应届生求职要海投上百个岗位，每家的描述和要求不一样，简历需要定制，网申系统要重复填写，面试要跟进复盘，我把这些重复工作沉淀为工具：通过个人知识库，自动匹配岗位、生成定制简历，再导入到网申插件自动填表，跟进投递信息，复盘记录。
演示体验：打开后输入演示口令 demo2026，即可看到一份脱敏示例简历（不含任何真实个人信息），完整体验「AI 解析 JD → 匹配经历 → 生成定制简历」。
要解决的是求职里最耗时间、又最没技术含量的一段：读 JD、改简历、填表、记进度。
| 维度 | 内容 |
|---|---|
| 给谁用 | 正在海投的应届生（一期先给我自己用） |
| 解决什么 | 链路长、重复劳动多、简历和 JD 匹配靠手感 |
| 差异化 | 从经历结构化到填表追踪的一条闭环，不只是一个写简历的单点工具 |
投一家公司，就是读 JD、改简历、填网申表、记进度这一套。纯手工一家半小时起步，投一百家就是一百遍重复。
核心从「本地单文件工具」升级为「线上应用 + AI 后端」：简历编辑器部署上线、口令隔离，用 AI 解析岗位 JD 后自动匹配经历、生成定制简历；投递清单与面试管理保留为本地单文件工具。
把「读 JD、挑经历、改简历」这三件最费神的事拆成三个职责单一的步骤，每步单独调用大模型、单独校验，稳定、可重试、可定位问题。
把一段岗位描述结构化提炼为「岗位定位 / 核心要求 / 必备技能 / 加分项」四组标签，并生成一句针对该岗位的个人总结建议，作为后续匹配与改写的输入。
把候选经历以「标题 + 标签 + 成果摘要」交给模型，让它只输出经历 id + 匹配分 + 理由；id 强制白名单校验、去重、按分降序，从根上杜绝模型「编造经历」。
对匹配出的 top 经历用 goroutine 并发逐条改写背景 / 动作 / 成果，动词开头、量化成果、贴合 JD 关键词，每句控制在 70 字内，点一下即可「套用」进简历。
稳定性设计：低温采样（temperature 0.1）让输出更确定；单步失败自动重试；字段级校验，坏一条不影响整体结果。
把教育、实习、项目、技能结构化沉淀进去，作为后面匹配和生成的素材源。
贴入岗位 JD，一键解析岗位要求，自动从经历库里匹配最相关的经历并改写 STAR。
按岗位生成侧重点不同的简历，人工复核微调。
导出后上传官网，再导入第三方网申插件自动填表。
记录投递状态、面试时间与复盘，形成求职漏斗。
从自用到小范围开放的冷启动路径。