100 多人的蓝领招聘平台用大模型做简历解析：信息处理效率提升 80%

成都午牛科技有限公司成立于 2019 年 5 月，专注蓝领人力资源服务，团队规模 100 余人。旗下「牛小二招聘平台」累计用户超 1000 万，服务德邦、申通、中通、京东等物流公司以及数十万中小物流企业。

它的三个痛点很典型：

• 简历与岗位信息非结构化。蓝领求职者提交的简历普遍口语化严重、格式混乱，传统关键词匹配难以准确提取工种、技能、经验等关键字段，人岗匹配精度低。
• 内容合规风险高。简历与岗位描述里可能隐含涉政、涉黄、涉暴或就业歧视内容，人工审核成本高且难以完全覆盖。
• 人工处理效率低。每天要人工清洗、分类、审核海量信息，重复劳动多、错误率高。

做法

基于阿里云百炼平台集成千问大模型（Qwen-Plus）搭建招聘业务智能 Agent。技术路径上有一点值得注意：方案通过百炼平台直接调用 API，用 Prompt 工程引导模型输出标准化的 JSON 格式数据，由业务系统自动解析后接入下游流程，没有搭建复杂的传统工作流串联。

在招聘全链路中落地了两大核心能力，分别覆盖求职者端与企业端的信息处理与合规审核。

页面给出的效果

• 信息处理效率整体提升 80%
• 业务场景提取准确率提高 40%

这条案例对中小企业的参考价值最直接：一是它的规模是明确的（100 余人），不是那种看不出体量的「某企业」；二是它的技术路径很轻——调 API、用 Prompt 约束输出格式、让业务系统解析 JSON，没有自研模型，也没有做庞大的工作流编排。对手上有大量非结构化文本要处理的公司，这条路径可以直接照着走。

来源：阿里云官方客户案例库（成都午牛科技案例页），抓取日期 2026-09-04。案例页为厂商营销材料，本文只摘录页面上给出的具体做法与数字，未采用其宣传性形容词。企业规模分类依据阿里云案例库自带的「中小企业」筛选标签。