简历未体现 GPU 渲染相关项目
建议：补充一个 WebGPU 小项目
仅部分符合，接触过但未落地
建议：深入 qiankun / 模块联邦
示例数据，展示真实报告界面
三步，从简历到匹配报告
不爬全站、不用手动填表，你只做两个动作，剩下的交给 AI。
上传简历
把 PDF / Word 简历交给 AI，解析成技能、经验、学历的结构化档案。
剪藏职位
装好浏览器扩展，在任意支持站点的职位页一键保存，标题薪资 JD 自动抓取。
查看报告
后台 worker 自动匹配，几分钟后拿到带匹配分与差距清单的报告。
主流招聘平台，一键剪藏
装一次扩展，登录后在任意支持站点的职位详情页点一下，标题、薪资、JD、公司信息自动抓取。
智联招聘
拉勾
丁香人才
兼职猫没在列表里的站点也能剪藏 —— 扩展会自动走通用兜底，抓取标题与正文。
计分模型
匹配分怎么算，一图看懂
综合分由四个维度按固定权重加权得出，AI 只负责逐项评估，分数计算完全透明、可复现。
岗位需求清单的覆盖程度，缺一项硬性要求大幅扣分。
是否在目标行业 / 领域做过，AI 从 JD 推断行业归属。
工作年限是否落在岗位经验区间，超龄不额外加分。
学历层级对比岗位门槛，达到或高于要求即得满分。
期望薪资与岗位区间是否重叠，重叠越多分数越高。
行业经验无法判断或未填写期望薪资时，对应维度不计分，其余维度重新归一化，总分仍是 0-100。
一份报告，五个看点
每个剪藏的岗位都会生成一份完整评估，覆盖从「要不要投」到「怎么补」的全程。
0-100 的分值，一眼判断这个岗位值不值得投。
技能、行业经验、经验、学历、薪资逐项拆解。
岗位每条需求标注符合 / 部分符合 / 不符合。
按高、中、低优先级排序，标出简历没提到的技能。
具体可执行的改简历行动项，今天就能开始。
岗位需要、但简历里没有提到的
岗位多次提到，你的简历未提及
怎么补：补一个 WebGPU 粒子系统小项目
目标团队在用 qiankun / 模块联邦
怎么补：跑通一个模块联邦落地案例
- 1.把「熟悉 WebGL」改成「用 WebGPU 做过粒子系统」的具体描述
- 2.项目经历按目标岗位的关键词重写一遍
- 3.补上期望薪资，让薪资维度参与打分
匹配之后，先练一场面试
选好岗位直接开面，AI 面试官围绕岗位追问到底，结束后给出逐维打分的评估报告。
技术/专业题与行为题穿插，全面考察候选人。
聚焦专业能力，深挖技术细节、原理、实战经验与解决方案，追问要有深度。
聚焦候选人过往项目与经历，用 STAR（情境-任务-行动-结果）结构追问细节。
聚焦职业规划、稳定性、价值观、沟通协作与软技能。
高频追问、质疑候选人回答、制造压力情境，考察抗压能力与临场反应。
整体表达清晰、项目扎实，个别技术细节与追问深度可再加强。
要点基本覆盖，少数追问未展开。
原理清楚，落地细节可再深入。
表达简洁，重点突出。
结构清晰，偶有跳跃。
与岗位方向契合，部分经验待佐证。
- 项目经历讲得具体，有量化结果
- 对岗位技术栈理解到位
- 追问到边界时回答偏泛
- 个别原理性概念表述不够准确
- 把每个项目都准备一份 STAR 版口头稿
- 针对 JD 里的硬性要求逐条准备追问
示例数据，展示真实面试报告界面
放心用，看得见
剪藏、分析、报告，每一步都只围绕你和岗位，没有暗箱。
只剪藏你点的
扩展只在你点击时保存当前职位，不做全站爬取，也不采集无关信息。
数据只属于你
账号密码哈希存储，扩展通过独立 API Token 访问，全程不落第三方。
流程透明可见
待分析 → 分析中 → 已匹配 / 失败 / 缺简历，每一步状态都摆在你眼前。