Resume Copilot

求职者最痛的不是简历模板，而是把自己做过的项目讲不清楚、讲不出数字。直接让 LLM 润色简历，输出看似专业，但数字、指标、技术细节全靠模型编造——面试官一追问就穿帮，这比写得平庸危险得多。

我的切入点：把「我做过什么」沉淀为可检索的项目知识库，让模型只允许引用知识库里有出处的内容，并用工程手段强制执行这条规则。

上传项目文档后建立 Qdrant 向量知识库；四大功能（简历生成 / 学习路径 / 模拟面试 / 投递预览）由自研 ReAct 引擎驱动：模型自主思考、选择工具、执行并收敛。

核心差异化是「可信度工程」：写入简历的每一个数字都必须携带知识库出处，工具层拒收无出处数字——编造率从机制上归零，而不是靠 prompt 恳求。

四层评测体系覆盖业务、系统能力、安全、模型横评：52 条探针（幻觉 10 / 注入 12 / 隐私 10 / 合规 20）、45 份人工标注面试答案、15 份简历评分样本，产出 22 份评估报告。

评估发现问题 → 定位根因 → 修复 → 复测转绿的完整闭环沉淀为 26 条错误档案。跨 5 个模型的红线筛选让编造率越线的模型直接出局。

pnpm monorepo 三包结构（api / web / shared zod 契约）；Docker 三阶段多阶段构建，nginx 托管前端并反代 SSE；配套只读「上线生效性复核」脚本，避免「代码已合并但没上线」被误判为功能缺陷。

16 个 spec 单测文件 144/144 通过；10 份模块测试文档 + 15 个可执行测试脚本（冒烟 / 压测 / 故障注入 / 生产复核）。

最大的缺口在用户侧证据：没有真实用户与访谈，用「自用工具 + 补救计划」的诚实框架处理。投递模块刻意只保留 preview / mock——外部不可逆动作必须预览，这本身是产品敬畏心，也是安全红线。