大家好，我是TRAE 校园大使，FResume 开发者，也是一名正在准备实习/校招的大学生。
这次想分享我用 TRAE CN 做的一个求职作品：FResume。它不是一个简单的“AI 简历生成器”，而是围绕大学生求职全流程做的一站式工作台：从简历创建、内容优化、岗位匹配，到面试准备、网申投递、投递记录和复盘回流，尽量把求职这条链路串起来。
这个作品获得了 TRAE AI 创造力大赛 10000 元奖金。
产品地址：https://fresume.odsy.com.cn
产品形态：Web 网站 + Chrome 浏览器插件
一句话介绍：Forge · Find · Focus · Fit · Fill，用 5 个 F 重新做一遍大学生求职。
一、我是谁，现在在准备什么
我是一名大四学生，正在准备实习和校招。今年 6 月，我和身边很多同学一样开始投实习：从零写简历，买模板、开会员、付费请教，花了上百元；简历看起来越来越“专业”，海投数百份，效果却不明显。
更麻烦的是，每看到一个岗位，我都要重新判断：哪些经历保留、哪些项目突出、哪些表述调整。改完简历，还要去不同招聘网站重复填姓名、教育、项目、技能；投递状态散落在聊天记录、收藏夹和表格里；面试结束，复盘也经常没留下。
我也试过通用大模型。它能润色，但不能直接改原简历，生成模板不好看，甚至会编造不存在的数字、职责和技术细节。于是我意识到：大学生求职缺的不是“帮我写一段话”的 AI，而是一套围绕真实经历持续运转的流程。
这就是 FResume 的起点。
二、我做了个什么作品，想解决什么问题
FResume 主要解决大学生求职里的几个高频问题：
-
简历不会写、不会改，一份简历海投所有岗位；
-
不同岗位需要不同版本，手动修改效率低、版本乱；
-
网申反复填相同信息，浪费时间；
-
投递后不知道怎么准备面试；
-
投递过程无记录、面试后无复盘；
-
AI 写简历容易编造经历，面试时风险很大。
围绕这些问题，FResume 做了五个核心模块：
-
个人知识库与信息墙：简历自动提取、手动补充、面试复盘导入，素材终身沉淀；通过向量语义召回，让岗位 JD 和经历素材做语义级匹配。
-
简历工作台：直接解析 .docx，尽量保留原始排版；支持区域框选 AI 优化；三层溯源对比，展示原文、知识库引用、AI 建议和修改理由。
-
岗位匹配全流水线：支持截图 OCR / 文本粘贴导入 JD，输出匹配分值、技能匹配、风险点和投递策略；一键生成岗位定制版简历和面试指南。
-
投递中心：智能网申包、校招信息聚合，解决多平台重复填表。
-
浏览器插件与投递管理：Chrome 侧边栏不打断主页面，网申字段一键复制，投递记录一键录入，笔试/面试复盘可回流知识库。
其中我个人最想强调两点：
第一，事实溯源机制。
AI 生成内容不能只靠 Prompt 说“禁止虚构”。FResume 做了三层事实标记：原始事实、用户补充、AI 建议。未确认内容不写入最终简历；改写时展示来源和修改理由，让用户敢用、会用、能用。
第二，Word 原生兼容。
很多 AI 简历工具会把原格式改乱，下载后还要重新排版。FResume 尝试直接操作 Word 段落和 run 级别，只替换文本、尽量保留字体、字号、加粗、段落间距，下载后可以直接使用。
三、我是怎么用 TRAE 做出来的
这次开发我主要使用 TRAE CN。对我来说，TRAE 不只是“帮我生成代码”，更像一个可以一起做产品分析、架构推演和调试协作的伙伴。
我逐渐固定了和 TRAE 的协作输入：
业务目标、现有实现、失败方案、约束条件、验收标准。
比如修简历格式时，我不会只说“修复错乱”，而会说明：原始文件是只读来源、AI 只能改结构化简历卡片、必须可回滚、超页先调间距字号、删内容必须用户确认，以及怎样才算修复成功。
类似这样的关键提示词，对我帮助很大：
text
我要修复 FResume 的 Word 简历格式保留问题。
背景：原始 .docx 是只读来源，AI 只能改结构化简历卡片，确认后生成修订快照，并输出 DOCX/PDF/PNG。
失败方案：元素提取重构、区块化渲染都会破坏复杂表格、文本框和分页。
约束：不得覆盖原文；必须可回滚；超页先调间距和字号，再给 AI 精简候选；删内容必须用户确认。
请比较 3 种实现方案，说明失败边界，给出最小验证步骤和验收标准。
还有一个很关键的方向，是把“真实性”做成机制，而不是只写进 Prompt：
text
请把简历改写 prompt 设计成输出引用标记：
每段改写必须标注来源：原文段落 ID / 知识库节点 ID / AI 建议。
数字、职责、技能若来自 AI 推测，必须标记为未确认，不得写入最终简历。
前端悬浮展示原文、知识库引用、AI 建议及理由。
开发过程中最有意思、也最费劲的地方，是 Word 格式保留。我先后尝试过元素提取重构、区块化渲染，多次推倒重来，最后选定基于 Word 段落与 run 级精细操作的方案：只替换文本内容，保留字体、格式、排版，实现原简历格式尽量 100% 还原。
另一个难点是 AI 真实性。只靠 Prompt 约束不够，模型仍可能补上看似合理但不存在的数字、职责和技能。后来我把原始来源设为只读，事实素材必须确认，AI 只产候选，并附修改理由、来源和风险；岗位匹配设两道门：先确认调整方案，再逐项确认最终内容。
这次开发里，TRAE 帮我最多的不是一次生成多少代码，而是让我能更低成本地反复讨论方案、检查假设、构造失败场景，并在发现模型不对时重新设计系统。
四、成果展示
目前 FResume 已经在真实求职场景里跑了起来：
-
获 TRAE AI 创造力大赛 10000 元奖金；
-
Demo 首发获抖音平台超百万关注度；
-
近千名学生参与多轮内测，目前约 2 千名用户；
-
已在真实校招场景中助力用户拿到大厂实习 offer。
在线体验：https://fresume.odsy.com.cn
五、我最大的感受
FResume 不是要替代求职者思考。它希望把重复填表、格式整理、信息检索和版本记录交给工具，把经历挖掘、岗位选择、事实确认和面试复盘留给用户。
人的工作没有消失，只是从机械重复转移到了更重要的判断上。
对我来说，用 TRAE 开发 FResume 最值得沉淀的经验是：
AI 编程的价值，不是让开发者少思考，而是让我们更快抵达真正值得思考的问题。
欢迎大家体验 FResume，也欢迎在评论区给我建议。如果你也在准备实习、校招、社招或转行，希望这个作品能给你一点参考。