01原始赛题

在当前国家从"人口红利"向"人才红利"转型的关键期，随着"新质生产力"概念的提出、"人工智能+"行动的深入实施以及数字经济的蓬勃发展，以新一代信息技术为代表的新兴领域正成为数字经济与产业升级的核心引擎。

然而，数字经济的快速发展使得技术迭代速度远超人才培养周期，导致劳动力市场出现了严重的结构性矛盾——企业在新兴岗位上面临"招不到合适的人"的困境，其是以新兴领域青年、新就业形态劳动者等为代表的群体，其职业发展路径模糊、技能需求动态性强。传统的人才盘点与招聘手段多依赖关键词匹配，缺乏对技术趋势的实时感知能力，难以回答"技术 A 的爆发会导致新兴岗位 B 产生哪些新技能需求"这一动态关联问题，已无法适配数字经济时代对人才能力的动态评估与精准匹配需求。

因此，企业面临"人岗匹配度低、新兴岗位识别难"的痛点，招聘与培养成本居高不下；新兴领域青年也迫切需要动态的行业技能图谱来指引职业规划。随着大模型的强语义理解与信息抽取能力、知识图谱对复杂关系的结构化表达能力，以及多源数据融合与交叉验证技术的深度应用，构建一个能够自我进化的"人才能力大脑"，实现从"静态画像"向"动态感知"的跨越已成为可能。

本赛题聚焦"数据驱动 + 大模型 + 知识图谱"核心技术方向，重点围绕三大核心难题展开攻关：

02数据支撑与需求分析

2.1 国家政策文件 —— 强支撑

支撑原文："'人工智能+'行动的深入实施以及数字经济的蓬勃发展"，为本项目 AI 赋能人才服务提供政策依据。

支撑：国家从人口红利转向人才红利、新质生产力带动新兴产业岗位迭代，产业升级催生新型人才匹配需求。

支撑：新兴领域青年、新就业形态劳动者群体职业路径模糊、缺少技能指引的痛点背景。

支撑：人才培养周期滞后于产业技术迭代、高校人才供给和产业岗位需求错配的结构性矛盾。

2.2 行业权威报告

数字经济高速发展、技术迭代加速，新兴岗位持续涌现，劳动力市场结构性矛盾加剧。

传统关键词简历匹配方式精度不足，企业新兴岗位招人难、求职者技能信息不对称等产业现实痛点。

AI、大数据等岗位技能要求动态变化，岗位能力标准持续演化，静态人才画像难以满足需求。

2.3 现存痛点需求（分两类主体）

2.4 功能需求

1. 多源数据采集与治理：对招聘 JD、行业报告、技术社区、课程文档等多源数据清洗、去重、降噪，抑制大模型幻觉，保证数据源可靠；
2. 新兴岗位自动挖掘、岗位能力图谱动态迭代：自动识别新增岗位，持续更新已有岗位的技能、经验、资质要求，形成可进化的岗位知识图谱；
3. 细粒度简历解析：基于大模型做简历结构化抽取，构建动态人才能力画像，区别于传统静态标签；
4. 人岗差距诊断：量化人才与岗位之间的能力缺口，实现高精度人岗匹配；
5. 智能输出：根据能力缺口自动生成个性化学习路径、提升建议；
6. 可视化能力：岗位 - 技能 - 人才全景图谱可视化，直观展示行业技能关联、岗位演化关系。

2.5 非功能需求

1. 动态可进化：图谱不是一次性构建，持续接入新数据、跟随技术迭代自动更新；
2. 可靠性：具备数据交叉校验、幻觉抑制机制，降低图谱错误；
3. 可解释：匹配结果、能力缺口、推荐学习路径具备可解释性；
4. 扩展性：支持新增数据源、新增行业，适配后续更多新兴产业。

2.6 目标用户

03服务支持终端平台

04核心功能列表

4.1 Web 端平台

1. 多源招聘数据采集与降噪治理 —— 自动抓取招聘 JD、行业报告、技术社区内容；做去重、剔除抄袭内容、过滤过时失效数据，同时做多源交叉校验，抑制大模型抽取幻觉，保证数据靠谱。（后台）
2. 新兴岗位自动挖掘识别 —— 从海量文本里自动找出刚冒出来的新岗位，自动定义岗位基本信息，不用人工挨个新增岗位。（后台）
3. 岗位能力图谱动态更新 —— 持续跟进行业变化，自动更新老岗位的技能、经验、证书要求，形成可以自己进化的岗位 - 技能知识图谱。
4. 简历智能解析与人才画像构建 —— 上传简历，大模型自动拆出技能、项目、经验等细粒度信息，生成动态人才能力画像，不是简单的关键词标签。
5. 细粒度人岗差距诊断与智能匹配 —— 对比人才能力和岗位要求，算出匹配分数，清清楚楚标出哪里能力缺、缺口多大，匹配结果可解释。
6. 个性化学习路径与提升方案推荐 —— 根据能力缺口，自动推荐要学的技能、学习顺序、配套学习资源，给求职者补短板的路线。
7. 岗位 - 技能 - 人才全景图谱可视化 —— 可视化展示岗位之间关联、技能依赖关系、岗位演化趋势，能直观看到技术变化会带动哪些岗位、技能跟着变。
8. 多角色权限管理（企业 / 学生 / 管理端） —— 企业端：管理岗位、查看候选人匹配报告、人才盘点；求职者端：简历上传、自测、看岗位推荐和学习路线；管理端：监测图谱质量、查看行业人才趋势。
9. 产业人才趋势监测统计 —— 统计赛道岗位数量、热门技能变化，输出行业人才分析报表，给高校、人社部门做就业、专业调整参考。

Agent / AI 功能

补充：外站资源链接按钮、推荐岗位标签、人脸识别登录、合并额外功能（收藏、个人档案等）。

4.2 微信小程序平台

基础闭环功能（和 Web 核心业务对齐，保证完整链路）

1. 简历解析：支持 PDF 简历、图片简历上传，OCR 识别，自动抽取项目、技能、证书，生成动态人才能力画像
2. 新兴岗位广场：浏览平台挖掘发现的新兴岗位，查看岗位技能要求、岗位发展趋势
3. 人岗匹配诊断：自选岗位一键诊断，展示匹配分数、细粒度能力缺口、缺口权重
4. 个性化学习路线：查看基于能力缺口生成的学习顺序、配套学习资源
5. 轻量化技能图谱：简化版技能依赖关系图，查看技能上下游、关联岗位
6. 个人能力档案：存储多份简历、历史诊断报告、历次岗位匹配记录
7. 收藏功能：支持收藏感兴趣岗位、学习资源

移动端特色额外功能（Web 端体验弱 / 不具备，国赛加分项）

1. 拍照 OCR 录入：直接拍照竞赛证书、项目证明、技能证书，提取技能信息补充到个人能力档案
2. 能力快速自测问卷：无需上传简历，通过答题快速生成简易能力画像，适合低年级无简历学生
3. 学习打卡与成长台账：完成技能学习打卡，记录学习进度，学习数据回流后端，优化人才画像与匹配模型
4. 岗位 / 赛道订阅通知：订阅指定技术赛道，有新岗位上线、原有岗位技能要求更新时，接收微信服务通知提醒
5. 配套面试题推送：根据能力缺口，定向推送对应技能面试习题，碎片化刷题练习
6. 轻量化技能互助社区：技能问答交流板块，用户提问、交流学习经验，内容经 Web 后台审核，同时回流辅助挖掘热门技能
7. 本地岗位推荐：调用微信位置，优先推荐属地新质生产力相关岗位，适配高校就业、地方人才服务场景
8. 学习计划定时提醒：自定义学习计划，到点接收微信提醒

Agent / AI 功能（小程序端）

补充：推荐岗位标签。

05实现策略与系统架构

06竞品对比

一句话总起：猎聘、BOSS 直聘、智联本质是招聘撮合交易平台，核心目标是对接企业和求职者、促成简历投递与沟通；而本项目定位是面向新质生产力赛道的自进化人才能力大脑，核心解决「新兴岗位识别、技能演化推理、细粒度人岗诊断、职业成长、产业监测」，底层逻辑完全不同。

对标：猎聘

猎聘主打中高端科技人才招聘，自带 AI 简历解析、人才推荐，依托企业主动发布岗位，搭配猎头服务，适合成熟岗位找人。

猎聘短板	本项目优势
岗位库依赖企业主动发布，没有自动挖掘新兴岗位的能力，AI、大模型、Agent 这类新岗位出现很久之后平台才会收录，岗位能力标准更新滞后；	爬虫持续采集多源文本，自动挖掘尚未被企业广泛发布的新兴岗位，图谱持续自迭代；
匹配底层是向量语义相似度 + 关键词匹配，只能做表层比对，没有岗位 - 技能 - 技术之间的关系图谱，无法回答"新技术会催生哪些岗位、带来哪些新技能要求"；	基于 Neo4j 知识图谱 + GraphRAG 多跳推理，可追溯技术、岗位、技能演化关系，匹配结果附带图谱链路证据，可解释；
AI 解析、推荐结果黑盒化，匹配分数缺少可解释链路，没有图谱证据；	诊断之后自动生成有序学习路线、配套 B 站课程资源，小程序提供自测、打卡、数字人模拟面试，形成完整成长闭环；
产品终点是邀约、面试、入职交付，不做求职者后续学习路线、能力补齐、模拟面试成长闭环；	一套底座同时服务 C 求职者、B 企业、G 高校人社，输出产业人才趋势报表，支撑产教融合。
偏向 B 端招聘交付，没有面向高校、人社的产业趋势监测报表能力。	——

对标：BOSS 直聘

BOSS 直聘主打直聊模式，以信息流推荐、即时沟通为核心，门槛低、岗位量大，偏向快速撮合。

BOSS 直聘短板	本项目优势
岗位数据混杂，大量岗位描述粗糙、过时、重复，缺少系统性的数据降噪、抄袭校验、幻觉复核机制；	内置完整数据治理流水线 + 人工复核中台，自动过滤脏数据、过时岗位、抄袭内容，低置信抽取结果人工校准，抑制幻觉；
推荐是用户行为 + 文本相似度推荐，只关心"岗位和人能不能聊上"，不关心技能依赖关系、岗位演化规律；	细粒度拆解能力缺口，给出缺口权重、补学优先级；
没有细粒度能力缺口诊断，只做粗略匹配，不会量化告诉你"哪一项技能缺失、优先级如何"；	支持无简历问卷自测、证书拍照 OCR 录入技能，适合低年级学生、转行者，而 BOSS 直聘高度依赖成熟简历。
面向求职沟通，几乎没有人才盘点、产业趋势分析能力，不服务高校和人社部门。	——

对标：智联招聘

智联覆盖广，提供 AI 面试、人才测评、校招方案，偏向传统白领、校园招聘。

智联短板	本项目优势
测评模块大多是固定心理题库、通用能力试卷，不是基于当下产业真实岗位技能需求动态生成；	岗位、技能库跟随全网技术文本动态更新，前沿赛道技能识别更贴合产业现状；
岗位体系静态，新兴赛道细分技能识别弱，对 AI、向量数据库、GraphRAG 这类前沿技术术语理解不足；	数字人模拟面试题是基于用户当前画像 + 目标岗位 JD 动态生成，对准个人短板，而不是固定题库；
图谱能力缺失，无法分析技术迭代对岗位的连锁影响。	全景图谱大屏直观展示产业技能网络，支撑高校专业调整、就业分析。

对标：市面上独立 AI 简历测评工具

这类工具仅上传简历，输出一份测评报告。

竞品短板	本项目优势
大多直接丢给大模型自由输出，缺少校验，幻觉高发，结果不稳定；	所有 AI 推理锚定自建、持续更新的岗位知识图谱，GraphRAG 检索约束答案，降低幻觉；
没有独立岗位知识库，岗位标准来自大模型固有知识，滞后、容易过时；	人机协同质控中台，低置信样本人工复核；
只有测评，没有持续更新的岗位库、产业监测、企业人才盘点功能。	打通 C 求职、B 人才盘点、G 产业监测三类场景，不是单点小工具。