- Demo 简介
产品形态
基于 Streamlit + LLM 的 Web 应用，浏览器打开即用，无需安装任何依赖。提供双模式智能简历生成能力：新建简历（从零生成）和 更新简历（基于已有简历融合新经历）。
面向用户
正在求职的职场人：每次投递前都需要根据不同 JD 修改简历，耗时 1-2 小时
应届毕业生：缺乏简历写作经验，不知道如何突出自身优势
海投用户：需要同时投递多个不同岗位，需要快速生成多版简历
职场进阶者：工作一段时间后想更新简历，但不知如何整合新经历
核心功能（3大亮点）
功能一：双模式智能生成
新建模式：输入完整经历 → 一键生成"母版简历 + 岗位定制简历 + 差距分析"
更新模式：上传旧简历 + 新工作阶段 → 自动融合新经历 + 重新优化 + 差距分析
功能二：专业级 Prompt Engineering
内置两套经过多轮迭代的中文提示词，分别针对"新建"和"更新"场景深度优化
用户可在侧边栏实时编辑系统提示词，支持保存个性化模板
采用三步任务链设计：母版生成 → 岗位优化 → 差距分析，输出结构化
功能三：多源简历解析 + 演示友好
支持上传 PDF / Word / TXT 格式简历，自动解析提取文本
提供一键示例数据功能，评审可零成本体验完整工作流
玻璃拟态浅色 UI 设计，支持 DeepSeek / OpenAI / 豆包等多种 LLM 灵活切换
界面预览
（应用截图：主界面采用 Linear/Vercel 风格的暖白底玻璃拟态设计，配合紫青渐变品牌色，整体观感专业且温暖）
- Demo 创作思路
灵感来源
作为正在求职的产品经理，我深刻体会到"为每个岗位改简历"的痛苦：
一次完整改简历耗时 1-2 小时，而海投季节每周要改 3-5 份
缺乏量化思维：每段经历如何用"提升 X%"“管理 N 人团队"等数据说话？
关键词不对齐：JD 里的"用户增长”“数据分析”"跨部门协作"等关键词，怎么在简历里自然体现？
客观盲区：自己写的简历很难发现与目标岗位的真实差距
结论：这是一项高频率、高耗时、痛点真实、用户基数大的需求 —— 而 LLM 正是完美解法。
想解决的问题
求职者三大核心痛点：
效率痛点：手动改简历耗时太久，占用宝贵的投递/面试准备时间
专业痛点：非 HR 出身的求职者缺乏简历写作经验，关键能力被埋没
决策痛点：不知道目标岗位的真实匹配度，无法针对性提升短板
为什么做这个方向
为什么选择这个 Demo 主题：
真实需求验证：每个求职过的人都经历过这个痛苦，市场上虽有产品但要么收费高（200-500元/次），要么功能单一
AI 能力完美匹配：LLM 在文本理解（解析 JD）+ 文本生成（改写简历）+ 结构化输出（差距分析）三方面都有天然优势
可演示性强：评审能立即体验，输入工作经历和 JD，3 分钟看到完整三段式输出
可量化价值：从"1-2 小时"到"3-5 分钟"的效率提升是20 倍以上，易于在帖子里展示
使用场景清晰：服务于广泛的求职人群，特别是 2024-2025 求职季的用户
创作过程中的取舍
不做账号系统：初赛 Demo 聚焦核心功能，账号/数据库留给复赛
不做 PDF 导出：Markdown 格式输出更便于二次编辑，复赛可扩展
聚焦中文场景：国内求职市场是主要目标用户群
轻量化部署：Streamlit 单文件部署，演示零门槛
- Demo 体验地址
本地体验（推荐）
Bash
1
2
3
4
5
6
方式一：一键启动（推荐，Windows 用户）
双击 AI简历助手.pyw 即可自动安装依赖并启动
方式二：命令行启动
pip install -r requirements.txt
streamlit run app.py
启动后浏览器访问 http://localhost:8501
核心演示流程（3 分钟看完整效果）：
在左侧边栏填写你的 API Key（支持 DeepSeek / OpenAI / 豆包 / 自定义）
点击页面中的 “
一键全部填充” 按钮，自动填入示例工作经历和 JD
点击 “✦ 开始生成简历”，等待 30-60 秒
查看生成的三段式结果：母版简历 / 岗位定制简历 / 差距分析与提升建议
零 API 体验：可在系统提示词编辑器中看到完整的两套提示词，了解 AI 的工作流
- TRAE 实践过程
4.1 完整开发流程
阶段一：创意构思与方案设计
通过 TRAE 的 AI 对话梳理痛点，确定产品形态
借助 AI 输出竞品分析，对比传统简历优化服务
阶段二：核心架构搭建
使用 TRAE 生成 Streamlit 项目骨架
设计双模式（新建/更新）的数据流和提示词结构
实现文件上传、文本解析等基础模块
阶段三：UI/UX 多轮迭代
第一版：基础 Streamlit 默认样式
第二版：定制 CSS，添加毛玻璃效果（暗色玻璃拟态风格）
第三版：根据用户体验反馈，重构为浅色暖白底风格（Linear/Vercel 风格）
第四版：增加双边框架构、弹性动画曲线、入场动画等微交互
阶段四：关键功能增强
添加一键示例数据按钮（提升演示友好性）
实现提示词可编辑功能
优化文件解析兼容性
增加历史记录功能
阶段五：打包分发
探索 PyInstaller 打包方案
因 Streamlit 多进程架构特性，最终采用 .pyw 启动器 + 自动依赖安装方案
支持 Windows 平台零配置运行
4.2 开发关键步骤截图
截图清单（本帖附件 ≥ 3 张）：
4.3 关键任务 Session ID
Session ID 列表（本帖附件 ≥ 3 个）：
4496358222885626:12dd5eb47a5cf456e5287802935e4266_6a2a6f81301e914a3e27add3.6a2a6f8a301e914a3e27ae0a.6a2a6f8a301e914a3e27ae08:TRAE Work CN.0.1.35.no_sid.no_ppe.T(2026/6/11 16:19:22)
4496358222885626:9729a5874a43e2385cefe28e81f4e183_6a2a6f81301e914a3e27add3.6a2a74b5301e914a3e27ae7c.6a2a74b5301e914a3e27ae7a:TRAE Work CN.0.1.35.no_sid.no_ppe.T(2026/6/11 16:41:25)
4496358222885626:c781404566e87228f69963e0bbdd41c5_6a2a6f81301e914a3e27add3.6a56f8c17b2eb9b90f7ecbe0.6a56f8c17b2eb9b90f7ecbde:TRAE Work CN.0.1.35.no_sid.no_ppe.T(2026/7/15 11:04:33)
4.4 关键技术决策
决策点 方案选择 理由
前端框架 Streamlit 开发效率高，原生支持 LLM 应用
UI 风格 自定义 CSS + 玻璃拟态 区别于默认风格，凸显专业感
提示词 中文三段式（母版/优化/分析） 结构化输出，便于用户使用
部署方案 本地 + .pyw 启动器 规避 PyInstaller 与 Streamlit 多进程架构冲突
提示词可编辑 session_state + 侧边栏 expander 让用户保留个性化定制能力
4.5 踩过的坑与解决方案
坑 1：Streamlit 默认 UI 太简陋
解决方案：用 1300+ 行自定义 CSS 重写所有组件样式，覆盖 BaseWeb 组件内部结构
收获：深入理解 Streamlit 的 DOM 层级结构
坑 2：PyInstaller 打包后无法运行
原因：Streamlit 内部使用多进程架构，PyInstaller 无法正确处理
解决方案：放弃 exe 方案，改用 .pyw 启动器 + 自动检测依赖安装
收获：理解框架的运行时架构
坑 3：第三方字体（Google Fonts）无法加载
解决方案：改用系统字体栈（PingFang SC、微软雅黑等）
收获：跨平台部署要考虑网络限制
坑 4：菜单和组件汉化
解决方案：通过 streamlit.components.v1.html() 注入 JS 脚本，监听 DOM 变化并替换英文文本
收获：用 MutationObserver 实现前端动态汉化
-
经验总结与心得
5.1 给其他参赛者的建议
Demo 不用追求完美：评审看的是创意和执行力，不是产品完整性
截图比文字更有说服力：附 ≥3 张关键步骤截图
Session ID 是真实性的关键：务必保留对话记录
真实痛点 + AI 能力 = 高分公式：选自己真实遇到的痛点
5.2 项目的可扩展方向（复赛规划）
增加账号系统和数据持久化
支持 PDF 简历导出（基于 WeasyPrint）
集成岗位库（爬取 BOSS/拉勾等 JD 数据）
引入 RAG 检索行业知识库
增加多语言支持（英文简历） -
附：报名帖链接
本次参赛的报名帖链接：[报名帖]AI简历助手.zip (1.3 KB)
创意提案_AI简历更新助手.html (23.5 KB)
感谢评审老师的时间，欢迎提出宝贵意见！ 
如果有任何问题，欢迎在评论区交流，或在 TRAE 社区 找到我。