FLAGSHIP CASE / AI PRODUCT / LOCAL-FIRST MVP
个人独立开发AI 秋招助手
AI Career Assistant
把岗位发现、JD 分析、匹配判断与求职管理整合到一个本地 AI 工作台。
产品设计 + AI 应用 + 全栈开发
PRODUCT OVERVIEW 01 / 03
16招聘源
50单次同步新增岗位腾讯校招
0重复同步新增
25后端测试通过
01 WHY
为什么做
把岗位发现、JD 分析、匹配判断和求职管理整合到一个本地 AI 工作台,让信息收集、理解与决策可以在同一条工作流中完成。
02 PROBLEM
解决什么问题
- 01
岗位发现需要覆盖多个招聘来源,信息需要汇集到同一个可管理的入口。
- 02
JD 不只是需要阅读,还需要转成结构化岗位信息,便于后续理解和比较。
- 03
岗位信息需要结合个人画像判断适配度与能力差距,最后回到求职管理与决策。
03 PRODUCT THINKING
我的产品思考
- 01
以岗位为中心串联发现、分析、匹配与管理,避免把 AI 做成脱离求职任务的独立按钮。
- 02
让 LLM 参与 JD 理解,再把岗位结构化信息、个人画像匹配、适配度和能力 Gap 放进决策链。
- 03
采用 Local-first MVP,以 SQLite 支持本地数据管理,先交付围绕个人求职场景的完整工作台。
04 ARCHITECTURE
产品架构
从岗位来源到本地工作台,再回到求职判断与管理。
- 01招聘源16 个岗位来源
- 02同步采集岗位进入工作台
- 03本地数据SQLite
- 04AI 分析OpenAI API
- 05匹配与管理辅助求职判断
05 AI WORKFLOW
AI Workflow
AI 是工作流中的判断层,串联岗位理解、个人匹配和求职决策。
- 01岗位 JD输入岗位描述
- 02LLM理解与分析
- 03岗位信息结构化形成统一字段
- 04个人画像匹配关联求职者信息
- 05岗位适配度辅助判断
- 06能力 Gap识别差距
- 07求职决策进入管理工作流
06 CODING / ENGINEERING
Coding / Engineering
FrontendNext.js
BackendFastAPI
DatabaseSQLiteLocal-first MVP
AIOpenAI API
07 PRODUCT INTERFACE
产品界面
真实产品界面截图。点击截图可放大查看。
08 RESULTS
结果
16招聘源
50单次同步新增岗位腾讯校招
0重复同步新增
25后端测试通过
项目为 Local-first MVP;以上数字来自项目实际同步与后端测试结果。
09 PRODUCT DEMO
产品演示
PRODUCT DEMO MP4 / H.264
10 REFLECTION
复盘与反思
AI 产品的价值并不只是增加一个 AI 功能,而是重新设计原有工作流,把原本需要人工完成的信息收集、理解与判断过程重新组织起来。
从岗位采集、数据结构设计,到 AI 分析和前后端实现,我完成了一次从需求定义到产品落地的完整实践。