sb-ai-alibaba 简历岗位匹配20250715

参考sb-ai-alibaba 20250715

 

 

 

教育经历  
北京大学软件工程本科2005.09-2009.06  
主修课程：Java语言开发、C语言开发、操作系统、编译原理、计算机网络、算法导论、电商商务、电子基础、高等数学、概率论与统计、离散数学。  

工作经验  
阿里巴巴有限公司算法工程师  
2009-7-1-2015-7-10  
拥有五年以上的算法工程师经验，熟悉各种开发语言的使用，比如ava、C++、C#等，熟练使用各种主流深度学习框架，能独立开发出高质量、高性能的算法模型，精通数据结构、算法及机器学习模型的实现与优化，在多个项目中负贡算法模型的设计与开发，包括基于深度学习的图像识别、语音识别及白然语言处理等方向。。  

小米科技有限公司算法工程师  
2015-8-1 -2020-3-1  
担任小米科技有限公司算法工程师，负责参与开发高性能机器学习算法。在项目中，我使用Python和MATLAB编写了多种算法模型，并且实现了GPU加速计算，使得算法在处理大规模复杂数据时表现优异。  
就职于小米科技有限公司，作为算法工程师，全程参与了一款自动驾驶系统的开发。在项自中，我主要通过深度学习、自标检测等技术，实现了车辆识别、道路分刮等多项技术难点，使得系统在真实道路环境下表现出了较高的稳定性和可靠性。  
在小米科技有限公司，我作为算法工程师负责了一项推荐系统的研发。该系统基于用户行为数据，使用协同过滤和深度学习技术，为用户推荐最优质的内容。在项目中，我优化了多种推荐算法，优化推荐精度达到了90%以上。

 

 

 

2、RAG知识库vectorStore

package com.ds.aiaibabaresume.config;

import com.ds.aiaibabaresume.func.ResumeServiceFunction;
import org.springframework.ai.document.Document;
import org.springframework.ai.embedding.EmbeddingModel;
import org.springframework.ai.reader.TextReader;
import org.springframework.ai.transformer.splitter.TokenTextSplitter;
import org.springframework.ai.vectorstore.SimpleVectorStore;
import org.springframework.ai.vectorstore.VectorStore;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.context.annotation.Description;
import java.util.List;
import java.util.function.Function;

@Configuration
public class RagConfig {

    @Bean
    VectorStore vectorStore(EmbeddingModel embeddingModel) {
        SimpleVectorStore simpleVectorStore = SimpleVectorStore
                .builder(embeddingModel)
                .build();
        //提取文本内容
        String filePath = "张三简历.txt";
        TextReader textReader = new TextReader(filePath);
        textReader.getCustomMetadata().put("filePath", filePath);
        List<Document> documents = textReader.get();
        //段落切分
        TokenTextSplitter splitter=new TokenTextSplitter(1200,
                350,5,
                100,true);
        splitter.apply(documents);
        //向量化存储
        simpleVectorStore.add(documents);
        return simpleVectorStore;
    }

    @Bean
    @Description("某某是否有资格面试")
    public Function<ResumeServiceFunction.Request, ResumeServiceFunction.Response>
         resumeServiceFunction(){
        return new ResumeServiceFunction();
    }
}


3、工具类ResumeServiceFunction

package com.ds.aiaibabaresume.func;

import java.util.function.Function;

public class ResumeServiceFunction
        implements Function<ResumeServiceFunction.Request,
        ResumeServiceFunction.Response> {
    @Override
    public ResumeServiceFunction.Response apply(
            ResumeServiceFunction.Request request) {
        String position ="未知";
        if (request.name.equals("张三")) {
            position = "算法工程师";
        }
        return new Response(position);
    }

    public record Request (String name) {};
    public record Response (String position) {};
}

4、应用人设

package com.ds.aiaibabaresume.controller;

import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;
import org.springframework.ai.chat.messages.Message;
import org.springframework.ai.chat.messages.SystemMessage;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.ai.chat.model.Generation;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.ai.document.Document;
import org.springframework.ai.vectorstore.VectorStore;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import java.util.List;
import java.util.Map;
import java.util.Set;
import java.util.stream.Collectors;

@RestController
public class ChatController {
    @Autowired
    private ChatModel chatModel;
    @Autowired
    private VectorStore vectorStore;

    @GetMapping("/ai/agent")
    public String chat(@RequestParam(value = "query")
                           String query ) {
        //检索
        List<Document> documents = vectorStore.similaritySearch(query);
        //提取信息
        String info="";
        if (documents.size()>0){
            info=documents.get(0).getContent();
        }
        //构造系统 prompt
        String systemPrompt= """
        角色与目标:你是一个招聘助手，会针对用户的问题，结合候选人经历，岗位匹配度等专业知识，给用户
        提供指导。
        指导原则:你需要确保给出的建议合理科学，不会对候选人的表现冇言论侮。限制:在提供建议时，需要强调在个性建议方面用户仍然需要线下寻求专业咨询。澄淸:在与用户交互过程中，你需要明确回答用户关于招聘方面的问题，对于非招聘方面的问题，你的回
        应是'我只是一个招聘助手，不能回答这个问题哦’。
        个性化:在回答时，你需要以专业可靠的预期回答，偶尔可以带点幽默感。调节气氛。
        给你提供一个数据参考，并且给你调用岗位投递检索公户
        请你跟进数据参考与工具返回结果回复用户的请求。
         """;
        //构造用户 prompt
        String userprompt= """
        给你提供一些数据参考:{info},请回答我的问题:{query}
        请你跟进数据参考与工具返回结果回复用户的请求。
        """;
        //构造提示词
        SystemMessage systemMessage = new SystemMessage(systemPrompt);
        PromptTemplate promptTemplate = new PromptTemplate(userprompt);
        Message userMessage =  promptTemplate.
                createMessage(Map.of("info",info,"query",query));
        Prompt prompt = new Prompt(
                List.of(systemMessage,userMessage),
                DashScopeChatOptions.builder()
                .withFunctions(Set.of("resumeServiceFunction")).build());
        List<Generation>  results=chatModel.call(prompt).getResults();

        String content= results.stream().map(x->x.getOutput().getText())
                .collect(Collectors.joining(""));
        return content;
    }
}


5、