컴백부터 K-뷰티까지 — K-컬쳐의 모든 것을 메일로 받아보세요메일로 받아보기

METAL MEDIA

iam-epiphany/resume-agent

★ 28Python

면접관이 지원자 이력서에 직접 물어보고, AI가 근거 없이는 얼버무리는 이력서 챗봇

ResumeMind는 이력서, 프로젝트 설명, 증명서 같은 개인 자료를 검색 가능한 지식베이스로 만들어 면접관의 자유 질문에 1인칭으로 답하는 시스템이다. 숫자나 날짜 같은 확실한 사실은 반드시 검색된 문서에서 근거를 찾아야 하고, 근거가 부족하면 지어내는 대신 추측임을 밝히도록 설계됐다. 480개 테스트를 갖췄고 30문항 평가셋에서 응답 지연을 개선한 결과를 공개했다.

무엇을 하는 레포인가

  1. 이력서·증명서·프로젝트 소개 등 개인 자료를 주제별 문서로 재정리한 뒤 검색 가능한 지식베이스에 저장한다
  2. 질문을 자기소개, 프로젝트 심층 질문, 기술 문답, 인사 질문, 이력서 세부사항 등 여러 유형으로 나눠 각기 다른 근거 기준을 적용한다
  3. 의미 기반 검색과 키워드 검색을 함께 써서 결과를 합치고, 애매한 경우에만 재정렬 모델을 추가로 돌려 속도를 아낀다
  4. 답변 생성 후 숫자·날짜·고유명사 같은 확실한 사실이 실제 검색 근거에 있는지, 그리고 어느 프로젝트에 속한 사실인지 다시 검증한다
  5. 30개 면접 질문 평가셋에서 응답까지 걸리는 시간이 중간값 기준 13.1초에서 4.08초로 줄었고, 기대한 사실을 답변이 포함한 비율은 91.6%였다

왜 중요한가

이력서 기반 챗봇은 없는 경력이나 수치를 지어내기 쉬운데, 이 프로젝트는 근거 검증과 사실 대장 관리로 그 위험을 구조적으로 줄이는 방법을 보여준다. RAG 시스템에서 검색과 재정렬, 시간 예산 관리를 어떻게 설계하는지 참고할 수 있는 실전 사례이기도 하다.

이 레포의 용어

  • RAG · 질문에 답하기 전에 관련 문서를 검색해 그 내용을 근거로 답을 생성하는 방식
  • Dense Retrieval · 단어가 정확히 일치하지 않아도 의미가 비슷한 문서를 찾아내는 검색 방식
  • RRF 융합 · 서로 다른 방식으로 얻은 검색 결과 순위들을 하나로 합치는 방법
  • Reranker · 1차로 찾은 검색 결과 후보들을 다시 정밀하게 순위 매기는 모델
  • Grounding 검증 · 생성된 답변 속 사실이 실제 검색된 문서에 존재하는지 확인하는 절차

레포 원문 소개 (영문)

面向"面试官 × 简历主人公"场景的个人简历 RAG 问答 Agent：把简历、证书、荣誉、项目介绍放进知识库，面试官可对简历任意提问（自我介绍、项目深挖、技术八股、HR 素质、简历细节），系统以第一人称自然作答。核心设计是"宽松推理 + 诚实标注"——硬事实（数字/日期/证书名）必须来自检索，证据不足时强制标注"根据现有知识库推测"而非编造。支持多轮追问记忆、检索兜底链、置信度分级回答、访问码闸门与 IP 限流防刷。

GitHub에서 보기

주목받는 레포

레포 전체 보기 →

METAL MEDIA 최신 기사