降
  • Qwen3-32B另一个参与同样对比测试的模型,自己搜索时准确率从 83.25% 掉到 3.49%
  • BM25一种传统的文本检索方法,被用作 Agent 搜索证据的基线,效果明显不佳
  • BrowseComp-Plus一个固定文档语料的评测基准,包含 100,195 篇文档和 830 个研究问题,用来区分模型能力和检索能力
☆ 收藏查看来源 ↗

AI Career Intelligence Platform:基于语义向量匹配的招聘与求职智能平台

Aryan054/ai-career-intelligence · AI Career Intelligence Platform designed to help candidates and recruiters make better hiring decisions using modern AI, Machine Learning, and backend technologies.

这是一个面向求职者与招聘方的 AI 招聘智能 SaaS 应用,结合 pgvector 与 Sentence Transformers 的语义向量嵌入,以及 spaCy 的 NLP 技能抽取,实现候选人与职位的智能匹配。平台提供求职者仪表盘(简历上传、动态匹配评分、生成式职业建议)和招聘方仪表盘(职位发布、可解释的候选人排名),并通过 Celery + Redis 进行异步处理,使用 JWT 进行安全认证。

☆ 收藏查看来源 ↗