
优企实战
后端开发实习生
项目介绍
需求简介
基于AI自动生成企业HR分身欢迎语
系统利用AI技术自动生成并发送友好、专业的欢迎语,用于求职者互动的开场,提升求职者体验,并引导其进入下一步的互动。
基于Docker容器化技术搭建数据存储集群
通过Docker容器化技术搭建并配置MySQL数据存储集群,以支持后续的聊天历史持久化功能。包括选择合适的MySQL版本,使用容器编排工具(如Docker Compose或Kubernetes)实现集群部署,并进行基础配置,如用户权限管理、数据库创建和集群监控等。
聊天历史的线性与非线性持久化
设计并实现聊天记录的持久化存储功能,支持按时间顺序(线性)和分支跳转(非线性)两种方式存储对话内容,确保对话历史能够安全保存并便于查询和回顾。
企业私有知识库构建与管理
建立并管理一个企业私有知识库,以支持HR智能分身的知识获取和回答功能。知识库将包含公司特定的信息,如公司文化、职位描述、招聘流程、常见问题解答等,并能够定期更新和扩展。这个私有知识库将作为大语言模型进行智能问答的基础数据来源,确保回答的准确性和一致性。
基于OpenAI等大语言模型进行智能问答
利用OpenAI等先进的大语言模型,增强Chatbot的智能问答能力,确保系统能够分析并理解求职者的复杂问题,提供准确且个性化的回复。
LLM模型切换
支持多个大语言模型之间的灵活切换,根据不同的对话内容选择最合适的模型进行回答。
模型配置与调优
对大语言模型进行微调,使其更适应招聘场景,并支持不同模型参数的动态调整,以提升问答的准确性。
多轮对话管理
实现多轮对话管理功能,确保Chatbot能够理解和处理连续的对话,保持上下文的一致性,并在对话中断后能恢复到先前的状态。
求职者信息收集
在与求职者的对话中,系统主动收集关键信息,如姓名、联系方式、工作经验、技能等。通过预设的信息收集范围,Chatbot能够在适当的时机提出相关问题,并将收集到的信息结构化存储在数据库中,以支持后续的招聘决策和流程。
求职者信息概要与邮件推送
系统对已收集的求职者信息进行自动概要和总结,当认为信息收集较为完整时,生成一份简明的求职者信息报告。系统可以自动将该报告通过邮件发送给企业HR,以便HR快速评估求职者的资格,进一步提升招聘效率。
项目涉及的大模型技术和工程技术
大语言模型(LLM):
OpenAI GPT系列
模型微调与调优技术
多语言支持与上下文理解
容器化与集群管理:
Docker容器技术
Docker Compose
Kubernetes(可选)
数据库与持久化技术:
MySQL数据库
数据库集群与备份
持久化存储与索引优化
AI与NLP技术:
自然语言处理(NLP)
文本生成与智能问答
多轮对话管理
信息收集与处理:
数据结构化存储
信息汇总与报告生成
自动化邮件推送
持续集成与持续部署(CI/CD):
Jenkins、GitLab CI/CD 或其他CI/CD工具
自动化测试与部署流水线
版本控制与回滚策略
操作系统与应用环境:
Linux操作系统(如Ubuntu、CentOS)
Shell脚本与自动化管理
系统监控与日志管理
云服务与基础设施:
AWS、Azure 或 GCP等云服务平台
云数据库与存储服务
负载均衡与自动扩展
Web服务部署与管理:
FastAPI: 用于构建高性能的API服务,支持快速开发与部署。
Nginx: 用于反向代理、负载均衡和静态资源服务,确保Web服务的高可用性和性能优化。
HTTP/HTTPS 配置: 配置安全的Web服务,支持SSL/TLS加密。
项目收获
提升职业竞争力:通过参与这项前沿项目,您将在人工智能、大数据、云计算及容器化技术领域显著增强职业竞争力。
展示项目成果:成功交付项目后,您将获得跨多技术领域的优质项目经验,可在职业发展中充分展示。
项目交付
实习结束表现优秀者可获得:
1. 实习证书
2. 项目导师推荐信
3. 项目总结报告和技术案例展示
4. 求学与求职背景调查支持
5. 岗位推荐与对接机会
企业介绍
澳大利亚本土科技平台,为澳大利亚各大行业提供技术解决方案。已经成功实施了多个科技创新项目包括Web3.0和金融科技概念和技术落地应用。