
AIGCSaaS全栈
奇绩创坛 Co-Founder 匹配
针对大规模创业者对接场景的效率瓶颈,用 AI 做「智能筛选」而非替代人做决策,让合适的合伙人更快被看见。
产品经理 & 全栈开发
2023.10 - 2023.12
约 10 倍
约 10 倍
效率提升
500+
匹配促成
约 85%
推荐准确率
项目痛点
在奇绩创坛(YC 中国)这类高密度创业者社群里,每年有大量创始人带着简历和 BP 来寻找合伙人。我们遇到的真实场景是:运营侧每天要人工翻阅大量 PDF、理解不同背景、再凭经验做初筛和配对,不仅效率低,而且难以规模化——人工筛查能力大约卡在每天几十份,积压和漏掉优质匹配的情况很常见。真正要解决的不是「认识更多人」,而是如何提高「两个人真正走向合作」的概率。
💡 人工筛查能力约 50 份/天,形成巨大积压与错失机会;需要一种可规模化的「智能筛选 + 人做决策」的闭环。
解决方案
我主导设计并实现了端到端的 AI 匹配引擎。核心思路是把「关键词匹配」升级为「语义理解」:用 RAG 把非结构化的简历和 BP 向量化,再用「VC 视角」的 LLM 抽取结构化信息(如核心能力、创业精神、领域),在此基础上计算多维度契合度并给出推荐列表。系统不替代人做最终决策,而是提供短名单和「推荐理由」,由运营或用户自己发起沟通、建立连接。这样既提升了筛选效率,又保留了人对「合不合适」的最终判断。
视觉展示




关键收获
「人在回路」的边界
我意识到在合伙人匹配这种高度依赖信任的场景里,AI 不该做最终拍板。产品目标从「自动匹配」收敛到「智能筛选」:AI 负责产出短名单和理由,人负责做连接与决策。这种边界设计对内部采纳和用户信任都很关键。
非结构化数据的鲁棒性
真实数据很乱:简历格式五花八门,解析错误、缺字段很常见。最大的技术挑战是搭一条健壮的摄入管道,在解析失败或信息缺失时尽量不「幻觉」出虚假经历,同时保证下游匹配逻辑仍然可用。
技术栈
面向速度与数据隐私的现代全栈应用。
Next.jsPython (FastAPI)LangChainSupabase (pgvector)OpenAI API
项目成果
效率提升约 10 倍
匹配促成500+
推荐准确率约 85%
下一个项目
智源 AI 工作台
补齐企业 AI 的「最后一公里」:低代码编排数字员工,让业务侧也能搭建、部署与运维专属智能体。
查看项目