为什么我把关系型数据库换成 Neo4j 来构建 Skill-Gap Identifier 🚀

Source: Dev.to

简历作为数据的问题

简历通常是平面文件（PDF/Word）。但技能并不是平面的——它们是一个网络。如果你会 React，你很可能也会 JavaScript、JSX 和 Virtual DOM。如果你缺少 Redux，你与高级前端岗位之间的“差距”并不是页面上缺少的一个词，而是你职业图谱中缺失的一个节点。

我创建了 SkillNode，把职业路径视作它们真实的形态：知识图谱。

架构：Neo4j + Gemini AI

1. 为什么选 Neo4j？

传统的 SQL 联接在“路径寻找”（例如 找出从 Node.js 到云架构师的最短学习路径）时非常痛苦。

在 Neo4j 中，我这样建模：

• 节点（Nodes）： 技能、职位角色和学习资源。
• 关系（Relationships）： REQUIRES、IS_PREREQUISITE_FOR 和 HAS_SKILL。

这使得能够进行闪电般的遍历，精准定位用户当前“技能簇”结束的位置以及目标角色的起点。

2. 逻辑层：Gemini AI

我使用 Gemini AI 处理非结构化的繁重工作。

• 技能提取： 解析用户的项目描述，识别 ATS 可能遗漏的“隐含”技能。
• 路径生成： 当 Neo4j 确定了差距后，Gemini 会生成个性化的学习路线图，解释基于用户现有技术栈为何需要这些特定的桥梁。

关键要点

不要让 ATS 循环定义你的价值。如果你相信项目比简历更能说明问题，你需要把技能看作网络，而不是列表。

在此查看 SkillNode： SkillNode

期待听到你的想法： 你是否曾在非社交网络应用中使用图数据库？欢迎在评论区聊聊！