【外滩大会2026】录阶 LuJie CareerKit —— 从简历到 Offer 的 AI 求职工作台

[Chozzc]

参赛项目名称

录阶 LuJie CareerKit —— 从简历到 Offer 的 AI 求职工作台

团队 / 作者

Chozzc
个人开发者 / 学生开发者

GitHub：@Chozzc

我做了什么

录阶（LuJie CareerKit）是一款面向大学生实习、校园招聘和社会求职场景的 AI 求职工作台。

现在很多 AI 求职产品只解决一个局部问题：生成一份简历、匹配一个岗位，或者临时生成几道面试题。但真正的求职并不是一次对话，而是一条持续数周甚至数月的完整流程。

录阶希望把这条流程真正串起来：

简历 → JD 匹配 → 定向优化 → 投递跟进 → 面试准备 → 模拟面试 → 面试复盘 → Offer

用户可以维护不同岗位对应的简历版本，把完整 JD 与真实简历交给 AI 分析，在不编造候选人经历的前提下发现证据缺口、表达问题和岗位匹配重点，并继续生成针对具体岗位的面试准备方案。

核心流程

1. 创建或导入个人简历；
2. AI 分析简历中的表达、证据、结构与信息完整性；
3. 用户选择真正希望修改的问题，而不是让 AI 直接重写整份简历；
4. 粘贴完整 JD，分析岗位要求与现有经历之间的匹配关系；
5. 在“不虚构经历、技能、指标和结果”的约束下生成岗位定向简历版本；
6. 生成求职信、招聘平台招呼语等求职材料；
7. 根据简历和 JD 自动生成岗位专属面试准备方案；
8. 进入模拟面试，由 AI 根据回答进行追问并生成复盘报告；
9. 在投递看板中记录公司、岗位、阶段、截止日期、面试和跟进时间；
10. 持续沉淀不同岗位的简历版本、面试材料与求职记录。

使用的工具

• OpenWork / 百炼 CLI：

  • 未使用
  • 项目主要使用 Codex 等 AI Coding 工具进行工程开发

• 百炼能力 / 模型：

  • 阿里云百炼 DashScope OpenAI Compatible API
  • 默认大语言模型：qwen3.6-flash
  • 百炼 qwen-doc-turbo：用于 PDF / DOCX / 图片简历的文档解析与内容提取，为后续结构化解析及 AI 求职分析提供输入
  • 支持通过百炼调用多种 Qwen 模型用于简历诊断、JD 匹配、定向优化、求职文案、面试准备、模拟面试与 AI 复盘等核心工作流

• Skill：

  • resume-improvement
  • prepare-job-interview
  • mock-interview-coach
  • job-application-writer

  录阶将四套已经在产品中反复打磨的求职工作流进一步封装为 Agent Skills，
  可以被 Codex、Claude Code 等 Agent 直接读取和复用。

• 其他：

  • Next.js
  • React
  • TypeScript
  • Prisma
  • SQLite
  • Docker
  • GitHub Actions

效果展示

录阶目前已经形成完整可运行的求职工作流，而不是单一功能 Demo。

主要能力

• 多版本结构化简历编辑
• PDF / PNG / DOCX 导出
• AI 简历诊断
• 用户可控的逐项简历优化
• JD 岗位匹配
• 岗位定向简历版本
• Cover Letter / 招聘平台招呼语生成
• 岗位专属面试准备
• 模拟面试与动态追问
• AI 面试复盘
• 投递跟进看板
• 简历版本与岗位绑定
• 本地优先数据存储
• API Key 本地加密保存
• 可复用 Agent Skills

项目链接

• 在线体验：
  https://lujie.chozzc.dev

• GitHub：
  https://github.com/Chozzc/Lujie-Careerkit

踩坑记录

1. AI 最容易犯的错误不是“不会写”，而是“写得太像真的”

简历优化中，模型很容易为了让内容更有说服力，自动补充原文不存在的指标、技能甚至项目成果。

因此录阶逐步从“一键优化简历”调整为：

诊断
→ 用户选择问题
→ 生成修改方案
→ 逐项 Review
→ 用户确认
→ 创建独立版本

把事实控制权重新交给用户。

2. 简历不是纯文本，而是一套持续变化的结构化数据

项目早期同时维护编辑器结构和多套业务字段，很容易出现 AI 修改后页面内容和内部数据不同步的问题。

后来逐步明确以编辑器结构作为简历正文的主要数据来源，再派生 JD 匹配、面试准备等业务所需结构。