夜雨聆风
毕业季找工作，最折磨人的地方常常在投递之前：你很难判断这几个问题。
这个岗位到底适不适合我？
我的简历能不能过筛？
这个薪资范围合不合理？
这个城市、这个行业，现在到底还有多少机会？
我之前也被这些问题卡过。招聘网站信息很多，但看久了会发现，大部分信息都是散的：岗位在一个页面，薪资在一个页面，简历修改又要单独找工具，最后还是靠自己在一堆页面里来回对比。
所以我做了一个 AI 求职助手，想把求职里最常见的几件事放到同一个系统里：上传简历、分析岗位、推荐职位、预测薪资、优化简历、导出文档。
它不是一个简单的职位列表页，更像一个面向求职学生的求职工作台。
开源地址：https://github.com/sunflower0305/ai-job-seeker
体验地址：https://job.zhangleyang.com
01
先看岗位市场，不再盲投
很多人投简历时只看岗位标题和薪资，但真正影响结果的因素很多，比如城市、学历、经验、行业、公司规模、技能要求。
这个系统会先对招聘数据做清洗和分析，把原始岗位数据整理成可以观察的市场信息。
你可以看到：
当前岗位总数和公司数量
不同城市的岗位分布
各城市平均薪资对比
学历和经验对薪资的影响
行业招聘热度
技能需求词云
比如你想找 Python 开发岗位，系统不只是告诉你有哪些公司在招，还能帮你看哪些城市机会更多，哪些技能出现频率更高，薪资大概集中在哪个区间。
这一步解决的是求职前的信息差。先看市场，再决定怎么投，比打开招聘软件直接海投要稳很多。
02
上传简历后，AI 先读懂你
求职推荐如果只靠用户手动填表，很容易不准确。很多人的简历里已经写了技能、项目、经历、学历和期望方向，系统应该先把这些内容读出来。
AI 求职助手支持上传 PDF、Word、TXT 格式的简历。上传后，系统会自动分析简历内容，提取出几个关键字段：
技能标签
工作或项目年限
学历信息
期望岗位
期望薪资
核心优势
工作经历和项目经历
这些信息会进入后续的推荐和优化流程。系统会先理解你已经写好的内容，再基于这些信息给出后续建议，不需要你重新填一遍简历。
03
职位推荐不是关键词匹配
传统搜索很容易出现一个问题：你搜 Python，它就把所有包含 Python 的岗位都丢给你。至于岗位要求是不是匹配、经验要求是否合适、技能栈是否接近，它不一定管。
这个项目里做了职位推荐模块，会结合简历分析结果和岗位数据来计算匹配度。
推荐时会参考：
技能是否匹配
学历要求是否符合
经验要求是否接近
城市和行业偏好
岗位描述与个人画像的相似度
底层使用 TF-IDF 和余弦相似度来做文本匹配，并用 jieba 做中文分词处理。这样系统可以把职位描述、技能标签和用户简历放到同一个语义空间里比较，不只是看某个关键词有没有出现。
推荐结果里会展示岗位名称、公司、城市、薪资范围、学历经验要求和匹配度，方便你快速判断哪些岗位更值得优先投。
04
薪资预测，给谈薪一个参考
很多求职者对薪资没概念，尤其是第一次找实习或校招时，很难判断一个 offer 是偏低、正常还是不错。
系统里做了一个薪资预测功能。你可以输入城市、学历、经验、行业、技能、薪资月数等信息，系统会给出预测月薪、薪资上下限和年薪估算。
这个模块使用随机森林模型，把岗位特征转成模型可理解的数据，再基于历史岗位样本预测薪资范围。
它不能替代真实 offer，但可以作为投递和谈薪前的参考。比如同样是后端开发，北京、杭州、成都的薪资分布不同；同样是本科，1 年经验和 3 到 5 年经验的预期也不一样。先有一个数据范围，后面判断岗位就不会完全靠感觉。
05
简历优化和 WORD 导出
简历分析只是第一步，更重要的是怎么改。
系统接入了通义千问大模型，可以根据简历内容和目标岗位生成优化建议。它会重点处理这些问题：
经历描述太泛
项目成果没有量化
技能和目标岗位关联不够明显
表达冗余，重点不突出
简历结构不够清晰
优化完成后，系统会返回修改说明和优化后的结构化简历内容。你可以继续调整，也可以直接导出 Word 文档。
目前支持两类导出：
简历分析报告，包含基本信息、技能清单、核心优势、岗位推荐和 AI 对话记录
优化后的简历文档，按个人信息、求职意向、教育背景、专业技能、工作经历、项目经验等模块生成
这对学生做求职准备很实用。分析、修改、导出都在一个流程里完成，不需要在多个工具之间来回复制。
06
数据分析页面也做进去了
除了个人求职流程，项目里还做了完整的数据分析页面。
前端会从后端统计 API 拉取数据，用图表展示招聘市场情况，包括薪资区间分布、城市职位分布、学历与薪资关系、经验与薪资关系、行业占比、城市平均薪资对比等。
技能词云也单独做成了接口。后端统计岗位标签后生成图片，前端可以直接展示出来。这个功能适合用来观察当前市场里哪些技能更热，比如 Python、Java、React、Django、MySQL 这些技术在岗位描述里出现的频率。
如果你是学生，可以用它判断自己该补哪些技能；如果你是做项目展示，也可以用它说明数据分析和可视化能力。
07
工程上怎么做的
这个项目不止有几个页面，它把后端、前端、数据处理、机器学习和 AI 能力串到了一起。
后端使用 Django 和 Django REST Framework，负责职位、公司、用户、收藏、申请、推荐、薪资预测、简历分析等接口。
前端使用 Next.js、TypeScript 和 Tailwind CSS，页面包括首页、职位列表、职位详情、数据分析、AI 职位推荐、AI 简历优化、薪资预测、个人中心等。
数据处理部分使用 pandas、numpy、jieba、wordcloud、matplotlib、seaborn，负责清洗岗位数据、统计维度指标、生成词云和图表。
机器学习部分包含两个核心模型：
职位推荐模型：基于 TF-IDF 和余弦相似度
薪资预测模型：基于随机森林回归
AI 部分接入通义千问，通过 LangChain 做简历分析、对话式职位推荐和简历优化。
文档导出部分使用 Word 文档生成能力，把分析报告和优化后的简历导出为 docx 文件。
08
它适合谁
这个项目主要适合三类人。
一类是正在找工作的学生。你可以用它分析简历、了解岗位市场、筛选更匹配的岗位，再根据目标岗位调整简历。
一类是准备毕业设计或课程设计的同学。它覆盖了爬虫、数据清洗、可视化、机器学习、Web 开发、AI 接入、文档导出等模块，项目完整度比较高。
还有一类是想做 AI 应用练手的开发者。这个项目的场景比较具体，大模型不是孤立的聊天框，而是放进了简历、岗位、薪资和推荐这些真实流程里。
找工作当然不能完全交给 AI，但 AI 可以帮我们把信息整理清楚，把简历问题暴露出来，把岗位匹配和薪资预期变得更可判断。
我做这个 AI 求职助手，就是希望求职不再只靠碰运气。先理解自己，再理解市场，最后再去投递，效率会高很多。
开源地址：https://github.com/sunflower0305/ai-job-seeker
体验地址：https://job.zhangleyang.com
