在演示中，招聘知识图谱常是一张很有冲击力的网络图：候选人连接技能，技能连接岗位，岗位连接行业。节点越多、连线越密，似乎系统就越“智能”。但进入生产后，最难的问题不是把线画出来，而是回答：两个名称是不是同一技能？一条关系来自简历原文、词典还是模型推断？词表更新后，历史匹配结果能否重现？
知识图谱的价值不在可视化，而在把业务概念、关系含义、来源和约束变成机器与人都能检查的数据合同。没有这些工程基础，图越大，错误传播越快。
先区分四类对象
招聘场景至少包含四种性质不同的实体。第一类是原始业务对象，如候选人、职位、公司和一段工作经历；第二类是标准概念，如技能、职业、专业和行业；第三类是证据，如简历片段、JD 条款和证书；第四类是处理活动，如抽取、归一、人工确认和模型推断。
把它们混在一起会产生典型歧义。“候选人—拥有—Python”到底表示简历中出现了这个词、模型判断其具备能力，还是人工已经验证？“岗位—需要—沟通能力”是硬性条件还是加分项？如果边的类型没有表达证据强度和来源，下游排序只能把不同含义当成同一事实。
RDF 提供结构，词汇表提供共同语言
RDF 1.1 用主语、谓语、宾语三元组表达事实，并用全局标识符区分资源。它适合描述“某段经历发生于某公司”“某技能是某职业的相关能力”等关系。但 RDF 只提供表达机制，不会替团队决定业务语义。
团队仍需定义本体或应用词汇：实体类别、关系方向、允许的值和生命周期。命名应避免过度抽象。例如，与其用一个 relatedTo 连接所有对象，不如分别定义“原文提及技能”“标准化为技能”“职位要求技能”“人工确认技能”，让查询和质量检查知道边的含义。
技能与职业体系常具有同义词、上下位和关联关系。SKOS 提供 prefLabel、altLabel、broader、narrower、related 等概念组织方式。以它建词表，可以把“自然语言处理”作为首选标签，将“NLP”作为别名，并连接到更广义的“人工智能”概念。
但 broader 不等于逻辑上的“具备子技能必然具备父技能”。图谱关系服务于检索扩展时可以较宽松，服务于资格判断时必须更谨慎。同一条边在不同业务决策中的含义应明确规定。
实体消歧不是字符串去重
“产品经理”和“产品管理”可能相关但不是同一概念；“Java”可能是编程语言，也可能出现在公司或地名中；同名公司可能是不同法人。实体链接通常需要综合名称、上下文、类型、层级和外部标识，而不能只靠编辑距离。
一个稳妥的流程是先生成候选概念，再计算上下文与类型证据，达到阈值才自动链接；候选接近或缺少证据时保留未决状态。原始名称永远不应被标准概念覆盖，因为词表会更新，错误链接也需要回滚。
每一次链接最好保存方法、词表版本、模型版本、置信度和证据片段。人工修正不只是改最终 ID，还应成为消歧规则和测试集的新样本。
用 SHACL 把“应该如此”变成可执行检查
图数据库能存下一条三元组，并不代表它符合业务要求。SHACL 允许用形状描述 RDF 图应满足的约束，例如属性最少或最多出现几次、值必须属于什么类型、允许哪些枚举，以及对象必须是哪一类实体。
在招聘图谱中，可以规定每段工作经历最多有一个开始日期，岗位要求必须连接到一个技能概念并标明“必须/可选”，标准技能必须有首选标签，模型推断关系必须带来源和置信度。约束失败时不一定拒绝写入，也可以进入隔离区等待修复；关键是错误不能静默进入下游匹配。
质量还要分层衡量：结构层检查缺失与类型，语义层检查冲突关系，来源层检查是否可追溯，时间层检查词表和事实是否过期。单纯统计节点和边数量，几乎不能说明图谱是否可用。
PROV：让每条关系能回答“从哪里来”
W3C PROV-O 用实体、活动和代理人描述数据来源及生成过程。映射到招聘场景，一段简历文本是输入实体，一次模型抽取是活动，模型或审核员是代理人，生成的技能关系是输出实体。
来源记录使系统能够区分“候选人明确写过”“模型从职责推断”“招聘人员确认过”三种证据。模型升级后，也可以找到旧版本生成的关系批量重算；候选人要求更正或删除数据时，能追踪哪些标准化结果和匹配结果由该原始记录派生。
来源并非在图谱完成后补一列 source。它需要从采集、抽取、链接到应用全程设计，否则关键转换已经不可逆。
从一个窄而完整的闭环开始
建设招聘知识图谱时，最危险的目标是“先把所有人才知识都连起来”。更好的起点是一项清楚的任务，例如技能别名归一与搜索扩展。
先选定一个岗位族，定义小规模技能概念与关系；保存原始表达和标准映射；为链接结果建立人工复核界面；用 SHACL 检查必需字段与非法关系；用来源记录追踪每次变更；最后评估它是否提高了有效召回，同时控制错误扩展。闭环稳定后再增加职业层级、相邻技能或经历证据。
图谱也需要发布与版本策略。概念合并、拆分或废弃时，应提供替代关系和迁移记录；下游模型要声明使用哪个版本。否则今天的匹配结果无法用明天的词表解释。
招聘知识图谱不是一张静态地图，而是一套持续变化的语义基础设施。实体定义决定能表达什么，质量约束决定什么可以进入生产，来源记录决定结果是否可信。把这三件事做扎实之后，可视化只是最容易的一步。