selfrelease
fad458b2a7
- UIUX 文档：填充 19 个缺口（多主体画像/健康度/AI+看板/增长域/洞察域/创始人端/OODA/助推/商密） - UIUX 文档：插入 6 个新章节（十四~十九），旧章节重编号为二十~三十一，更新目录和交叉引用 - 作业指导书 x5：导航改为 6 域分组，新增 Context Bar/工作模式/Insight Rail/决策线程/多工作区等 UI 概念 - 新建 docs/2-task-uiux.md：50 个代码落地开发任务，按 P0-P6 分优先级 + 8 Sprint 规划 - 后端/前端：大量新增模型、路由、组件（来自之前 Phase 开发）
34 lines
1.2 KiB
Python
34 lines
1.2 KiB
Python
"""AI 人才引力场 Agent。
|
|
|
|
人才流动预测 + 主动推荐 + 9-Box 矩阵。
|
|
"""
|
|
|
|
from app.services.llm_client import LLMClient
|
|
|
|
|
|
async def predict_talent_flow(talent_data: str) -> dict:
|
|
"""AI 预测人才流动趋势。"""
|
|
llm = LLMClient()
|
|
prompt = f"""请分析以下人才数据，预测流动趋势：
|
|
|
|
{talent_data[:4000]}
|
|
|
|
以 JSON 格式返回：
|
|
{{"flow_predictions": [{{"talent_name": "姓名", "current_company": "当前公司", "flow_probability": 0.7, "likely_destinations": ["可能去向"], "reason": "原因"}}]}}"""
|
|
result = await llm.chat(prompt, temperature=0.4)
|
|
return result if isinstance(result, dict) else {"flow_predictions": []}
|
|
|
|
|
|
async def recommend_talent(company_need: str, talent_pool: str) -> list[dict]:
|
|
"""AI 主动推荐人才给被投企业。"""
|
|
llm = LLMClient()
|
|
prompt = f"""请根据企业需求和人才池，推荐合适人才：
|
|
|
|
企业需求：{company_need[:2000]}
|
|
人才池：{talent_pool[:4000]}
|
|
|
|
以 JSON 数组格式返回：
|
|
[{{"talent_name": "姓名", "match_score": 0.85, "reason": "推荐理由", "current_role": "当前职位"}}]"""
|
|
result = await llm.chat(prompt, temperature=0.4)
|
|
return result if isinstance(result, list) else []
|