在生成式 AI 快速重塑各行各业的当下，求职与招聘这件看似“老生常谈”的事，也正在经历一场彻底的翻新。我在东京带领团队开发一款原生 AI 化的职场社交与求职平台，在实际落地的过程中，我们不断遇到问题、踩坑、解决、再踩坑、再优化。一路走来，我越来越清晰地感觉到：下一代求职平台的核心竞争力，不再只是“有没有职位”“系统好不好用”，而是 AI 能否真正理解人与机会之间的“匹配关系”。
在我的演讲里，我会和大家分享我们一路经历的喜与痛，也会聊聊为什么我认为 “.NET + AI 是打造下一代求职系统的最佳组合之一”。
作为开发者，我对 .NET 的高性能、跨平台能力一直非常有信心。我们的系统从一开始就决定采用 .NET 作为主力技术框架，配合 Azure AI、Semantic Kernel、Microsoft AI Framework（MAF）等工具链，让我们在构建复杂的 AI 工作流时能保持快速、稳定与可维护。这些框架为我们提供了强大的基础设施，但真正的挑战在于 —— 求职本身就是一个多维度、高差异的数据混合体，AI 想“帮忙”，并没那么容易。
首先是跨文化的简历格式问题。我们面对的是来自不同国家、不同行业背景的用户。中文简历、日文简历、英文简历、甚至越南语、韩语的格式都完全不同。单纯的翻译远远不够，我们还要让系统理解：什么是“项目成绩”，什么是“技术亮点”，一句话里哪些内容是重要信息、哪些是文化表达习惯。我们花了大量精力做 “格式转换 + 风格重写”，并让 AI 能够根据目标国家的招聘文化自动调节输出语气、长度与结构。每一次格式优化都是不断反思与迭代的过程，这既痛苦又令人兴奋。
另一个让人头疼的，是求职照片。不同国家对求职照片的要求天差地别：有的国家在意是否微笑，有的关注背景颜色，有的甚至要求“风格尽可能自然但专业”。我们做了大量照片处理模型的实验——从自动裁切、背景替换，到光线增强、清晰度恢复，再到 AI 生成风格统一的“求职照”。其中有些模型效果惊艳，有些则完全翻车。这个过程像拆盲盒一样，每天都充满未知，但最终构建出了能真正帮助用户降低门槛的模块，这是我最有成就感的部分之一。
跨国院校与企业的智能类比，更是我们遇到的“深坑”。不同国家的学校和企业名完全不对应，甚至文化差异导致很多岗位描述无法直接匹配。AI 要理解“这家日本企业”大致相当于“中国的哪类公司”，或者“这个职位要求”在欧美体系里代表什么水平，这是非常复杂的问题。我们结合 Embedding、知识图谱、多源对照表等方式，尝试让系统“理解”全球职场语义。虽然还在不断改进，但我们已经从混乱的文本比对，逐步走向更准确、更智能的匹配逻辑。
最后一个特别重要的，是“志望动机”（求职动机）。这是许多求职者最头疼的一块内容，也是企业最关注的部分。我们并不是简单让 AI 写作文，而是通过一系列引导式问题，让 AI 反向挖掘求职者的真实经历、兴趣点、职业路径，再帮他们把想法组织成结构化且可信的内容。这种方式既降低了使用门槛，又保留了个性化表达，是我认为最具有实际价值的功能之一。
这场演讲，我会把这些经历中的关键逻辑、方法论、工具链、技术选型、落地细节，以及我们踩过的各种“坑”都讲给大家听。无论你是做 .NET、做 AI、做产品，还是对求职平台有兴趣，我希望都能从中获得一些灵感或共鸣。
我是桂素伟，微软 MVP（AI 方向），东京生成式 AI 社区 tokyo-ai.org 的发起人，同时也是《桂迹》技术公众号的作者。目前担任 elifes system 株式会社 CTO，与团队一起打造 AI 商务社交平台 Linkora，持续推动 .NET 与 AI 技术在实际场景中的应用。我真诚期待在现场与大家交流，分享更多想法、问题与可能性。
欢迎大家来到 .NET Conf China 2025，我们上海见！
声明：来自硅基-桂迹，仅代表创作者观点。链接：https://eyangzhen.com/4035.html
