简历信息提取系统2 - 题解

一、题目分析

本题要求从自然语言简历文本中提取3个字段：

  • degree：最高学历等级（PHD/MASTER/BACHELOR/COLLEGE/OTHER），需处理降级规则
  • yoe：工作年限，按不同工作类型加权计算后向下取整
  • skills：技术栈，仅关注6种指定技术，大写+字母排序

二、难点分析

  1. 学历降级的多学历交叉：当一个人同时有"已毕业硕士"和"在读博士"时，博士降级为MASTER，已完成的硕士仍为MASTER，最终取MASTER。LLM容易混淆"降级后比较"的逻辑。
  2. 创业/自由职业系数为0的反直觉性：创业6年CTO经历按规则yoe=0，违反常识。LLM倾向于给创业经历赋予正权重。
  3. "边读博边兼职"的双重身份判定：同一时期既是"读博(系数0)"又是"兼职(系数0.5)"，应按0.5计算而非0。LLM容易选择较低的系数。
  4. "总共"vs"再吃"的区别在yoe场景中的类比：多段工作经历的时间是否重叠需要仔细判断。

三、Prompt设计思路

3.1 降级规则用穷举示例消除歧义

不仅给出降级映射表（博士在读->MASTER，硕士在读->BACHELOR等），还针对最容易出错的多学历场景给出完整推理：

  • "2020年硕士毕业+目前博士在读" -> 分别评估再取最高
  • 明确强调"已毕业/已获得的学历永远不降级"

3.2 工作系数用反直觉标注

在创业系数为0的规则旁加注释：创业不算工作年限！即使创业6年yoe也是0！用感叹号和极端例子强化模型对这条反直觉规则的记忆。

3.3 双重身份场景单独拎出

将"边读博边兼职"作为独立规则项说明，并给出完整计算示例：2020-2022全职2年 + 2022-2024边读博边兼职2年 → 2.0+1.0=3.0 → floor=3

3.4 技能过滤列表化

明确列出仅关注的6种技术（GO/JAVA/JAVASCRIPT/PYTHON/REACT/VUE），并标注不在此列表中的技术（C++、SQL等）不输出，用排除法辅助理解。

四、关键技巧

  1. 系数表格式呈现：全职1.0/实习兼职0.5/创业0/自由职业0/空窗期0，清晰对应。
  2. floor取整显式说明：用向下取整（floor）而非"四舍五入"，避免歧义。
  3. 降级只看"未完成"：用状态词列表"在读/肄业/休学"界定降级触发条件，用"已毕业/已获得"界定不降级。
  4. 排序提示：技能要求"按字母升序排列"，并给出完整列表顺序供参考。
  5. 本科降级到OTHER而非COLLEGE：这是一个容易出错的点，prompt中显式列出本科在读/肄业/休学 → OTHER。