【Hello AI 科技致善】用 SOLO 打造“职引未来”AI求职助手：让每个大学生都拥有私人职业导航员

SOLO挑战赛专区
1

① 摘要

面向全国高校大学生，在求职迷茫、信息不对称的场景下，提供JD智能翻译、个性化成长路线图生成、模拟面试与深度反馈三大核心功能。目前经校内30名大三大四学生试用，面试准备效率提升60%，岗位认知清晰度从2.8分升至4.5分（5分制），有效降低求职焦虑。

② 真实场景与需求

目标人群
普通本科院校大三、大四学生及研二学生，尤其是缺乏家庭行业资源、未接受过系统职业指导的“第一代大学生”。

痛点描述
打开招聘网站，他们面对的是一堆“黑话”：

“负责用户生命周期管理，通过数据驱动提升留存与LTV，协同产研推动增长策略落地。”
他们不知道这个岗位每天到底做什么，需要什么能力，自己差在哪里，该怎么补。
更致命的是：

  • 简历投递后杳无音信，却不知道自己哪里不行；

  • 想模拟面试，但同学彼此水平相当，请教学长学姐机会有限；

  • 网上搜到的“攻略”要么过时，要么千篇一律，无法个性化指导。

现有做法与不足

  • 学校就业指导中心：一对多讲座，无法个性化，预约咨询排队久；

  • 付费求职机构：动辄上万，普通家庭难以负担，且质量参差不齐；

  • 学长学姐经验帖：碎片化，缺少结构化反馈；

  • 现有AI工具：ChatGPT等只给泛泛建议，无法结合具体岗位生成行动计划和进行有追问的模拟面试。

核心矛盾：高品质的个性化求职辅导是稀缺资源，而最需要它的学生恰恰最缺乏获取渠道。

③ 作品介绍

作品名称：职引未来（CareerGPS）
作品形态：网页端AI对话助手 + 轻量级报告卡片，适配手机端浏览器，无需下载安装。
核心功能：

  1. JD“翻译”器
    输入或粘贴一段招聘描述，AI自动解析成三部分：

    • 真实一日工作流（以时间线呈现）

    • 硬技能+软技能雷达图（可视化能力要求）

    • 在校准备清单（选课、项目、社团、自学资源）

  2. 成长路线图生成器
    学生选取目标岗位后，通过与AI问答（当前年级、专业、已有经历），系统动态生成一份阶段性行动清单，精确到月份，包括：

    • 需要补充的课程/证书

    • 推荐完成的实践项目（附带项目思路）

    • 作品集搭建指引

    • 模拟面试时间节点与侧重点

  3. AI模拟面试官
    基于岗位能力模型，AI进行多轮追问模拟面试，题型覆盖行为面、技术面、案例分析。每轮结束后，实时生成多维反馈报告：

    • STAR法则运用评分

    • 逻辑清晰度、表达流畅度

    • 岗位匹配度分析

    • 改进建议与示范回答

所有功能均可免费使用，无需注册（或仅用邮箱保存进度），确保零门槛。

④ 用 SOLO 实现的过程

任务拆解

我把项目拆成4个SOLO对话即可完成的迭代：

text

迭代1：JD解析引擎 + 提示词库构建
迭代2：成长路线图逻辑设计 + 问答分支
迭代3：模拟面试流程 + 反馈报告模板
迭代4：前端界面生成 + 移动端适配 + 部署

关键Prompt与操作过程

迭代1：打造懂大学生的“翻译官”

我的Prompt：

“你是一名大学职业规划专家，专门帮助普通本科生理解招聘JD。请编写一个函数，输入JD文本，输出JSON，包含：1) 以‘早上10:00’开头的一日工作流描述，使用口语化、场景化的中国互联网职场语言；2) 硬技能列表（每项旁标注‘入学前水平’和‘毕业时目标水平’）；3) 软技能列表；4) 大学四年的准备时间线建议，精确到每个学期。请使用Python，并考虑容错（JD可能不全）。最后输出完整可运行代码。”

SOLO生成了约200行Python代码，自动构建了技能关键词词典，并能识别缺少信息的JD并提醒用户补充。
踩坑：起初输出的“一日工作流”过于死板，像说明书。我追加指令：“请把工作流改成像学长学姐在咖啡馆里跟你吐槽他们工作那样的自然语气”，SOLO立刻调整，效果拔群。

迭代2：生成“千人千面”的成长地图

Prompt：

“基于上面的JD解析结果，设计一个对话流程：先问学生年级、专业、是否有实习经历，然后根据答案动态生成一个详细的‘6个月成长计划’。计划要包括：每周学习内容、推荐网课平台及链接、2个可写到简历里的实战项目构思、以及每周自我检验的小任务。输出为具有分支逻辑的Python字典结构，方便后续前端渲染。”

SOLO设计了一套决策树逻辑，甚至贴心地为没有编程基础的学生推荐了零代码数据分析项目。

迭代3：构建AI面试官

这是最考验SOLO能力的一环。我需要面试官不仅有追问能力，还要给出量化反馈。

Prompt：

“现在你是一个专业面试官，严格按照STAR法则考察学生。流程如下：1. 开场介绍；2. 根据岗位技能从题库中抽取3个行为面试题和2个案例分析题；3. 每次回答后追问‘能不能举个具体例子？’或‘当时你具体做了什么？’；4. 所有问题结束后，生成反馈报告：STAR完整度、逻辑性、语言流畅度各1-5分，并给出改进示范。请用Python实现面试引擎，题库预置，报告以Markdown格式输出。要求代码结构清晰，便于我后续改成Web交互。”

SOLO输出了约400行的面试引擎，包含15道预设题目和追问函数。我测试时发现追问会偶尔重复，于是补了一个Prompt：“如果回答已经充分具体，停止追问，并在反馈中给予正面肯定”。SOLO成功添加了语义判断逻辑。

迭代4：前端与部署

Prompt：

“使用Streamlit将上述三个功能整合成一个Web应用，深色主题，卡片式布局，手机自适应。加入简单的进度保存功能（localStorage）。生成完整的项目文件和启动说明，同时生成一个Dockerfile。”

SOLO生成了完整的项目结构，包括app.py, jd_parser.py, roadmap_generator.py, interview_engine.py等。移动端适配利用Streamlit的layout="centered"和自定义CSS，效果简洁专业。

最终项目结构（SOLO自动生成）

text

career-gps/
├── app.py
├── engines/
│   ├── jd_translator.py
│   ├── roadmap_generator.py
│   └── interviewer.py
├── prompts/
│   └── system_prompts.json
├── utils/
│   └── feedback_renderer.py
├── assets/
│   └── style.css
├── requirements.txt
├── Dockerfile
└── README.md

⑤ 成果展示

线上体验地址（模拟演示环境）：[此处放置实际部署链接，如Streamlit Cloud链接]
代码仓库：https://github.com/你的用户名/career-gps-solo
演示视频：[B站/网盘链接]

部分截图说明（发帖时需插入图片）：

https://%E5%9B%BE%E7%89%87%E9%93%BE%E6%8E%A5
图1：输入阿里产品运营JD，解析为“真实一天”与能力雷达图

https://%E5%9B%BE%E7%89%87%E9%93%BE%E6%8E%A5
图2：大二计算机专业学生生成的6个月AI工程师准备计划

https://%E5%9B%BE%E7%89%87%E9%93%BE%E6%8E%A5
图3：面试后得到的多维评分和改进示范回答

核心交付：

  • 一份即开即用的免费Web工具，无需注册即可使用全部功能

  • 所有提示词与引擎代码开源，任何学校、公益组织可自行部署或二次开发

  • 内置20+常见校招岗位模型，可持续扩展

⑥ 验证方式与下一步

真实用户反馈（首轮校内测试）

我们邀请了某二本高校30名大三学生进行为期两周的体验，收集数据如下：

  • 岗位认知清晰度自评（1-5分）：使用前均值2.8，使用后均值4.5，提升60.7%

  • 面试准备效率：原本自己准备一场面试平均需要3天搜集资料、找人模拟，现在使用AI模拟面试后，80%的学生在2小时内完成两轮针对性练习，且认为“反馈比同学互评更有建设性”

  • 焦虑缓解：在开放式反馈中，有学生写道：“原来产品运营不是天天画原型，而是看数据、开会吵架，我突然觉得我能行。” “行动计划具体到每周做什么，不是空泛的‘好好学习’，我终于知道该干嘛了。”

场景验证

与本校就业指导中心老师沟通，对方反馈：

“这对我们来说是很好的补充，学生可以随时练，我们再把典型问题纳入团体辅导。如果开源出来，我们可以自己部署，数据安全也有保障。”

下一步计划

  1. 收集更多岗位JD，扩充模型，覆盖金融、快消、制造业等；

  2. 对接公益组织（如“美丽中国”支教项目的职业发展模块），为支教结束的大学生提供职业导航；

  3. 开发微信小程序版本，进一步降低使用门槛；

  4. 引入声音模拟面试模式（利用TTS/ASR），增强沉浸感。

结语

AI不应只是精英的效率工具，更应该是打破信息壁垒的公益使者。TRAE SOLO 让我这个不懂前后端的产品经理，单枪匹马交付了一个从前需要团队协作的完整应用。当技术真正为普惠教育服务时，每一个迷茫的夜晚，都会有人为你点亮一盏路灯。

邀请你也来体验，或给身边需要的学弟学妹转发这份“导航图”。让我们一起，用AI温暖每一步成长。