职位名称提取失败时，可采用五种结构化方法：一、零代码语义提取；二、关键词+模式匹配；三、dom路径锚点提取；四、多源交叉验证归一化；五、人工反馈持续校准。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用MuleRun处理招聘网页或简历文本时，发现职位名称未能被准确识别与提取，则可能是由于原始数据格式不统一、字段嵌套复杂或语义边界模糊所致。以下是针对该问题的多种结构化提取方法：
一、基于自然语言指令的零代码提取
该方法利用MuleRun内置的语义理解能力，在不编写任何规则或正则表达式的情况下，通过上下文引导让Agent自动识别并归类职位名称。系统会将文本输入送入其自进化知识层，结合用户历史标注偏好进行动态权重调整，从而提升命名实体识别精度。
1、进入MuleRun工作台，点击「新建Agent」按钮。
2、在需求描述框中输入：“从以下招聘文本中精准提取所有出现的职位名称，忽略公司名、部门名和修饰词，仅保留标准职位称谓，如‘高级前端工程师’‘HRBP’‘内容运营实习生’，输出为纯文本列表。”
3、粘贴待处理的招聘JD原文或上传PDF/HTML文件。
4、点击「运行任务」，等待Agent完成解析并返回结构化结果。
二、自定义关键词+模式匹配双轨配置
该方法适用于招聘源高度结构化但存在多版本命名习惯的场景，例如同一岗位在不同平台分别写作“算法工程师”“AI算法研发岗”“机器学习工程师（算法方向）”。通过预设核心关键词库与模糊匹配逻辑，可覆盖变体表达，同时避免误召非职位词汇。
1、在Agent技能配置页中，选择「添加结构化提取技能」。
2、在「关键词种子库」中填入基础职位词根：工程师、经理、主管、专员、助理、总监、顾问、专家、实习生、岗、职位。
3、启用「邻近词扩展」开关，设定左右窗口为5个字符，使系统自动捕获如“资深Java后端开发工程师”中的完整称谓。
4、勾选「排除干扰前缀」选项，并填入：招聘、急聘、高薪诚聘、本公司、面向、诚邀、岗位职责、任职要求。
三、网页DOM路径锚点提取
当目标数据来自结构清晰的招聘网站（如BOSS直聘、猎聘、拉勾等），可直接绑定HTML节点路径，绕过NLP歧义，实现毫秒级稳定提取。此方式依赖MuleRun Runtime层对浏览器渲染环境的完整模拟能力，支持XPath与CSS选择器双语法。
1、在Agent配置界面切换至「网页抓取」模块。
2、输入目标招聘页面URL，点击「加载预览」获取实时DOM树。
3、在职位名称所在区域右键选择「复制CSS选择器」，示例值为：.job-name, h1.job-title, div.position-title。
4、将该选择器粘贴至「标题字段定位」输入框，保存并启用「DOM优先提取」模式。
四、多源交叉验证去重合并
该方法用于整合来自多个渠道（如官网、招聘平台、猎头邮件）的职位数据，解决同岗异名、缩写不一致、中英文混用等问题。MuleRun通过其Knowledge层内建的行业职位本体库，对提取结果进行语义归一化，再依据置信度排序输出主名称。
1、在任务设置中启用「多源输入」模式，一次性导入3个以上不同来源的招聘文本或链接。
2、开启「职位本体映射」功能，系统将自动调用内置的中国人力资源和社会保障部职业分类大典2022版作为基准参照。
3、在「归一化强度」滑块中选择「强映射」，强制将“算法岗”“算法研发”“AI算法岗”全部映射为人工智能工程技术人员。
4、导出结果时勾选「保留原始别名」，生成含主名称与别名词典的双列CSV。
五、人工反馈驱动的持续校准
该方法依托MuleRun的自进化机制，将每一次人工修正行为转化为模型微调信号，使后续同类提取任务准确率逐次提升。每次校准无需重新训练，系统在Runtime虚拟机中完成增量权重更新。
1、在任意一次提取结果页点击右上角「反馈修正」按钮。
2、在弹出面板中手动删除错误项、补全遗漏项，并对每条职位标注类型标签：正式岗、外包岗、实习岗、兼职岗。
3、提交后，系统提示“已记录本次偏好，下次执行将自动优化识别策略”。
4、在「我的知识」面板中查看本次校准触发的知识节点ID及影响范围统计。
