Volume 2,Issue 8
大模型远程API 赋能高校就业指导的实践与实证分析
针对当前高校毕业生就业指导服务存在的覆盖不足、精准度低及西部高校算力有限等问题，本文将 DeepSeek 大模型本地化部署重构为远程 API 调用的轻量化智能体平台，以解决本地算力不足、并发性能弱、模型精度受损、运维成本高等痛点。平台采用五层架构设计，全程无本地模型加载，通过 API 接入、Prompt 工程、RAG 知识库与容器化部署实现快速落地。以甘肃政法大学 800 名毕业生为对象开展对照实验，结果表明，远程 API 方案在响应速度、并发稳定性、内容准确率及岗位转化率上均显著优于本地部署，且成本更低、运维更简便。
研究验证了 API 化方案在区域高校的适用性，可为西部高校提供轻量化、低成本的智能就业指导落地路径。同时，研究存在 API 持续成本、小众专业数据覆盖不足、断网容灾薄弱等问题，未来可通过混合架构、动态数据库及政校企协同进一步优化完善。
[1] 曾小龙. 生成式人工智能时代大学生就业面临的机遇与挑战[J]. 经济师,2024,(12):51-52+57.
[2] 张青松, 代伟. 青年高质量充分就业的现实差距与提升路径[J]. 青年探索,2024,(04):82-92.
[3] 杨静. 生成式人工智能赋能应用技术型高校大学生就业能力提升的路径研究[N]. 河北经济日报,2025-05-09(009).
[4] 周文吉米. 基于AI 与大数据挖掘的大学生就业岗位自动推荐算法[J]. 无线互联科技,2025,22(15):47-50.
[5] 孙庆英, 周含, 刘思妍, 等. 基于图卷积网络的岗位匹配模型研究[J]. 河南师范大学学报( 自然科学版),2025,53(06):93-101.
[6] 任皓. 人工智能视角下大学生核心就业能力提升路径探究[J]. 现代职业教育,2025,(17):51-54.
[7] 张格. 高校学生生成式人工智能技术使用意愿影响因素研究[D]. 安徽大学,2024.
[8]Zheng Z, Qiu Z, Hu X, et al. Generative job recommendations with large language model[J]. arXiv preprint arXiv:2307.02157, 2023.
[9]Nandi A, Das A K, Sur H, et al. AI-Driven Intelligent System for Personalized Job Recommendations Using Real-Time Skill Identification and Industry Trend Analysis[C]//2025 International Conference on Computing, Intelligence, and Application (CIACON). IEEE, 2025: 1-6.
[10]Dewasurendra S V, Udunuwara U K C, Wanniarachchi T T, et al. Cutting-edge AI-driven higher educational and career advisory platform[C]//2024 International Conference on Innovative Computing, Intelligent Communication and Smart Electrical Systems (ICSES). IEEE, 2024: 1-7.