以下是针对您提取相同公司相同岗位关键职能的建议及可使用的工具：
工具选择：可以使用 ChatGPT4 。由于 LLM 存在 Context Length 限制，单次请求过长文本会导致推理能力下降，所以每次可向其发送 10 个岗位的信息。Moonshot 推理能力也不错，但 json 返回格式尚未完善，因此优先选用 ChatGPT4 。 操作流程： 先将简历和 10 个岗位通过 API 发送给 ChatGPT4 ，让其推荐其中 3 个岗位。 经过 GPT 筛选 2000 个岗位后，分为 600 个推荐岗位和 1400 个潜在岗位。 再通过 ChatGPT4 对每个岗位招聘要求抽取技能（skill NER ）。 找出推荐岗位和潜在岗位的技能差异，从而明确自身的优劣势。 此外，还可以使用 DGE-M3 模型对简历和岗位做相似性匹配。具体的 Python 代码如下： import pandas as pd from FlagEmbedding import BGEM3FlagModel 1. 读取 cv.txt 文件 with open(‘cv.txt’,’r’,encoding=’utf-8′)as file: cv_content = file.read() 2. 读取 JobDetails2.xlsx 文件所有字段 job_details = pd.read_excel(‘JobDetails2.xlsx’) 3. 使用 BGE-M3 模型计算相似性 model = BGEM3FlagModel(‘BAAI/bge-m3’,use_fp16=True) cv_embedding = model.encode([cv_content],batch_size=1,max_length=8192)[‘dense_vecs’] 计算 cv 与每个 job_description 的相似性 similarities =[] for job_description in job_details[‘job_description’]: job_embedding = model.encode([job_description])[‘dense_vecs’] similarity = cv_embedding @ job_embedding.T similarities.append(similarity.item()) 4. 将所有信息汇总保存为 123.xlsx job_details[‘similarity’]= similarities job_details.to_excel(‘123.xlsx’,index=False)