AI 产品实习工作台

问题

求职不是一道题，而是一条链：找岗位、判断匹配、改简历、追投递、了解公司。信息散在实习僧、牛客、公司官网和招聘页面里，每一步都要重新整理一遍。我想做一个自己每天真的会用的工具，而不是一份演示文稿。

我的角色

独立完成产品定义与实现。先按自己的求职流程拆模块，再按实际卡点排优先级；实现阶段用 Python 标准库和原生前端，不引入前后端框架，把复杂度留在数据和校验上。

做法

• 五个模块：岗位聚合、投递追踪、公司情报、简历定制、行业动态。先上线当天就能用的部分，再补需要模型和检索的环节。
• 来源分级：登记表内的公司取年报与招股书，表外公司走公开检索；每条结论按实测、推导、二手、不可得四级标注，取不到证据就显示不可得，不用推测补全。
• 引文约束：行业情报走“白名单分级检索 → 模型选页 → 带引文生成 → 数字回查”。引文必须能在原文逐字找到，数字必须出现在同一段引文里；任一不满足，整段不收。
• 检查本身也要被检查：后端测试、前端测试之外，用变异测试故意改坏实现，确认检查真的会红。

结果

公开快照截至 2026-11-07；测试数为 2026-11-13 实跑结果（238 条后端、41 条前端，全部通过）。另对 9 家公司跑过完整情报批量：33.4 分钟、17 次模型调用、19.4 万 token，把“抓不到”拆成 3 类可复现的机械原因逐个修复。

局限

这是个人工具，不是商业产品；数据源会变，公开快照是只读的，模型输出也要靠引文和数字回查兜底。它证明的是我如何定义问题、如何约束 AI 产出，以及能不能把一套流程真正跑起来。