JD-RAG-QA 文档智能问答系统产品系统

求职和用人场景里，岗位说明、简历要求和制度文档又长又散，靠人工翻查效率低、还容易漏关键信息。本项目把 JD 与相关文档做成可检索知识库，用 RAG 支持自然语言提问，快速定位任职要求、职责和匹配要点，面向求职准备、校招答疑和轻量 HR 助理场景。

文档导入与解析：支持岗位说明等文本/文档入库，自动切分并建立检索索引。
语义检索：按问题语义召回相关段落，而不仅是关键词匹配。
RAG 问答：结合检索结果调用大模型生成回答，并尽量给出依据片段。
多轮追问：支持围绕同一岗位/文档继续追问细节。
简单 Web 交互：提供问答页面，方便演示和日常使用。

我独立完成文档解析、切分、向量检索与问答链路搭建，并完成演示端联调。技术栈以 Python 为主，采用「文档切分 → 向量检索 → 大模型生成」的 RAG 架构；重点解决长文档切分粒度、检索相关性，以及回答要能对应回原文依据的问题。项目代码托管在 GitHub：IDK-han/jd-rag-qa。