AI 资源库 · 已整理 3 项
查看与向量搜索相关的 AI 资讯、工具、Skill、工作流和开源项目。
MinhDat205/ai-recruitment-agent
一个基于 Spring Boot 与 React 的全栈招聘平台，面向 HR 和求职者两类用户。系统内的 AI 负责三件事：将 CV 抽取为结构化数据、按 HR 自定义的 rubric 逐项打分、对分数给出解释并附 CV 引用。AI 不负责加权汇总、排名或录取决定，这些交给后端基于显式权重的计算与 HR 的最终判断。技术栈包括 Java 25、Spring Boot 4.1、Spring AI 2.0（Anthropic 对话、OpenAI 嵌入、PgVector 向量库）、PostgreSQL 17 + pgvector、React 19 与 Vite。项目目前处于初始化阶段，尚未实现任何功能。
1040942669/legal-rag-agent · Evidence-grounded Chinese legal RAG with controlled adaptive retrieval, citation verification, and reproducible evaluation.
该项目是一个面向指定中国法律文本快照的可复现 RAG 工程，围绕稳定召回正确法条、验证优化有效性以及在证据不足时安全停止生成三个核心问题构建。它实现了自研中文 BM25、dense、RRF 融合与可选 cross-encoder 重排等检索能力，规则型查询理解、证据充分性检查、引用编号检查等受控 Agent 能力，以及包含分层评测集、bootstrap 置信区间、五维实验矩阵和失败归因的评测体系。项目同时在 PostgreSQL/pgvector 版本化语料、持久会话、幂等 run、SSE 续读与故障恢复等工程方向上迭代发布多个版本。项目仅用于检索与工程研究，不提供个案法律意见，且不随附完整法律语料。
Vespa.ai 将举办一场线上研讨会，讲的是搜索系统效果不好时该怎么办。很多人的第一反应是换更强的"重排器"——它负责把候选结果里最好的排到最前面——但大规模重排既费钱又慢，而且如果前面检索阶段压根没把正确结果捞进来，重排器也无能为力。这次分享提出把检索做成"多层漏斗"：先用便宜的词法、向量或混合检索从大堆文档里捞出一大批候选，再逐步收窄，最后只让少量最有希望的候选进入昂贵的机器学习重排。这样前面覆盖广、后面花钱少。活动时间为 10 月 13 日，需注册参加，未公布其他细节。