大家好，我是一名独立开发者,平时主要做全栈 + AI 应用开发。
这次用 TRAE 把 ResumeTake 从想法到上线全程跑通,最大的感受是:它不是"帮我写代码的工具",而是"能听懂产品意图的搭档"。
我脑子里最初只有一个模糊的目标——“做一个能让求职者真正用起来的 AI 简历工具”。我没有先写需求文档,而是直接把场景一句句讲给 TRAE 听:“用户粘贴一段简历,我要让 AI 用 STAR 法则重写,还要给 ATS 评分,中间过程不能白屏”。它没有让我先去画架构图,而是直接从路由组织、SSE 流式实现、Prompt 结构开始一步步搭起来,边搭边问我"这里要不要加限流"“要不要做多模型 fallback”。
最让我意外的一步是 SSE 流式那一段。我本来以为要自己研究半天 Server-Sent Events 在 Fiber 里的写法,结果跟它说"我要用户看到 AI 一字一字吐出来",它直接给出了从 HTTP Client 配置(没设整体 Timeout 但加 ResponseHeaderTimeout)、到中间件跳过 compress、到前端 EventSource 渲染的完整链路,还顺手提醒我"优雅关停的 timeout 要大于 WriteTimeout,不然部署时会切断正在生成的 AI 请求"。这一刻我真的觉得——原来把一个工程级 AI 体验做对,可以这么省心。
它帮我跨过的最大的坎,是把"调用 LLM"做成"编排 LLM"。我以前写 AI 应用总是「调 API → 等返回 → 渲染」,TRAE 一边写一边帮我 review,主动指出"用户输入要包 <user_> 标签防注入"“响应体要限 8MB 防 OOM”“单供应商挂了要能 fallback”,这些是我自己写肯定会漏的点。代码里现在还留着 60 多处 R-B* review 注释,就是它每轮帮我查问题的留痕。
- Demo 简介
是什么:一个 Web 网站(SvelteKit 前端 + Go 后端),线上地址 https://resume.takee.top
面向谁:正在求职的人——尤其是写简历没思路、投出去石沉大海、不懂 ATS 关键词匹配的应届生和职场转型者。
主要功能(3 个核心):
① AI 简历优化 + SSE 流式 上传现有简历 + 填目标职位 → AI 用 STAR 法则重写 → 实时输出 ATS 评分 + 关键词 + 改进建议。生成过程文字逐字浮现,不卡白屏。
AI 优化界面
② 4 视角分析 同一份简历,AI 切换 HR / 技术面试官 / 高管 / ATS 系统四个 persona 分别评估。把"简历好不好"这个主观问题拆成 4 个可量化维度。
0基础生成简历
③ 求职全流程 AI 编排 不是单点功能,而是端到端:职位抓取 → JD 关键词提取 → 简历优化 → 求职信生成 → LinkedIn 优化 → 面试练习。每个节点共享用户上下文。
多语言支持(阿拉伯语RTL)
- Demo 创作思路
灵感来源:我自己写过简历,也帮朋友改过简历。痛点很真实——大多数人不是不会写,是不知道"HR 想看什么"“ATS 系统怎么筛”。市面上 AI 简历工具要么只做"美化文案",要么生成一坨假大空,没人解决"为什么投出去没回音"这个根问题。
想解决的问题:
求职者不知道简历哪不行(→ 4 视角分析 + ATS 评分)
等 AI 生成要 30 秒白屏很劝退(→ SSE 流式)
单点工具解决不了全流程(→ 简历 + JD + 求职信 + LinkedIn + 面试 一条链)
担心 AI 供应商挂了就用不了(→ 8 家自动 fallback)
为什么做这个方向:
求职是低频高痛,用户愿意为结果付费(已接 PayPal)
AI 在这个场景的价值不是"写得快",是"看得准"——4 视角 + ATS 评分是差异化
工程上可复用 SSE + 多模型 + Prompt 防注入这套底座,后续扩展空间大
3. Demo 体验地址
线上地址:https://resume.takee.top
体验路径(3 分钟):
打开链接,邮箱注册登录(免费额度可用)
进入「AI 优化」→ 粘贴简历 + 填目标职位
观察 SSE 流式输出 + ATS 评分 + 关键词
4. TRAE 实践过程
开发流程总览:
想法 → TRAE 协助架构设计 → 后端 Go Fiber 搭建 → 前端 SvelteKit 搭建 → AI 能力接入(SSE / 多模型 / Prompt 防注入)→ 安全加固 → 部署上线
每个阶段都和 TRAE 配合,具体留痕如下。
关键步骤截图:
项目首页
AI 优化编辑器
登录注册页面
多语言支持(阿拉伯语RTL)
关键任务对话 Session ID:
6a547dfc7202c62dc65931fd — 项目架构分析 + demo 提交材料创建 + 社区发帖文档 + 截图生成
(本次对话覆盖了所有关键任务：后端架构搭建、SSE 流式实现、Prompt 注入防御、安全加固、前端多语言 i18n、SEO 优化、部署上线等)
代表性 review 留痕(代码中可查):
TRAE 在多轮 review 中主动发现并修复的问题,代码注释保留至今:
R45-B2 — requestid 必须先于 Sentry 执行,否则 Sentry scope 读不到 requestid
R56b-B3 — ADMIN_TOKEN 校验必须在资源分配前,避免 log.Fatalf 跳过 defer 泄漏 SQLite handle
R58-B-L1 — SSE HTTP Client 加 ResponseHeaderTimeout,防止 Provider 接受 TCP 但永不返回 Header
R49-B1 / R57b-B1 — Prompt 注入防御后缀,所有用户输入走 <user_> 标签
R52-B1 — AdjustUserUsage 增量 UPDATE,消除 stale-write 竞态
这些 R-B* 注释就是每轮 TRAE review 的留痕,可追溯。
附:项目仓库
GitHub: https://github.com/takeqaq2/resumetake 线上 Demo: https://resume.takee.top
附:技术栈
前端:SvelteKit 5 + TailwindCSS,10 语言 i18n、暗色模式 后端:Go Fiber,SQLite 持久化,Sentry 监控 AI:8 家供应商(SiliconFlow / 智谱 / DeepSeek / 豆包 / Groq / Gemini / Cerebras / OpenRouter)自动 fallback 部署:Docker Compose + Nginx,一键 docker compose up -d --build
