HireLens AI
开源AI招聘平台，面向小企业提供简历解析、岗位匹配、候选人对比和招聘漏斗管理功能，采用确定性评分引擎与LLM解释分离的架构
时间轴 (近 90 天)
HireLens AI 是开发者 kusalar 在 Hacktoberfest 开源 AI 挑战赛中提交的开源权重招聘平台项目，旨在为小企业提供简历解析、岗位匹配、候选人对比和招聘漏斗功能。
HireLens AI 将候选人评分与语言模型生成分离：匹配分数由确定性的 Python 逻辑计算，LLM 不决定录用、不自主淘汰候选人、也不控制匹配分数，仅生成有依据的解释。
HireLens AI 的前端技术栈为 Next.js 14、React 与 Tailwind CSS；后端为 Python、FastAPI 与 Pydantic；数据库为 PostgreSQL 配合 SQLAlchemy 与 Alembic；后台任务用 Celery 与 Redis；AI 部分通过 Ollama 集成开源权重模型。
HireLens AI 后端实现了租户感知的数据访问，支持多个招聘组织共用一套系统。
HireLens AI 提供在线演示（hire-lens-black.vercel.app），访客可以一键以虚构招聘官 Alex Morgan 的身份体验平台，无需注册或输入凭证；演示环境包含合成候选人、示例岗位、简历处理流程和可解释的匹配结果，并对破坏性操作做了防护，演示数据与其他租户相互隔离。
HireLens AI 的部署架构为：前端在 Vercel，后端在 Render，PostgreSQL 数据库在 Neon，全部使用免费层基础设施。
HireLens AI 的代码托管在 GitHub（kusalar/HireLens）。
将 LLM 限定在解释环节，把评分交给确定性引擎，本质是把生成式 AI 放在可容错的辅助位置，而非不可回滚的决策位置，这与金融风控中“模型出分、人工复核”的分层思路相通。
HireLens AI 选择开源权重模型的理由包括：模型独立性（不绑定单一闭源供应商）、成本可控（本地部署和自托管控制推理成本）、数据控制（简历敏感信息可不出内网）。
全部知识事实 (9)
HireLens AI 是开发者 kusalar 在 Hacktoberfest 开源 AI 挑战赛中提交的开源权重招聘平台项目，旨在为小企业提供简历解析、岗位匹配、候选人对比和招聘漏斗功能。
50%待验证HireLens AI 将候选人评分与语言模型生成分离：匹配分数由确定性的 Python 逻辑计算，LLM 不决定录用、不自主淘汰候选人、也不控制匹配分数，仅生成有依据的解释。
50%待验证HireLens AI 的前端技术栈为 Next.js 14、React 与 Tailwind CSS；后端为 Python、FastAPI 与 Pydantic；数据库为 PostgreSQL 配合 SQLAlchemy 与 Alembic；后台任务用 Celery 与 Redis；AI 部分通过 Ollama 集成开源权重模型。
50%待验证HireLens AI 后端实现了租户感知的数据访问，支持多个招聘组织共用一套系统。
50%待验证HireLens AI 提供在线演示（hire-lens-black.vercel.app），访客可以一键以虚构招聘官 Alex Morgan 的身份体验平台，无需注册或输入凭证；演示环境包含合成候选人、示例岗位、简历处理流程和可解释的匹配结果，并对破坏性操作做了防护，演示数据与其他租户相互隔离。
50%待验证HireLens AI 的部署架构为：前端在 Vercel，后端在 Render，PostgreSQL 数据库在 Neon，全部使用免费层基础设施。
50%待验证HireLens AI 的代码托管在 GitHub（kusalar/HireLens）。
50%待验证将 LLM 限定在解释环节，把评分交给确定性引擎，本质是把生成式 AI 放在可容错的辅助位置，而非不可回滚的决策位置，这与金融风控中“模型出分、人工复核”的分层思路相通。
50%待验证HireLens AI 选择开源权重模型的理由包括：模型独立性（不绑定单一闭源供应商）、成本可控（本地部署和自托管控制推理成本）、数据控制（简历敏感信息可不出内网）。
50%