求职辅助系统产品系统Vibe Coding

当前求职市场岗位信息分散、人岗匹配效率低，求职者普遍存在简历关键词缺失、优势不突出、面试准备缺乏针对性等痛点。本项目面向高校毕业生与社会求职者，构建一站式求职辅助系统，基于目标岗位 JD 提供简历定向优化、技能差距分析、岗位匹配推荐与模拟面试辅导，帮助用户提升投递转化率与面试通过率。

本项目基于 React18 + Vite + TypeScript + Tailwind + Zustand 构建，具体功能模块包括：1）简历解析上传模块，支持 PDF / Word / TXT 解析为结构化简历；2）岗位画像模块，支持粘贴 JD 并由本地规则或 AI 精析生成岗位画像；3）简历体检模块，从完整度、表达力、关键词覆盖三个维度评分并给出优化建议；4）定向优化模块，基于匹配度预检识别缺失项，以“添加式”在原简历基础上生成修改与补强建议，用户逐条确认后应用；5）版本管理模块，保存不同岗位/公司的优化版本并标记状态；6）面试备战模块，生成 30 秒/2 分钟自我介绍、STAR 案例与追问预案；7）导出模块，支持 PDF / DOCX 导出，并可在保留原 PDF 版式基础上追加 AI 优化附录；8）模型配置与技能中心，支持接入 DeepSeek / 通义千问等 OpenAI 兼容接口并注入自定义 Skill 提示词；9）合规引擎，对优化结果进行规则校验，确保不虚构经历、不删除原内容。项目主要功能是以 AI + 规则双引擎为核心，帮助求职者完成简历诊断、人岗匹配、定向补充与面试准备，从而提升投递转化率与面试通过率。

我在项目中独立负责前端产品整体架构与核心功能实现，包括简历解析与结构化、岗位画像生成、匹配度预检与定向优化引擎、面试话术生成、PDF/DOCX 导出、AI 模型接入与 Skill 提示词注入、合规校验等模块。技术栈采用 React 18 + Vite + TypeScript + Tailwind CSS + Zustand，架构上使用“本地规则引擎优先、AI 大模型增强并自动降级”的双引擎设计，优化过程均为“添加式”，不删除用户原始内容，并通过 Skill 中心动态注入系统提示词。实现亮点包括：基于 PDF.js / Mammoth / pdf-lib 实现多格式简历解析与保留原排版的 PDF 附录导出；设计匹配度预检算法，将 JD 关键词与简历字段逐项对比，定位缺失项并给出可落地的补强建议；引入合规引擎拦截虚构经历与过度优化。主要难点在于保证解析准确率、控制 AI 输出幻觉、保留原 PDF 排版以及在纯前端环境下实现稳定的文件导出。