一份AI生成的简历反馈读起来头头是道,但它评价的到底是哪一版简历?这个问题不解决,反馈越漂亮越危险。

打开网易新闻 查看精彩图片

ApplyOS博客作者、尼日利亚软件工程师纳吉布·奥拉多苏(Najib Oladosu)在拆解自己做的Job Fit功能时,把这个问题摆在了最前面:上传一份简历,对照职位描述检查,再保存一个编辑后的版本——回到反馈页面时,这条反馈描述的是哪一版?

Job Fit的功能是把一份已保存的简历与某个申请职位的描述做比对。要让反馈真正有用,结果就必须和进入请求的那份简历严格绑定。

三条记录,各管一段

实现上,上传的文档、保存的简历版本、分析结果被拆成三类记录:

  • 文档记录保存原始上传件及其解析或提取出的内容;
  • 简历版本记录标识与该文档关联的一个已保存快照;
  • 分析记录把一次申请与它实际评估的那个版本连起来。

由此得到一条清晰的身份链:申请 + 已保存简历版本,对应一条Job Fit结果。

只有文档ID不够。两份编辑过的简历可能来自同一次上传,内容却完全不同。只有申请ID也不够,因为同一个申请可以拿多份已保存简历去评估。

快照字段不许改

上传件成为原始版本,编辑后的副本以新行的形式写入resume_versions表,而不是去更新原始内容。

数据库层面给这条规则上了锁:触发器会拒绝修改快照字段,包括保存的编辑器内容、来源文档和版本号。部分元数据仍可变动,比如某个编辑版本是否被加星标。删除文档另有自己的生命周期,"不可变快照"并不意味着记录永久存在。

版本编号同样在PostgreSQL里完成。插入触发器会先对该文档取一个事务级咨询锁,再决定下一个编号,从而把同一文档的并发保存串行化。文档ID与版本号的唯一约束是额外一道检查。

把这些规则放进数据库,是因为上传和保存可能来自不止一个界面,不该让每个客户端各自发明一套版本规则。

请求里带上版本ID

Job Fit界面会同时发送三个标识:applicationId、documentId、resumeVersionId。

服务端先校验身份,读取申请与文档,确认二者属于当前用户;随后在该文档范围内查找请求的版本,并再次核验归属。发给模型的文本来自这个版本保存的编辑器内容。如果该版本用的是旧的块格式,路由会做相应转换。只有原始版本才允许回退到来源文档的解析或提取文本。

这条边界很关键:如果编辑版本内容为空就回退到上传件,评估的内容就和人选中的内容不是一回事了。对于无法读取的编辑版本,路由直接返回错误。省略版本ID的旧调用方会刻意使用原始上传件,这一兼容选择在路由中是显式写明的。

存结果用同一套身份

分析表对(application_id, resume_version_id)设有唯一约束。路由在写入待处理状态、保存成功结果或记录模型调用失败时,都使用这一对标识。写入采用upsert,冲突时按这两个字段更新。

身份对象里还包含文档ID。数据库访问策略会检查申请与简历版本属于登录用户,且该版本属于指定文档。

这套设计为每个"申请 + 已保存版本"组合只存一条当前结果,重跑即更新,而不是保留每次模型响应的历史。API也把模型结果与已保存结果区分开:分析完成但持久化失败时,返回的是保存错误。模型调用成功,不等于工作已经安全落库。

把关联关系摆到界面上

界面允许用户选择文档和已保存版本。在某个申请的Job Fit视图内,成功结果按版本ID缓存;选中哪个版本,就显示与之匹配的结果。新保存的版本不会自动继承上一版的缓存反馈。

交互逻辑因此很简单:选准你要的那份简历,查看它的反馈,编辑,然后在新的已保存版本上重新跑一次Job Fit。

仓库里有单元检查,覆盖保存的编辑器内容转可读文本,包括块边界、非法输入和旧块格式。这些检查验证的是文本构建这一步,并不能证明模型建议的准确性,也无法覆盖所有浏览器与数据库交互。

作者列出的回归用例包括:在两个已保存版本之间切换、拒绝来自其他文档的版本、拒绝其他用户的资源,以及在模型调用或保存失败时保持正确的身份关联。

还有几处边界需要明确。分析键里不包含职位描述的快照,职位描述一旦变化,申请ID仍指向同一个申请。加入职位描述修订记录以及所用模型与提示词的记录,能让结果对输入有更完整的交代。请求仍在运行时用户切换了所选版本会发生什么,也还需要测试。

这些问题与简历版本管理是两回事,把它们分开命名,工程上的说法才站得住。

作者把这套思路带到了其他AI功能上:在改进提示词之前,先问应用能不能解释答案背后的输入——读了哪条记录、哪个已保存版本、归谁所有、结果是否成功存储、输入变化时该怎么办。这些问题同样适用于文档摘要、推荐以及其他AI辅助流程。