Skip to content

PLAN.md

Latest commit

 

History

History
446 lines (325 loc) · 25.1 KB

PLAN.md

File metadata and controls

446 lines (325 loc) · 25.1 KB
Raw

AI 求职全能工具 (JobOS) — 完整调研计划

生成时间：2026-04-04 状态：Phase 1-6 全部完成 ✅

项目概述

构建一个以 MiniMax M2.7 为 LLM 底座的 AI 求职全能工具，覆盖「岗位采集 → 简历定制(LaTeX PDF) → 面试资料生成 → 自动投递」全链路，优先跑通「武汉 AI/Agent 暑期实习」这一完整示例，再封装为 OpenClaw Skill/MCP 供他人使用，最终部署为网站。

执行进度

Phase 内容 状态
Phase 1 初始化项目框架 + MiniMax API接入 + 个人YAML数据文件 ✅ 完成
Phase 2 岗位采集引擎 — JobSpy集成 + Boss直聘爬虫 + 牛客抓取 + 公司分析 ✅ 完成
Phase 3 简历生成引擎 — YAML->LaTeX->PDF管线 + LLM定制简历 + ATS优化 ✅ 完成
Phase 4 面试资料生成 — 技能提取 + 学习路径 + 八股文 + 面经聚合 ✅ 完成
Phase 5 端到端Demo — 以武汉大厂AI实习为例跑通全流程 + 批量模式 ✅ 完成
Phase 6 封装发布 — OpenClaw Skill + MCP + CLI + 文档 + Web前端预备 ✅ 完成
Phase 7 Web平台 — Next.js + 用户系统 + 多地区支持 🔜 待执行

一、全网调研成果总览（50+ 优秀案例深度学习）

1.1 岗位采集 & 自动投递类（13个项目）

中国求职平台专用：

  • JobClaw (Python, 49 stars) — Boss直聘/LinkedIn 自动抓取+LLM匹配+批量投递，防封机制(随机延迟3-8s/日限100次/僵尸岗过滤)，支持Claude OAuth免费方案
  • GeekGeekRun 牛人快跑 — Boss直聘专用，可视化界面+LLM集成+已读不回提醒
  • Get Jobs (Java) — 多平台(Boss/猎聘/拉勾/51job/智联)，定时投递+企业微信推送
  • AI工作猎手 ai-job (Java+Vue) — AI坐席自动回复HR+智能挽留+邮件通知+Spring Boot 3
  • boss_batch_push (JS, 790 stars) — Boss批量投递+词云分析，油猴脚本
  • 海投助手 Jobs_helper (JS, 220 stars) — AI智能回复+可视化面板+防重复

国际求职平台专用：

  • AIHawk Jobs_Applier_AI_Agent (Python, 29.5k stars — 全网最火) — LinkedIn自动投递，50+岗位/小时，TechCrunch/Wired报道
  • ApplyPilot — 6阶段全自动管线: Discover(5平台+48个Workday) -> Enrich -> Score -> Tailor -> CoverLetter -> Apply，2天投递1000个岗位
  • JobSentinel (Rust+TS) — 监控13平台+智能评分(技能40%+薪资25%+地点20%+公司10%+新鲜度5%)+鬼工作检测

混合/聚合平台：

  • JobSpy/python-jobspy (Python, 3.1k stars) — LinkedIn/Indeed/Glassdoor/Google Jobs/ZipRecruiter 聚合爬虫库，23万+月下载（不支持Boss直聘）
  • apply-potato — GitHub招聘仓库监控+GPT提取+Gmail状态追踪+Google Sheets+Discord通知，完全本地运行
  • Job Scout — GitHub Actions定时爬取+GitHub Issues追踪应用状态（to-review/applied/interviewing/offer）+MCP Server
  • JoBoom (Next.js 16) — 跨LinkedIn/Indeed/Upwork聚合搜索+CV解析

关键学习点：

  • ApplyPilot的6阶段管线是最完整的自动化流程设计
  • AIHawk证明了自动投递的巨大需求(29.5k stars)
  • JobSpy是最成熟的多平台爬虫库，但不支持中国平台，需要Playwright方案补充
  • Job Scout的GitHub Actions + Issues方案是低成本的自动化追踪

1.2 MCP/Skill 求职服务类（7个项目）

  • ClawJob — OpenClaw 原生求职Skill，6个Skill+20个MCP工具：resume-create/edit、campus-search、job-search、job-monitor、auto-apply，兼容Cursor/Claude Code/Windsurf，简历实时同步到网页端
  • job-search-mcp — OpenClaw Skill，集成JobSpy的scrape_jobs_tool搜索8平台（LinkedIn/Indeed/Glassdoor/Google/ZipRecruiter/Bayt/Naukri/BDJobs）
  • JobGPT MCP — 34个工具覆盖求职全流程：搜索+自动投递+简历定制+应用追踪+招聘外联，支持Claude/Cursor/Windsurf/Continue
  • Placed MCP — 47个工具：37简历模板(测试50+ATS系统)+模拟面试(技术/系统设计/行为)+LinkedIn优化+薪资谈判
  • interview-mcp-server — 简历PDF解析+AI生成面试题+实时对话录音+自动评估报告(多维度)
  • resume-tailoring-skill (192 stars) — Claude Code Skill，公司文化调研+对话式经历发现+信心评分匹配+批量处理3-5个相似岗位
  • interview-coach-skill (833 stars) — 23个命令覆盖求职全生命周期：5维度评分(Substance/Structure/Relevance/Credibility/Differentiation)+故事银行(STAR)+8阶段训练+多格式面试转录分析(Otter/Zoom/Grain/Teams)+评分漂移校准

关键学习点：

  • ClawJob的6 Skill + 20 MCP工具的设计模式是OpenClaw Skill开发的标杆
  • interview-coach-skill的5维度评分+故事银行+评分漂移校准非常专业
  • resume-tailoring-skill的"对话式经历发现"很创新 — 通过提问发掘用户未写入简历的经历

1.3 简历生成类（12个项目）

LaTeX管线类：

  • cv-pipeline (Python, 99通过测试) — 最成熟的YAML->AI->LaTeX->PDF管线：67个脚本+14个CI/CD工作流+5种AI(Gemini/Claude/OpenAI/Mistral/Ollama)+ATS评分，曾用于投递Anthropic
  • LLM-Resume-Template (166 stars) — 专为LLM/Agent岗设计的LaTeX模板，含头像/科研/实习/项目板块，支持Overleaf
  • billryan/resume (10.9k stars) — 经典中英文LaTeX简历模板，CJK支持+FontAwesome
  • Roger — Python+LaTeX+Gemini，按JD自动定制简历和求职信
  • GitHired — 从GitHub仓库自动拉取信息+LangChain生成简历

Resume as Code 理念：

  • resume-as-code / YAMLResume — "简历即代码": 维护单一YAML职业Timeline，3个AI Agent(Timeline Polishing/Resume Generation/Interview Preparation)按STAR法则润色，支持9种语言，GitHub Actions自动化构建
  • ResumeAgent (TypeScript) — 4大功能：Resume Transformer(4模板) + Resume Tailor(零编造) + Resume Heatmap(简历-JD对齐热力图) + Resume Parser

Claude Code简历插件：

  • ats-resume-agent — 零编造政策：每项成就必须有来源证明，LaTeX PDF输出+ATS优化
  • claude-resume-kit — 8维度多视角评审(5种读者人格：ATS Bot/HR/技术评审/...)+反编造控制(出处标记/动词纪律/更正日志)+分离Claude Code会话减少偏差
  • resume-tailor-plugin — Gap Analysis表(匹配/缺口/差异化)+ATS评分+地区惯例适配(EN-US/RU-CIS)+反模式保护
  • JobPilot — Claude API定制+爬取+ATS分析+LaTeX/DOCX输出+React前端实时预览+FastAPI后端

AI防编造最佳实践（来自 claude-resume-kit）：

  • Provenance flags: published / under review / internal
  • Verb discipline: 防止过度吹嘘
  • Corrections log: 修正过的错误不会重新出现
  • 每步使用独立Claude Code会话，防止上下文污染

关键学习点：

  • cv-pipeline是工程化程度最高的(67脚本+14 CI/CD)，直接复用其管线设计
  • resume-as-code的"简历即代码"理念最优雅 — 维护一份YAML，生成N份定制简历
  • ResumeAgent的热力图功能非常直观 — 可视化简历与JD的匹配度
  • claude-resume-kit的8维度评审+5种读者人格评分系统最专业
  • 零编造政策对于实习简历可选，但对于有经验的求职者很重要

1.4 面试资料 & 模拟面试类（10个项目）

面试题库/学习指南：

  • LLM-Agent-Interview-Guide — 300+题，9大模块，字节Top20高频题，3-5天/模块学习路径
  • ai-interview-guide — 245+题，18模块，4级难度(基础->应用->优化->架构)+90+代码示例
  • AgentGuide (2928 stars) — 对标JavaGuide，1000+题库，8-10周学习路径，双线(算法岗+开发岗)+简历级项目+6步求职方法论
  • ai-agents-from-zero — 从零到企业级(LangChain/LangGraph/RAG/MCP/多模态/微调)+可运行源码+提示词模板
  • Agent-100-Days — 15周系统学习：Week1-2 LLM原理 -> Week3-7 Prompt/RAG/记忆 -> Week8-11 Agent模式 -> Week12-15 综合项目
  • 你自己的 ai-agent-interview-guide (104 stars) — 200+面试题+企业级项目+简历模板+STAR面试稿+哆啦A梦漫画

AI模拟面试系统：

  • The-Interview-Mentor — 40个面试官Agent覆盖系统设计(URL缩短器/搜索引擎/Uber)/编程(数组/链表/DP)/ML/DevOps/行为面试，不接受模糊回答会追问细节，自适应难度
  • Friday — LangGraph多Agent语音面试：Interviewer(Opus生成题目) + Grader(Sonnet评分1-5) + Follow-up(RAG检测知识弱点) + Coach(Haiku实时指导)，Next.js 15前端+ElevenLabs TTS
  • interview-coach-skill (833 stars) — 23命令全生命周期：5维度评分+故事银行+8阶段训练进阶+4-6题模拟面试(行为/系统设计/Case/Panel)+多格式转录分析
  • AI-Interviewer — React+Flask，NLP驱动题目生成+答案评估+性能分析仪表盘

牛客/小红书真实面经（字节/阿里/腾讯 2026）：

  • 项目拷打：Agent编排/混合记忆架构/RAG存储/Token优化
  • 技术深度：LangGraph/多模态/LoRA微调/MCP vs Function Calling
  • 基础技术：HashMap/MySQL事务/Redis/Kafka/算法题
  • 高频考点：GRPO原理/Self-Attention/KV Cache/手写Attention/RAG全流程/Agent记忆系统

关键学习点：

  • AgentGuide(2928 stars)的6步求职方法论 + 双线(算法岗/开发岗)路径设计最系统
  • The-Interview-Mentor的"不接受模糊回答"设计理念值得借鉴 — 真正的面试官会追问
  • Friday的4-Agent语音面试架构是技术标杆(Interviewer/Grader/Follow-up/Coach)
  • interview-coach-skill的评分漂移校准很巧妙 — 3次真实面试后自动校准AI评分

1.5 多Agent求职编排系统（5个项目）

  • Career-Ops — 12个Claude Code Skill模式(auto-pipeline/oferta/batch/pdf/scan/apply等)，10维评分(角色匹配+技能对齐为门槛)，631次评估中74%低于4.0被过滤，批量122+ URL并行+容错
  • Job-Hunter (Nuxt4+Python) — 10个专用Agent+MongoDB+SSE实时监控
  • Job Agent Toolkit — MCP工具+LangGraph编排+FastAPI
  • Matt Sayar的4-Agent架构 — find-leads + customize-resume + find-decision-makers + generate-loom-script，Google Sheet为中央协调枢纽
  • Claude-Job-Search-Strategist — 结构化工作区模板：user-context/ + inputs/ + outputs/ + agents/ + processes.json，斜杠命令约定(/agent, /queue, /resume-tailor, /cover-letter)

关键学习点：

  • Career-Ops的"10维评分+门槛机制"最科学 — 角色匹配和技能对齐不达标直接过滤
  • Matt Sayar的Google Sheet中央协调很实用 — 多Agent通过共享表格协作
  • Claude-Job-Search-Strategist的目录结构设计很清晰 — 输入/输出/Agent分离

1.6 求职追踪 & 仪表盘类（4个项目）

  • JobSync (Next.js, 468 stars) — 自托管求职追踪+AI简历评审+匹配+分析，Docker部署
  • JobTrackerPro (Java/Angular) — 企业级，Gemini 2.0 Flash自动解析邮件+零操作追踪
  • ai-job-tracker — OpenAI分析+Gmail集成+Google Sheets+CSV导出
  • Resume-Matcher (26.5k stars) — 简历关键词匹配+改进建议，多语言

1.7 小红书/牛客爬虫工具（4个项目）

  • xiaohongshu-skill — Playwright+兼容Claude Code/OpenClaw，搜索/帖子/评论+反爬保护
  • redbook-cli — AI驱动小红书自动化，搜索/发布/互动/分析，MCP+CDP双引擎
  • LittleCrawler (684 stars) — 小红书/知乎/闲鱼异步爬虫，多存储(JSON/SQLite/MySQL/MongoDB)
  • 牛客网官方API: https://docs.nowcoder.com/ — OAuth2.0认证，可获取招聘日程

1.8 行业痛点分析（来自2026年市场调研）

求职者核心痛点：

  • 简历适配效率低：手动改写2小时+/岗位，关键词对齐困难
  • 信息碎片化：岗位散落在Boss/猎聘/牛客/小红书，无法统一管理
  • 面试准备无方向：不知道该学什么，八股文海量但缺乏针对性
  • 公司信息不透明：薪资/加班/文化等信息需多平台对比

现有工具不足：

  • 投递类工具多但简历定制弱（大多只有投递，没有简历生成）
  • 面试准备类工具和投递类工具完全割裂
  • 中国求职平台(Boss/牛客)的MCP/Skill支持几乎为零
  • 没有"岗位采集->简历定制->面试准备->投递"的完整闭环工具

二、你的竞争优势分析

根据GitHub（62 followers, 250+ stars 的 claude-code 指南, 104 stars 的 ai-agent-interview-guide），你在AI Agent领域的积累：

  • claude-code-complete-guide (250 stars) — 深度理解AI Agent架构
  • ai-agent-interview-guide (104 stars) — 已有200+面试题+企业级项目+简历模板
  • learn-minimind (66 stars) — LLM训练全流程理解
  • miniClaudeCode (40 stars) — Agent架构最小复现
  • ClaudeCode-Source-Analysis (33 stars) — 源码分析能力

独特价值：你是少数同时具备"AI Agent深度理解"和"求职内容创作能力"的开发者。武汉光谷2026新政按GitHub星标认定人才，你的GitHub profile本身就是竞争力。

三、系统架构设计

3.1 总体架构（5层）

输入层: 个人YAML数据 + 岗位URL/关键词 + 偏好配置
  ↓
数据采集层: Boss直聘(Playwright) + 牛客网API + JobSpy(国际) + 小红书面经 + Firecrawl
  ↓
核心引擎层(MiniMax M2.7):
  ├── JD分析器 (技能提取+关键词)
  ├── 10维评分器 (门槛+加权)
  ├── 公司画像 (薪资/评价/加班)
  ├── 简历引擎 (YAML->AI定制->LaTeX->PDF)
  ├── 面试引擎 (八股+面经+学习路径)
  └── 故事银行 (STAR法则经历库)
  ↓
输出层: LaTeX PDF简历 + 面试准备包 + 公司报告 + 投递指南 + 学习计划
  ↓
部署层: CLI工具 + OpenClaw Skill(SKILL.md) + MCP Server(6个工具) + 定时任务 + Web应用

3.2 5个专用Agent职责

  • ScoutAgent: 多平台岗位采集 + 去重 + 新岗位监控
  • AnalystAgent: JD解析 + 10维评分(借鉴Career-Ops) + 公司画像
  • TailorAgent: YAML经历匹配 + STAR润色 + LaTeX生成 + ATS优化
  • CoachAgent: 技能差距分析 + 学习路径 + 八股文 + 模拟面试题
  • TrackerAgent: 投递状态追踪 + 进度汇报 + 新岗位提醒

3.3 10维岗位评分系统（借鉴Career-Ops）

维度 说明 类型
角色匹配度 岗位方向是否匹配AI/Agent 门槛
技能对齐度 必需技能的覆盖率 门槛
薪资竞争力 日薪/月薪对比市场水平 加权
地理便利性 是否在武汉/可远程 加权
公司发展阶段 大厂/独角兽/创业公司 加权
团队技术实力 技术栈先进度 加权
成长潜力 转正可能/晋升空间 加权
面试难度 预估通过率 加权
时间匹配 实习时间/开始日期 加权
综合加班评价 工作生活平衡 加权

四、技术选型

模块 技术 说明
LLM MiniMax M2.7 base_url="https://api.minimaxi.com/v1" + OpenAI SDK兼容
语言 Python 3.11+ 主语言
简历管线 YAML + Jinja2 + XeLaTeX brew install basictex && tlmgr install ctex fontspec xecjk
LaTeX模板 LLM-Resume-Template + billryan/resume AI岗专用 + 通用中文
岗位采集 Playwright + JobSpy + Firecrawl Boss直聘/牛客/国际平台
面经采集 xiaohongshu-skill + 牛客API 小红书面经 + 牛客招聘
数据存储 SQLite + JSON 本地存储
MCP框架 Python MCP SDK pip install mcp
Skill框架 OpenClaw SKILL.md trigger + tools + markdown body
自动化 APScheduler + GitHub Actions 定时任务 + CI/CD
Web前端 Next.js 15 + Tailwind + Shadcn UI 后期网站
通知 Discord Webhook / 企业微信 实时提醒

五、实施路线（7个阶段）

Phase 1: 基础框架 + MiniMax接入 + 个人数据 ✅

目标: 搭建项目骨架，让LLM能用起来

  • 初始化 jobforge/ 项目结构
  • MiniMax M2.7 API 接入（OpenAI SDK兼容）
  • 创建 data/profile.yaml（Resume as Code 个人数据）
  • 安装LaTeX环境

Phase 2: 岗位采集引擎 ✅

目标: 采集武汉AI/Agent实习的所有岗位

  • Boss直聘 Playwright 爬虫（防封机制）
  • 牛客网校招/实习岗位 API 对接
  • 猎聘/智联关键词搜索
  • 公司信息聚合 → 公司画像
  • 10维评分系统
  • SQLite 结构化存储

Phase 3: 简历生成引擎（LaTeX PDF） ✅

目标: 输入JD，输出定制简历PDF

  • YAML -> Jinja2 -> LaTeX -> PDF 管线
  • LLM-Resume-Template 集成
  • MiniMax M2.7 驱动简历定制（JD关键词提取 + STAR润色 + ATS优化）
  • 首跑：金山软件武汉AI实习 → 简历PDF ✅

Phase 4: 面试资料生成引擎 ✅

目标: 输入JD，输出从零到面试的完整资料包

  • JD → 技能树提取（必需/加分/基础）
  • 学习路径（N周计划）
  • 八股文速查手册
  • 模拟面试题（不接受模糊回答风格）
  • 首跑：金山软件岗位面试资料包 ✅

Phase 5: 端到端Demo跑通 ✅

目标: 以武汉大厂AI实习为例，完整跑通全流程

  • 目标：金山软件武汉AI Agent实习
  • 管线：岗位采集 → 公司画像 → 10维评分 → 简历PDF → 面试资料包 → 打招呼语
  • 批量模式：夜间APScheduler自动调度

Phase 6: 封装为OpenClaw Skill + MCP ✅

目标: 让别人也能用

SKILL.md 封装（5个Skill命令）：

  • /jobforge-search — 搜索岗位
  • /jobforge-analyze — 分析岗位+评分
  • /jobforge-resume — 生成定制简历
  • /jobforge-interview — 生成面试资料
  • /jobforge-pipeline — 端到端全流程

MCP Server（6个工具）：

  • jobforge_search / jobforge_analyze / jobforge_company
  • jobforge_resume / jobforge_interview / jobforge_greeting

CLI工具：python cli.py run/search/batch/list-jobs

Phase 7: Web平台 🔜

目标: 部署网站，支持不同地区/岗位的用户

  • Next.js 15 + Tailwind + Shadcn UI
  • 用户系统：注册/登录/个人数据
  • 多地区支持：不限于武汉
  • 应用追踪仪表盘
  • 部署：Vercel / 阿里云

六、核心借鉴清单（精选每个方向最优案例）

架构设计

项目 借鉴内容
Career-Ops 12模式Skill架构 + 10维评分门槛机制 + 批量并行处理
Matt Sayar 4-Agent + Google Sheet中央协调
Claude-Job-Search-Strategist 输入/输出/Agent分离的目录结构
ApplyPilot 6阶段自动化管线(Discover->Enrich->Score->Tailor->CoverLetter->Apply)

简历生成

项目 借鉴内容
cv-pipeline YAML->AI->LaTeX->PDF管线(67脚本+ATS评分)
resume-as-code "简历即代码"理念 + STAR法则Timeline Polishing
ResumeAgent 简历-JD热力图可视化
claude-resume-kit 8维度5视角评审 + 反编造控制

面试准备

项目 借鉴内容
AgentGuide 6步求职方法论 + 1000+题库 + 双线路径
The-Interview-Mentor 40个面试官Agent + 不接受模糊回答
interview-coach-skill 5维度评分 + 故事银行 + 8阶段训练
Friday LangGraph 4-Agent语音面试(Interviewer/Grader/Follow-up/Coach)

岗位采集

项目 借鉴内容
JobClaw Boss直聘Playwright + 防封机制(随机延迟+日限+僵尸过滤)
JobSpy 多平台聚合爬虫(3.1k stars)
Job Scout GitHub Actions定时 + Issues追踪

OpenClaw/MCP

项目 借鉴内容
ClawJob 6 Skill + 20 MCP工具的设计模式
resume-tailoring-skill 对话式经历发现 + 批量处理

七、MiniMax M2.7 额度与成本规划

  • 每月 4500 次调用 / 5小时（每周10倍 = 45000次/50小时）
  • base_url="https://api.minimaxi.com/v1" + OpenAI SDK
  • 单个岗位全流程约 8-15 次调用（JD分析2次 + 简历生成3次 + 面试资料5次 + 评分2次）
  • 每周可处理 3000-5600 个岗位，完全够用
  • 低峰时段(夜间) 100TPS，适合批量处理
  • 建议：每晚22:00-06:00运行批量任务，利用低峰高速

八、项目独特卖点（对比现有工具的差异化）

现有工具的共同问题是功能割裂 — 投递工具不会做简历，简历工具不会做面试准备。JobOS的核心差异化：

  1. 完整闭环：岗位采集 → 公司画像 → 简历定制 → 面试资料 → 投递指南，一条龙
  2. 中国市场深度支持：Boss直聘/牛客/猎聘/智联 + 小红书面经，而非只支持LinkedIn
  3. 面试资料与岗位绑定：不是通用八股文，而是"针对这个岗位的这些技能"的定向资料
  4. Resume as Code：YAML维护一份数据，AI生成N份定制简历
  5. OpenClaw原生：直接养在小龙虾里，持续更新
  6. MiniMax包月友好：利用M2.7包月额度，成本极低（每周处理3000-5600个岗位）

九、武汉 AI/Agent 实习岗位清单（已收录）

公司 岗位 地点 薪资 类型 投递
金山软件 应用算法实习生（LLM/Agent/RAG方向） 武汉/北京 实习补贴+免费公寓 暑期实习 https://campus.wps.cn/
腾讯青云计划 大模型/智能体方向实习 武汉/深圳/北京 腾讯实习标准 暑期实习 https://join.qq.com/
智赋未来(武汉) AI人工智能研发工程师实习生 武汉武昌区 150-200元/天 日常实习 智联招聘
光谷集团 AI应用工程师 武汉光谷 15-25K/月 社招 猎聘
猎聘-武汉AI公司 AI Agent 开发工程师实习 武汉光谷 200-300元/天 日常实习 https://www.liepin.com/
字节跳动Seed 大模型研究实习生 北京/杭州 400-600元/天 暑期实习 https://jobs.bytedance.com/
淘天集团 AI Agent应用开发工程师-2026暑期实习 杭州 300-600元/天 暑期实习 https://www.nowcoder.com/jobs/detail/436118
天猫技术 AI Agent算法工程师（大模型方向） 杭州 300-400元/天 暑期实习 https://www.nowcoder.com/jobs/detail/435213
阿里云 AI Agent 开发工程师 杭州 500-510元/天 暑期实习 https://www.nowcoder.com/jobs/detail/434896
中交第二公路院 大模型算法工程师（LLM/RAG/Agent） 武汉蔡甸区 30-45K/月 社招(全职) 智联招聘

十、Demo 输出文件清单（金山软件实例）

已生成文件位于 data/outputs/：

文件 大小 内容
resume_金山软件_*_20260404.pdf 145KB LaTeX编译的定制简历
resume_金山软件_*_20260404.tex 7KB LaTeX源文件
interview_*_eight_part.md 23KB 针对岗位技能的八股文速查
interview_*_mock_interview.md 17KB 15题模拟面试（项目拷打+技术+算法+行为）
interview_*_study_path.md 23KB 4周从零到面试的学习计划
interview_*_skill_tree.json 1.5KB 结构化技能要求（必需/加分/基础）