Sikai Blog
Recruiting-AI engineering, product and industry insight from the Xiaoxi data-science team.
Resume parsing简历解析准确率怎么测，才不会被一个数字误导？
从信息抽取指标、记录对齐、错误分类、置信度校准与线上漂移出发，建立一套可复现的简历解析评估体系，并给出采购与验收问题清单。
Industry insight招聘智能体如何落地：从“会聊天”到“能完成受控流程”
结合 ReAct、Toolformer 与 NIST 智能体安全研究，拆解招聘 Agent 的模型、工具、状态、权限、审批、幂等和提示注入防护。
Matching从岗位名称到技能证据：人岗匹配应该如何升级
结合 OECD skills-first 研究、ESCO 职业技能分类与跨语言映射实践，拆解技能型匹配如何建立技能概念、经历证据、岗位约束和可解释排序。
Resume parsing从 OCR 到多模态理解：复杂简历解析为什么更需要“看懂版面”
结合 LayoutLMv3、LayoutXLM、XYLayoutLM、Donut 与 UDOP 研究，解释文本、坐标、视觉和阅读顺序如何共同决定简历结构，以及 OCR 与 OCR-free 路线如何选择。
Industry insight招聘 AI 不只要准确，还要可解释、可复核、可退出
结合《个人信息保护法》、个人信息保护合规审计指引、欧盟 AI Act 与 NIST AI RMF，拆解招聘 AI 从数据使用到自动化决策的产品与工程控制。
Knowledge graphRAG 如何让招聘 AI 的回答更有依据？
深入拆解招聘 RAG 的知识组织、权限过滤、混合检索、重排、引用与评估，并解释为什么“向量库 + 大模型”不足以支撑真实人才数据场景。
Resume parsing多语言简历解析，难点远不止“把文字翻译成中文”
从 LayoutXLM、ESCO 与跨语言职业映射实践出发，分析姓名、日期、学历、岗位和技能在不同语言与地区间为何不能直接翻译，以及生产系统如何保留证据并完成标准化。
Resume parsing大模型来了，简历解析还需要规则和传统模型吗？
从信息抽取研究和生产链路出发，拆解大模型在简历解析中的真实能力边界：哪些字段适合 LLM，哪些仍应交给 OCR、版面模型、规则与专用模型。
Job parsing一份 JD 到底在招什么：职位要求与技能抽取方法
从 SkillSpan、弱监督技能抽取与 ESCO 职业技能体系出发，将 JD 拆成职责、必要条件、优先条件和可追溯标准技能。