1.个人介绍
-
我是大连东软信息学院软件工程专业的大四学生,即将毕业,现在正在找工作,累计投递了 500+ 份简历。
-
第一个用户是我自己。 投完一堆简历之后,我打开自己记投递的那张表,常常分不清哪家已经参加过笔试、哪家进过面试、哪家投出去就再没消息——公司名字一行行排在那里,状态却停在投递那天,想跟进都不知道该从哪家开始。
如果没有这个作品,我今天会怎么办: 靠手机备忘、招聘 App 里的投递列表和聊天记录往回倒推。翻到哪条算哪条,提醒基本靠临时想起,跟进容易漏;面完之后也没有回头复盘,下一次面试还是从零开始准备。
一个真实的数字:500+ 份简历。 这个数字不是说工具能替我投多少,而是说明「投递」一旦上了量,只靠脑子和零散记录真的管不住。
所以我想做的,不是再帮我多投几份,而是把“投出去之后”这一段管起来——简历改到匹配、面试针对自己的简历练、面完还能沉淀复盘。
2. 产品简介
-
是什么
丰麟云面(Fenglin Cloud Interview)是一个跑在浏览器里的求职陪练应用。它不做招聘信息聚合,也不做「AI 一键生成完美简历」,而是盯住一个具体问题:你手里有一份简历和一个想投的岗位,但两者对不上,面试也没有针对自己的简历练过。
它把六步串成闭环:简历优化 → JD 匹配分析 → 从简历生成面试追问 → 模拟面试 → 面试复盘沉淀 → 题库再练习。每一步的产出都是下一步的输入,简历正文、目标岗位 JD、面试作答、复盘记录在模块间真实流转,不是六个互不相干的工具页。
-
面向谁
正在找实习和参加校招的大学生。三个典型场景:
-
投递前:想知道自己的简历和目标岗位差在哪、缺哪些关键词;
-
面试前:想按自己的简历做一次有针对性的模拟面试,而不是背通用题;
-
面试后:想把答砸的问题记下来,过几天再练一遍,而不是面完就忘。
-
-
这个作品从哪来
它不是先想功能再找场景。我自己累计投了 500+ 份简历,投完常常分不清哪家已经笔试、哪家进过面试、哪家没有消息,跟进和复盘都在漏。产品里的投递追踪就来自这段经历;其余模块对应的是投递前后真正卡住的地方——简历和岗位对不上、面试没有按自己的简历练过、面完不回头。
-
功能清单与使用路径
-
模块 0 · 新手入口:模板库与我的简历 没有简历也能开始。模板库按岗位分四套(技术研发 / 产品经理 / 运营·内容 / 数据分析),点「按引导填写」逐栏写,每栏都有正反例和实时预览,卡住可以先用「AI 润色初稿」,最后点「生成初版简历」直接进入优化。已有简历则在「我的简历」里新建,或导入 .md / .txt、导入 PDF / 图片——电子版 PDF 在本地抽文字,扫描件交给视觉模型识别;单文件不超过 10MB,扫描件最多前 3 页。
四套岗位模板,从零也能起草第一版简历。 -
模块 1 · 简历优化:批注、匹配、迭代、导出 优化页是三栏工作台(01 JD / 02 原稿 / 03 建议),四个页签分工清楚:「逐条批注」点「生成修改建议」,按板块逐条说清「为什么改」,只改写法、不替你编数据,每条建议可以「应用到草稿」并逐条撤销;「JD 匹配」点「开始匹配分析」,给出匹配分、缺失关键词、逐条要求的已覆盖 / 部分覆盖 / 缺失对照和补齐动作,多次分析留在「历史诊断」;「对话迭代」可以继续提要求,点「对比原始」看行级增删;「导出」能下载 .md、下载 Word(.docx),或打印 / 存为 PDF,草稿与已保存版本不一致时会先提示「当前草稿未保存」,避免导出旧版本。「我的简历」里用
parentId记录版本派生关系,可以并排对比任意两版(/resumes/compare)。侧栏「简历与岗位 → 经历素材」把项目或实习拆成 STAR 卡片,模板填写、简历优化和面试出题三处都能调用;岗位详情里的「技能图谱」把 JD 拆成技能标签,并按权重给出当前简历的覆盖率。JD 的抓取入口在「目标岗位 → 新建岗位」弹窗的「从招聘页面抓取」:粘贴公开招聘页链接后点「解析链接」,成功后先显示抓取字数、确认后才保存,失败会说明原因并保留原来的 JD;保存后可「设为当前」或「做匹配分析」。
每条建议都写明改法,并解释为什么要改。
对着 JD 打分,并列出已覆盖与缺失的关键词。 -
模块 2 · 模拟面试:出题、考场、报告 新建面试可四选一:只用简历题 / 简历 + 常见题 / 只用常见题 / 从题库再练。常见题共 60 道、按五个岗位方向整理,界面写明来源是社区常见题型,不是任何公司的真题。建面还能选面试预设(标准面 / HR 面 / 压力面 / 行为面,轮次、题量、追问阈值与反馈语气会跟着变)和语言(中文或 English);英文模式下题目、四轮名称、三维反馈、报告、朗读与语音识别都切英文,中文常见题与题库入口会禁用。考场四轮推进(自我介绍 → 专业能力 → 行为面试 → 反问):题目可以「
朗读题目」并按语速朗读;每轮限时 60 / 150 / 120 / 90 秒,最后 30 秒变色,到点只提交已经写下的内容;作答支持文字与语音,点「提交并看反馈」得到结构 / 内容 / 表达三维评分、「做得好的」「必须改」与改写示范,分数不够会追问,最多两层;反问轮不套 STAR,改用「问题相关性 / 信息获取价值 / 岗位理解」评分;常见题反馈卡上可以「加入个人题库」。单题反馈与整场报告都是异步任务:接口先返回 202 与 jobId,页面显示生成进度并轮询结果,长回答不会被平台网关的 30 秒上限截断;同一题重复提交会被 409 挡回,不会生成两份反馈。整场结束生成报告:总分、各轮得分、薄弱环节、建议复习点和逐题记录,可复制或下载 .md,也能导出单文件分享快照或一键「生成复盘草稿」。侧栏「面试 → 自我介绍」还会读取当前简历、目标岗位与 STAR 素材,生成 60 / 90 / 120 秒三版背稿卡,可逐版修改、朗读与计时。
同一道题按结构、内容、表达分别给分并示范。
整场结束给出总分、各轮得分与复习建议。 -
模块 3 · 复盘、个人题库与记忆曲线 报告页的「生成复盘草稿」会把题目、你的回答和反馈要点带到复盘记录,补上改进点就能长期复习;生成时可以勾选「含追问一起生成」,追问条目会带「模拟面试·追问」标签。复盘带岗位标签、可以搜索,支持编辑、加入题库,也能单独导出 Markdown / Word 或打印。个人题库会标注来源(面试沉淀 / 复盘加入 / 常见题 / 手动添加),支持薄弱筛选、搜索、行内编辑与勾选后再练;任意一题还能生成「解析卡」,把考察点、回答框架、示例、易错点和追问方向整理成一页,可复制带走。顶部的「记忆曲线 · 今日待复习」按 1 / 3 / 7 / 14 / 30 天排期,点「开始复习」先自己作答(可写下来,也可让 AI 给改进点),提交后与上次得分对比,再选「记住了」升一档、「有点模糊」保持当前档、「没记住」回到 1 天;复习时写的内容只用于本次对比,不覆盖题库里的原回答。
到期题按间隔档位自动排进今日复习。 -
投递追踪(独立页面) 侧栏「简历与岗位 → 投递追踪」专门记录你实际投出去的每一次申请:阶段覆盖已投递 / 笔试 / 一面 / 二面 / HR 面 / 已发 offer / 已拒 / 自己放弃。页面可以在列表 / 看板 / 日历三种视图之间切换:列表看明细,看板按阶段分列并显示各阶段数量,日历把投递日、下次跟进、岗位截止和阶段变化排在同一个月里,顶部还有「今日跟进」汇总条。顶部给出投递总数、进入面试、已发 offer、进行中与已结束,以及面试和 offer 的转化概览——漏斗按阶段历史计算,每次阶段变化都会追加一条记录,不再只看当前阶段;每条投递可设下次跟进日期,当天到期的会出现在训练台「今日需跟进」。「查看详情」里能把某场模拟面试和复盘关联到这条投递上,也能按关联记录筛选,或只留一条独立记录。
-
训练台与求职档案 训练台首页把闭环摊开:能力成长给出总分趋势与结构 / 内容 / 表达三维雷达,下面是「今日需跟进」「今日计划」、数据矩阵、闭环清单和最近的面试。每交完一份面试报告,系统会按薄弱项、复习点、到期复习和投递跟进生成未来七天的训练任务,每天最多 3 条;「今日计划」可以直接勾选完成,侧栏「面试 → 7 天计划」能看整周安排。侧栏「其他 → 求职周报」把本周面试场次与平均分(含环比)、新增投递、阶段推进、复盘与题库新增、计划完成度汇总成一页,可复制 Markdown 或打印。训练台的「生成求职档案 PDF」会把个人与目标岗位、简历要点、面试成绩、复盘与题库薄弱项、成长趋势合成封面 + 5 章,用浏览器打印即可存成 PDF,也可以直接下载 docx;面试报告同样支持 docx 与打印页
/print/interview/:id。面试报告和求职档案都能「导出分享快照」,得到一个完全自包含的单文件 HTML(无脚本、无外链),对方离线双击就能看,导出前会提示文件可能含个人信息。
同一岗位有足够面试后才画趋势,能看到变化。 -
示例数据与演示模式 首次打开可以「载入示例档案」先看效果;右下角「演示指引」用 5 步走完主链,是浮动卡片,不挡操作、随时可退;「清空示例数据」只删「示例-」开头的记录,不动你自己创建的。
-
数据备份 「数据备份」页可以「导出 JSON 备份」,一个文件装下档案、简历、岗位与 JD、匹配记录、面试与反馈、复盘、题库、复习排程,以及投递阶段历史(当前格式 v2,导入仍兼容旧的 v1 备份);导入时先看版本与条目数,再选「合并(推荐)」或「覆盖」,写库是单事务;选覆盖前必须先导出当前数据并勾选「我已备份」。如果超过 7 天没有导出,或累计 10 次写操作都没导出,首页会提示备份,可以忽略 3 天。
导入前先看版本与条目,再决定合并还是覆盖。 -
本地档案、隐私与可达性 全站不做注册登录,进度只存在当前实例;隐私说明页写清模型外发范围与共享演示的限制。手机宽度整页可读、没有横向溢出,键盘第一下能「跳到主要内容」,加载时先出骨架屏而不是白屏。
-
建议的使用路径:在模板库起草一份简历(或从「我的简历」导入)→ 到「目标岗位」新建岗位、贴链接抓 JD → 回「简历优化」先出逐条批注、再做 JD 匹配 → 用这份简历开一场模拟面试,作答、看反馈与追问 → 报告页看薄弱环节并生成复盘草稿 → 把反复答不好的题放进个人题库,按记忆曲线复习再练 → 交完报告后照「7 天计划」每天做 1–3 条,周末在「求职周报」看本周推进。每真正投出一份,就在「投递追踪」记一条,把这场模拟面试和复盘挂上去;要交材料时,回训练台生成求职档案 PDF 或分享快照。
-
3. 体验地址:
-
在线体验(公开,无需登录,无需注册) https://37kt7qk05rsihxps0fr.traesite.cn
-
发布方式:用 TRAE 插件市场的「一键部署」发布,站点可见性为 public,任何人可直接打开;
-
站内已带示例数据,打开就能走完整条链路,不用先填一堆内容;
-
模型调用在服务端完成,浏览器端不接触密钥。
需要提前说明的托管限制:这个在线版是演示环境,容器没有持久卷,站点重启或重新部署后站内数据会被清空,且所有访客共享同一份数据。只想体验功能直接用即可;想保留自己的简历、面试与复盘记录,请用站内的「数据备份」导出 JSON,下次再导入;需要长期保存,也可以在本地运行(代码与作品说明在GitHub:https://github.com/fenglin-cloud-tech/fenglin-cloud-interview.git)。
-
4. 演示视频
- 视频太大无法直接上传到帖子里,已上传到GitHub上了可以下载观看( Release 参赛演示视频 v4 · 丰麟云面(4:26.00) · fenglin-cloud-tech/fenglin-cloud-interview · GitHub )
5. TRAE 实践过程
-
这个作品从需求梳理到上线,主要是在 TRAE 里完成的。技术选型是前端 React 18 + TypeScript + Vite 6、样式全部手写 CSS(不引 UI 库)、后端 Express 4 单进程、用 sql.js 做 SQLite 持久化,模型接的是智谱
glm-4-air(文本)与glm-4v-flash(简历图片识别)。下面是实际走过的步骤。 -
1. 需求拆解与比赛规则梳理 先把「求职陪练」拆成可交付的模块边界,确认哪些是主链、哪些是可延后能力,再对照比赛要求逐条核对交付物(在线地址、演示视频、实践过程截图、Session 记录)。这一步产出了模块 0–4 的划分和一份功能地图,后面开发一直按它推进。
-
2. 模块化开发 按模块推进:先做模板库与简历优化,再做模拟面试与复盘题库,最后补档案、备份与训练台。前端每个路由一个页面,后端按 core / ai / interview / review / backup 拆路由。模型调用统一走服务端,输出用 zod 校验结构,失败最多重试 3 次,超时 55 秒;模型不可用时,JD 匹配、出题、单题反馈与报告切本地规则并标注「本地降级」,没有可靠本地等价物的能力则返回结构化错误由页面提示重试,不白屏。
-
3. 真实浏览器全量点击测试与缺陷修复 不是只看接口返回 200,而是用真实浏览器把每条主链点一遍:模板 → 简历 → 建议 → JD 匹配 → 面试 → 报告 → 复盘 → 题库 → 再练,逐页检查布局、控制台报错与窄屏溢出,发现的问题当场修复再复跑。桌面按 1440 宽度、手机按 390 宽度各走一遍,确认没有横向溢出。
-
4. 部署上线 最初用原生 SQLite 驱动,在托管环境连续踩到两个坑:构建机与运行时的 Node ABI 不一致,换成预编译二进制后又缺 glibc 版本。最后改用 sql.js(SQLite 的 WebAssembly 版),只重写数据层一个文件,表结构与 SQL 不变,路由零改动。部署用插件市场「一键部署」发布为单个 Node 进程,静态文件与
/api同端口,密钥只放服务端环境变量;上线后检查过线上 JS 产物,不含密钥字符串。 -
5. 视觉重做 功能跑通后做了一轮视觉重做:把配色、字号、间距收敛成统一的设计 token,标题用宋体字族,页面做成 1180 / 980 / 640 三档响应式;同时补了骨架屏与无障碍细节,避免加载时白屏和窄屏挤压。
-
6. 上线后的稳定性加固(P0) 上线跑真实链路后,先做了一轮止损而不是继续堆功能:把单题反馈与整场报告从同步请求改成异步任务(
202 + jobId+ 轮询),避开平台约 30 秒的网关截断;作答与出报告互斥,用原子占位与状态条件把并发重复提交挡成409。删除面试 / 复盘时同步清理投递关联,不再留孤儿行;读接口只查缺失项、db.run仅在真正改动行时落盘,并补齐 12 个索引;首页改路由级懒加载并拆出vendor-react,首屏三个文件 gzip 从约 130.3 KB 降到约 83.8 KB。另外加了按 IP 的分钟 / 每日双阈值限流(/ai/status豁免),作答草稿按「面试 + 题目」自动保存可恢复,限时改按真实时间戳计算,覆盖导入前必须先导出并勾选「我已备份」,补了路由级错误边界与首次 AI 外发门禁。 -
7. 闭环补全(P1) P0 稳住之后补的是「改得动、查得到、导得出」:投递加了阶段历史表,漏斗按历史口径算,每条投递可设跟进日期并在训练台「今日需跟进」提醒;简历加了
parentId版本谱系和/resumes/compare并排对比;面试、复盘、题库、诊断历史都改成游标分页并支持筛选;AI 任务状态落ai_job表,刷新或重启后还能继续轮询,轮询改成指数退避、请求带超时,任务可恢复也可在前端取消;报告与档案补了 docx 与打印页/print/interview/:id;新增/api/bootstrap聚合并给成长、档案聚合加了进程内缓存;建议可逐条应用到草稿并撤销,导出前校验草稿是否已保存,题库支持搜索、行内编辑与批量标薄弱,投递可按关联记录筛选,移动端把主操作固定在底部。 -
8. 数据复用与差异化模块(P2 / P3) P2 先把已有数据用起来:经历素材拆成 STAR 卡片,模板填写、简历优化与面试出题三处复用;岗位技能图谱从 JD 提技能标签并算简历覆盖率;自我介绍生成 60 / 90 / 120 秒三版;题库任意题可生成解析卡;考场补了换一题,简历版本对比也能复制差异。P3 再做「别人没有」的训练体验:报告提交后按薄弱项、复习点、到期复习与投递跟进生成 7 天计划,每天最多 3 条,首页可勾选、
/plan看整周;投递页加列表 / 看板 / 日历三视图与今日跟进条,/api/applications/calendar聚合投递日、跟进、截止与阶段变化;/api/reports/weekly生成求职周报(面试场次与平均分含环比、新增投递、阶段推进、复盘与题库新增、计划完成度),可复制 Markdown 或/print/weekly打印;面试支持中 / 英双语与标准面 / HR 面 / 压力面 / 行为面预设,英文模式禁用中文常见题与题库入口;反问轮改用「问题相关性 / 信息获取价值 / 岗位理解」评分;生成复盘时可选含追问;题库复习改成先作答再对比上次得分(作答不落库);首页加备份提醒(7 天或 10 次写入未导出,可忽略 3 天);面试报告与求职档案可导出无脚本、无外链的单文件 HTML 分享快照。 -
9. 文档与演示视频 最后补齐 README、部署说明、截图清单与演示视频分镜脚本,按 18 个分镜在线上站点实拍录屏,统一到 1920×1080 / 25 fps,烧录 59 条中文字幕并混入 18 段中文旁白。分镜脚本里逐段写清了哪些等待被加速、哪些是真实等待,避免把功能演示剪成「瞬间返回」。
-
关键步骤截图
-
关键任务 Session ID
-
丰麟云面 开发(搭建模块 0–4、接入模型、全链路自测、改用 sql.js 并部署)
3335276161941256:cae11f4a71a348c5a9a563913f0be9d6_b7197e3d66211a5112f9ece4.6aff9fec7122f9d2534fc02a.6aff9fec7122f9d2534fc029:TraeWork CN.3.4.22.no_sid.no_ppe.T(2026/11/20 09:18:36) -
丰麟云面 全站点击测试(真实浏览器逐页点击、缺陷修复与截图归档)
3335276161941256:f2b1891b602644f5932d45abe237de9c_7f077dbf56533a1e89f405dd.6affc8a37122f9d2534fc8e9.6affc8a37122f9d2534fc8e8:TraeWork CN.3.4.22.no_sid.no_ppe.T(2026/11/20 12:12:19) -
同步项目到GitHub(把项目代码、说明文档和视频上传到GitHub仓库)
3335276161941256:36e8ac73329242a088357d8ee0ed78f0_dad11a4887df349d24a69239.6b00edf8e98bb93c3a2a7aad.6b00edf8e98bb93c3a2a7aac:TraeWork CN.3.4.22.no_sid.no_ppe.T(2026/11/21 09:03:52) -
功能拓展与优化规划(做一份全面的功能拓展规划与优化方案文档)
3335276161941256:a0287b07df2f42ce91ce8418f7ea36c2_8b496d7fefb8fdcf28440abd.6b025105c82bd8775e843b6b.6b025105c82bd8775e843b6a:TraeWork CN.3.4.22.no_sid.no_ppe.T(2026/11/22 10:18:45) -
项目专属 TRAE宝 ID
6aff9eb67122f9d2534fbfb1
















