角色: 全栈 AI 工程师 / 产品设计师类型: AI 工具 / 数据平台
Linkedin工作数据采集与AI批量推断平台
连接自动化爬虫与大模型批量推断。针对海量招聘数据进行多维度解析打分，提供可视化的横向对比与结构化表格导出，重塑求职决策链路，将“人工筛岗位”的重复劳动压缩成可复用、可解释、可导出的工作流。
角色: 全栈 AI 工程师 / 产品设计师类型: AI 工具 / 数据平台2026
[00] 核心能力
01
自动化情报采集
自动抓取近24小时 LinkedIn 职位数据，结合本地缓存与并发控制机制，为后续 AI 深度分析提供稳定可靠的数据源。
02
多维 AI 批量推断
结合简历与自然语言偏好，调用 Gemini 批量打分。提取结构化字段（推荐理由、优缺点、风险提示），实现百份 JD 的秒级阅读与初筛。
03
可视化决策看板
直观呈现岗位得分与核心摘要。支持列表滚动复核、高分项自动勾选，以及展开详情查看完整 JD 与 AI 深度分析面板，辅助精细化比对。
[01] 用户痛点
- 01
职位信息过载：每日新增海量岗位，人工阅读并提取关键信息耗时巨大。
- 02
筛选效率低下：缺乏有效的初步过滤机制，难以快速定位高匹配度岗位。
- 03
决策解释性弱：主观判断多，缺乏系统性的匹配维度对比与风险提示。
[02] 用户路径与方案
自动化数据抓取
后端自动化定时/按需抓取最新岗位数据并存入内存缓存。
[03] 产品能力
React + TypeScript 前端决策看板
FastAPI + BeautifulSoup 后端采集
Google Gemini 批量结构化推断
UTF-8 BOM CSV 导出防乱码
内存缓存与抓取状态监控
[04] 业务影响
结果 01
将百份 JD 初筛时间从小时级缩减至分钟级。
结果 02
结构化输出显著提升了投递决策的客观性与可解释性。
结果 03
跑通了“采集-分析-交互-导出”的端到端数据工作流。
结果 04
工作流架构具备极强跨行业通用情报处理的可迁移性。
[05] 用户流程手册
产品交互与使用流
[06] 设计哲学