AWS 官方技术博客发布了 GloZ 使用 Amazon OpenSearch Service 与 Amazon Bedrock 构建 hybrid search 翻译人才匹配系统的案例，可覆盖近10万名译员。
发布时间：
🎯 入选 AWS 官方技术博客
2026年5月18日，GloZ 基于自然语言的译员简历搜索系统案例正式发布于AWS 官方技术博客。这是 AWS Korea Solutions Architects 团队首次对 GloZ 的多语言 hybrid search 架构进行深度案例分析，该系统可覆盖近10万名专业译员。
📌 为什么要重构搜索系统
GloZ 运营着覆盖70多种语言的全球专业译员网络，规模接近10万人。一次项目匹配通常需要同时考虑多项条件：
- 语言组合（例如 KO→EN、EN→JA）
- 领域专业性（游戏、医疗、法律等）
- CAT 工具熟练度（Trados、MemoQ 等）
- 可用时间与响应速度
此前，GloZ 使用 PostgreSQL 与自研 vector DB 组合运行搜索服务，关键词搜索与语义搜索需要分开维护，既增加了运维复杂度，也限制了匹配准确率。
⚙️ Solution: OpenSearch + Bedrock 一体化架构
GloZ 将搜索基础设施统一迁移至 Amazon OpenSearch Service。核心组件包括：
- Hybrid Search：在单次查询中结合 BM25 关键词匹配与 k-NN 向量搜索（HNSW 算法）
- Embedding：使用 Amazon Bedrock 的 Cohere Embed v4 生成多语言 embedding，并利用 Claude Haiku 4.5 完成简历摘要与元数据标准化
- Nori 韩语形态分析：优化韩语简历中的同义词与复合名词处理
- ML Connector + Ingest Pipeline：在索引阶段自动生成 embedding
📊 核心成果
- nDCG@10 达到 0.852，接近目标值 0.90，显著提升 Top 10 结果质量
- 支持 30+ 语言统一搜索，在单一索引中同时匹配韩语、英语、日语、中文、西班牙语等语言
- 整合关键词与语义搜索，降低多套搜索基础设施的运维负担
- 支持 PDF、DOCX、OCR 扫描文件等多种简历格式
💡 关键经验：数据质量比模型选择更重要
该案例最重要的启示之一是：相比模型选择，数据质量更能决定搜索效果。GloZ 优先推进简历标准化，包括基于 LLM 的元数据提取、同义词映射以及 hallucination 校验流程，这成为提升搜索准确率的关键因素。
🔗 原文链接
完整技术细节可查看AWS 官方技术博客。通过将 8万+ 译员网络与 AI 基础设施结合，GloZ 正持续推动全球内容本地化领域的技术标准升级。