一、摘要
面向准备实习、秋招或跨专业求职的大学生，本作品提供岗位数据库、JD 解析、能力差距分析、求职路径诊断评分、红黄绿风险提示、行动清单、作品集建议、模拟面试反馈和豆包 AI 助手外链入口。作品希望帮助学生把“看不懂岗位、不知道差在哪里、不知道下一步做什么”的求职迷茫，转化为可执行、可验证的求职准备路径。
二、真实场景与需求
目标人群是正在准备实习、秋招或跨专业求职的大学生，尤其是缺少实习资源、缺少一对一就业指导、不熟悉企业招聘语言的普通学生。
在实际求职过程中，很多学生看到招聘 JD 时只能识别关键词，例如 Python、数据分析、运营、产品、项目经验等，但不清楚这些要求对应什么真实工作任务，也不知道自己是否适合投递。结果往往是反复收藏岗位、反复焦虑，却无法形成清晰行动路径。
现有做法通常依赖学长学姐经验、网络求职攻略或付费咨询服务，但这些方式存在信息碎片化、个性化不足、成本较高、难以持续陪伴等问题。因此，本作品尝试用 AI 工具降低求职信息差，帮助学生获得低成本、可反复使用的求职辅助支持。
三、作品介绍
本作品名称为 CareerPath AI 4.0：面向低资源大学生的公益求职路径诊断与行动规划助手，是一个使用 TRAE SOLO 完成的单页网页工具。
GitHub网页： https://250301384-wq.github.io/1/
GitHub仓库：https://github.com/250301384-wq/1
主要功能包括：
- 岗位数据库：覆盖技术类、产品运营类、商科管理类、文科公共类等 30 余个岗位。
- JD 解析：将招聘描述翻译成真实工作内容、显性要求、隐性要求和准备建议。
- 能力差距分析：根据学生背景输出优势、短板、技能差距、项目差距和简历表达差距。
- 求职路径诊断评分：从岗位匹配度、技能准备度、项目支撑度、简历表达度、面试准备度、行动清晰度等维度评分。
- 红黄绿风险提示：判断当前是否适合直接投递，并给出替代岗位建议。
- 行动清单：生成 7 天、14 天或 30 天求职准备任务。
- 作品集建议：为没有实习经历的学生推荐低成本、可完成的作品集项目。
- 模拟面试反馈：生成面试问题、表达反馈、优化建议和追问问题。
- 豆包 AI 助手入口：用户可点击外链进入豆包继续进行深度求职咨询。
四、用 TRAE SOLO 实现的过程
在开发过程中，我首先将大学生求职迷茫拆解为几个连续问题：看不懂岗位、不了解能力差距、不知道是否适合投递、不知道如何准备作品集、不知道如何表达经历。
基于这一拆解，我使用 TRAE SOLO 逐步完成页面结构、岗位数据库、JD 解析、能力分析、行动清单、模拟面试、低资源求职模式、求职路径诊断评分和豆包 AI 助手入口等功能。
实现过程中，我重点使用了以下 Prompt：
“请开发一个面向大学生求职迷茫场景的单页网页应用，包含岗位数据库、JD 解析、能力差距分析、行动清单和模拟面试反馈。”
“请在现有项目基础上扩大岗位数据库范围，覆盖技术类、产品运营类、商科管理类、文科公共类等 30 余个岗位。”
“请新增低资源求职模式，优先推荐免费资源、公开数据集、校园项目和低成本作品集方案。”
“请新增求职路径诊断评分、红黄绿风险提示、作品集生成建议和一键演示模式，使作品更适合公益赛道展示。”
开发过程中遇到的主要问题是：初始版本容易停留在泛泛建议，缺少具体行动。因此我不断要求 SOLO 将输出改成“每日任务、可验证产出、简历更新点、面试准备任务”，让工具从建议生成器变成行动规划助手。
五、成果展示
最终作品实现了从岗位理解到行动规划的完整闭环：
学生可以先浏览岗位数据库，理解不同岗位的真实工作内容；
再粘贴 JD，获得结构化岗位解析；
然后填写个人背景，获得能力差距分析；
之后通过诊断评分和红黄绿风险提示判断是否适合投递；
再生成阶段性行动清单和作品集建议；
最后进行模拟面试训练，并通过豆包 AI 助手入口继续深度咨询。
六、验证方式与下一步
目前我使用数据分析实习生、AI 产品助理、新媒体运营实习生、财务助理、公益项目助理等岗位进行了模拟测试。测试维度包括 JD 解析是否清晰、能力差距是否具体、行动清单是否可执行、面试反馈是否有帮助。
当前版本为前端演示原型，不保存用户输入，不上传个人简历和求职信息，所有分析仅在本地页面展示。
下一步计划包括：
- 接入真实岗位数据；
- 增加简历上传与评分；
- 增加岗位推荐算法；
- 增加求职进度追踪；
- 邀请真实大学生试用并收集反馈；
- 未来通过豆包等 AI 助手增强深度对话能力。
七、作品边界
本工具不能替代高校就业指导老师、企业 HR 或专业职业咨询服务。当前版本主要用于求职准备前期的信息整理、岗位理解、能力诊断和行动规划，帮助学生形成更清晰的求职准备路径。