① 摘要
面向中国大学生，在求职准备阶段提供AI驱动的职业探索平台，通过科学测评认清自我、通过JD智能解读读懂岗位、通过精准匹配找到差距。目前通过用户测试验证，AI解读准确率满足日常使用需求，已部署上线可供体验。
在线体验： 知途 · ZhiTu Career — 为大学生点亮职业方向的灯
② 真实场景与需求
目标人群：中国大学生（尤其是对自己未来做什么没有方向），面临秋招/春招的求职群体。
痛点描述：
作为一个即将毕业的大学生，我深有体会——
“我适合什么？”：看了几十个岗位JD，每个都说得天花乱坠，但根本不知道自己适合哪个。学校就业指导课就是念PPT，职业测评要么收费要么不准。
“这个岗位到底要什么能力？”：JD里写"具备良好的沟通能力"，到底什么程度算"良好"？写"熟悉前端框架"，是会用就行还是要懂原理？JD像天书一样，关键信息全藏在黑话里。
“我离这个岗位差多远？”：投了100份简历，面试0次。不是不努力，是不知道该补什么。简历上写"熟悉Java"，但人家要的是"能独立完成微服务架构设计"——这中间的差距到底在哪？
现有做法：
问学长学姐？每个人的经验不同，且学长自己也未必说得清
上招聘网站看？信息过载，越看越焦虑
付费职业咨询？动辄几千块，学生党消费不起
AI对话工具？能聊，但给的建议太泛，没有结构化输出
③ 作品介绍
知途 · ZhiTu Career（ 知途 · ZhiTu Career — 为大学生点亮职业方向的灯 ）
一个AI驱动的职业探索平台，核心功能：
职业星图测评（43道场景题）
不是枯燥的选择题，而是场景化的沉浸式测评：
Holland RIASEC 职业兴趣（24题）— “如果让你组织一场活动，你更愿意负责策划还是现场执行？”
MBTI 性格简化版（8题）— “团队合作中，你更习惯先发言还是先倾听？”
职业价值观（5题）— “月薪8k但能学到东西 vs 月薪15k但每天重复劳动”
软技能自评（6题）— “上一次在公众场合表达观点是什么时候？”
做完后生成雷达图可视化 + 职业方向推荐，不是给一个冷冰冰的结果，而是告诉你"你的优势在A领域，建议关注B类岗位"。
JD智能解读（AI驱动）
粘贴一段JD，AI帮你拆解：
白话概括：这个岗位到底每天在干什么
硬技能拆解：需要掌握哪些具体技术/工具，到什么程度
软技能拆解：沟通、协作、抗压等隐性要求
职业路径：1年、3年、5年分别能做到什么级别
隐性要求：JD里没写但实际需要的（比如加班文化、出差频率）
应届友好度：1-3分，告诉你这个岗位对新人友好吗
即使没有AI（纯静态部署），也会自动降级为关键词匹配模式，保证基础功能可用。
匹配分析（开发中）
将测评结果与JD解读结果交叉匹配，直观展示"你具备什么"vs"岗位需要什么"，差距一目了然。
SBTI游戏化旅程（开发中）
把求职过程变成5阶段星图探索：星图探索者 → 方向确认者 → 差距研判者 → 简历炼金师 → 求职冠军。每完成一个里程碑解锁对应徽章，让求职不再焦虑，而是有节奏地推进。
④ 用 SOLO 实现的过程
整个项目从零到上线，全程使用 TRAE SOLO完成，以下是真实的开发过程：
第0步：使用solo去帮我调研分析目前的赛事方向以及集合我自己的想法给出我一些建议，最终确定我们的比赛方向
第一步：需求拆解与架构设计
我没有直接说"帮我做一个求职APP"，而是把需求拆成几个明确的模块：（使用/spec/superpowers等能力）
Plain Text
用户故事：作为一个即将毕业的大学生
我希望 → 通过科学测评了解自己的职业倾向
我希望 → 粘贴JD就能看懂岗位真正要什么
我希望 → 知道自己离目标岗位差多远
我希望 → 有一个清晰的行动计划
SOLO帮我选择了技术栈：Next.js 16 + React 19 + Tailwind CSS 4 + shadcn/ui，并设计了完整的页面结构和数据流。
第二步：核心功能开发
职业测评模块是最复杂的部分：
4套测评算法（Holland/MBTI/价值观/软技能），每套都有独立的计分逻辑
43道场景题，每道题都要有4个选项且对应不同的维度得分
测评结果需要生成雷达图可视化
SOLO帮我实现了完整的测评引擎，包括题目管理、计分算法、结果生成和可视化。
JD智能解读模块是AI能力的核心：
设计了结构化的Prompt，要求AI返回JSON格式
实现了AI优先+关键词匹配降级的双引擎架构
即使AI不可用（如纯静态部署），也能给出基础分析
第三步：踩坑与解决（真实记录）
开发过程中遇到了不少坑，这里记录几个典型的：
坑1：Next.js 16.2.x dev模式hydration bug
现象：所有按钮点击无反应
原因：Next.js 16.2.x的已知bug，dev模式下WebSocket连接失败导致React不执行hydrateRoot
解决：改用production模式运行（npm run build && npm run start）
耗时：从发现到定位根因花了大量时间，最终通过GitHub PR确认是框架bug
坑2：AI调用在Vercel部署后失败
现象：本地AI正常，部署到Vercel后AI分析失败
根因：三层问题叠加——客户端直接调用OpenAI SDK被拦截 + API路由模块顶层初始化崩溃 + 客户端AbortController意外取消请求
解决：重构为"浏览器→API路由→OpenAI"的三层代理架构，移除客户端超时控制
这个bug反复修了4次才彻底解决，每一次都以为是超时问题，最后发现是AbortController在React组件卸载时被意外触发
坑3：GitHub Pages纯静态部署 vs Vercel服务端部署
GitHub Pages不支持serverless函数，AI功能不可用
解决：设计双引擎架构，AI不可用时自动降级为关键词匹配
最终实现双部署：Vercel（完整功能）+ GitHub Pages（静态备份）
第四步：部署上线
Vercel部署：配置环境变量 → 自动构建 → AI功能可用
GitHub Pages部署：GitHub Actions自动构建静态版本 → 无需AI也可使用
两个平台同一份代码，自动适配
⑤ 成果展示
在线体验
Vercel完整版：https://zhitu-career.vercel.app/ （含AI功能）
GitHub Pages版： 知途 · ZhiTu Career — 为大学生点亮职业方向的灯 （静态版，AI降级为关键词匹配）
代码仓库
测试效果截图见飞书云文档
https://t7wy8u6f1c.feishu.cn/wiki/YX1mwKWOPigKTVkdJpHc0JYCnWh?from=from_copylink
技术亮点
Next.js 16 + React 19 + TypeScript + Tailwind CSS 4
AI双引擎架构（AI优先 + 关键词降级兜底）
游戏化SBTI旅程系统（5阶段徽章解锁）
双平台部署（Vercel + GitHub Pages）
纯前端实现，无需后端数据库
⑥ 验证方式与下一步
已完成的验证
本地Chrome浏览器完整功能测试通过
Vercel部署后AI解读功能验证通过（使用火山方舟API）
GitHub Pages静态部署验证通过（关键词匹配降级模式正常）
移动端响应式适配测试通过
下一步计划
完善匹配分析模块：将测评结果与JD解读结果进行更精准的交叉匹配
简历优化模块：基于JD解读结果，AI辅助优化简历内容
用户反馈收集：邀请更多大学生使用，收集真实反馈持续优化
。 既然有了简历优化的功能，能不能让AI做一个 pdf 简历修改的功能。毕竟现在简历大部分都是pdf的，而且还收费，顺带给面试者来一些面试小技巧（由AI 提供）