大学生和应届生在职业选择中普遍面临三个问题：第一，试错成本高。选错实习、行业或岗位可能消耗半年到数年时间。第二，信息不对称。招聘 JD 表达复杂，学生难以理解岗位真正看重哪些能力。第三，行动路径模糊。即使知道自己“缺 SQL”“缺项目”，也不知道如何在有限时间内形成可写入简历、可被面试验证的能力证据。
本作品第一版重点服务三类人群：大二至研二准备找实习的学生、应届毕业生、准备从文商科或运营方向转向数据分析/产品/AI 应用方向的早期职场人。产品目标是帮助他们完成“我适合什么、我和岗位差多远、我该怎么准备、我如何面试表达”的闭环。
职业分身创建：采集教育背景、目标城市、每周可投入时间、简历经历和技能自评，结合关键词证据生成职业画像。
• JD 匹配度分析：根据目标岗位库与用户粘贴的真实 JD 计算技能匹配、经历证据、关键词命中和风险提示，输出 0-100 分岗位匹配度。
• 职业路径沙盒模拟：基于当前匹配度和投入强度生成保守、均衡、激进三条路径，展示每条路径的预期分数、适合人群、风险和阶段任务。
• AI 模拟面试：根据目标岗位和能力缺口自动生成问题，用户输入回答后，系统从回答长度、结构、量化结果和岗位关键词四个维度评分。
• 技能缺口修补：将岗位短板转化为逐周学习任务，并为每个任务设定验收标准，强调可证明成果，而不是泛泛学习。
CareerTwin AI 具备 B2C、B2B2C 和 SaaS 三类商业化空间。C 端可采用 Freemium 模式，基础职业画像和少量 JD 分析免费，深度路径模拟、模拟面试、简历多版本生成和周报追踪作为订阅功能。高校端可面向就业中心提供学生能力缺口分析、就业风险预警和职业训练营工具。企业端可提供岗位画像、候选人匹配报告和人才预筛 API。
落地规划分为三个阶段。第一阶段完成 MVP 验证，重点验证学生是否愿意上传简历、分析 JD 和反复使用模拟面试。第二阶段接入大模型和简历解析服务，提升自然语言理解和报告质量。第三阶段建设岗位知识库、课程资源库和高校/企业管理后台，形成“职业探索 - 能力提升 - 求职训练 - 录用反馈”的数据闭环。
评论