全链路开发实战:把“讲不清自己做过啥”做成一个产品:JobTwin 求职数字孪生从 0 到 1

63 阅读4分钟

参赛赛道:全链路开发实战 选题方向:从 0 到 1 的全链路开发

#TRAE双端融合

一、我想解决什么问题

我正在转行求职。改简历时最崩溃的不是不会写,而是明明做过很多事,落到纸面上就变成“负责××、参与××”,投出去石沉大海;面试被追问“你具体做了什么”,只能现场组织语言。我意识到问题不在简历模板,而在经历和价值之间缺一条可验证的证据链。

于是我想:能不能做一个工具,把每段经历拆成结构化的“证据资产”,针对每一个目标岗位自动匹配强弱、生成定制简历、模拟面试,再反过来告诉我“你还差什么”?我把它命名为 JobTwin——求职数字孪生。

二、需求拆解:24 章 PRD 变成一张工程图

我没有让 TRAE 直接“给我写个求职网站”,而是先写了一份 24 章的 PRD(产品定位、8 个核心页面、交互、数据模型、验收标准),再让它拆解落地。最终形成清晰的工程结构:

  • 8 个页面:求职驾驶舱、经历资产库、JD 分析、证据匹配、简历生成、AI 模拟面试、求职看板、设置;
  • 一个统一状态层:useReducer + LocalStorage;
  • 一个本地 AI 引擎:JD 解析、技能提取、证据匹配、简历生成、模拟面试官、面试评估、缺口分析、项目介绍 8 大能力。

架构上我们做了一个关键决策:比赛阶段不接真大模型 API,而是写一个确定性的规则引擎——每一分都有计算公式,每条 AI 生成内容都带证据来源标签。这既符合“可解释、不编造”,也保证演示现场断网也能跑。

image.png

三、开发中真实踩过的坑

真实开发不是一帆风顺的,最耗时间的反而是环境:

  1. Node 不在 PATH,Vite 起不来——TRAE 定位到我装在 D 盘的 node.exe,以全路径直接调用绕过;
  2. npm install 报 EPERM 被拦截——改用 --no-bin-links 装上了;
  3. esbuild 的 postinstall 脚本被拦——TRAE 找到实际二进制 esbuild.exe 直接调用,照样能 build;
  4. 组件里 const 箭头函数被提前引用导致 undefined——改成函数声明。

这些坑单看都不大,但自己排查可能一晚上就过去了;在 TRAE 里基本是“报错→定位→修复→重跑”几分钟一轮。

四、测试验证:数字对不上就调到对上

我不接受“看起来能跑”,而是用 esbuild 把 AI 引擎打包后直接在 Node 里跑冒烟测试。第一次跑出来证据缺口是 6 个,不是 PRD 预期的 3 个——排查发现是 Demo 经历文案的关键词覆盖不足,于是回头调经历文本和匹配关键词,直到引擎输出与验收标准逐项对上:14 项能力拆解、3 个缺口、72% 匹配、6 道面试题、STAR 拆解、4 条反哺建议。

一个细节:PRD 里我写的示例匹配度是 78%,真实引擎按权重算出来是 72%。我选择保留 72%——工具应该输出真数,哪怕没有示例好看。

image.png

五、交付与一次真实的用户反馈迭代

最终构建产物只有约 330KB(HTML 1KB + CSS 40KB + JS 287KB),部署到 Cloudflare Pages,国内访问 1.2 秒左右打开。期间踩过部署 404(传错目录)和 workers.dev 域名国内超时(换 pages.dev 解决)。

真正的考验是朋友试用。第一位朋友试完说:“这系统不错,但我们打开看到的全是你的信息啊。”这句话促成了一次真实迭代:加了本地账号系统——游客默认看 Alex Chen 的 Demo 案例,注册账号即获得独立空白工作台,数据按账号隔离存储、互不可见。这个需求我自己在家写代码时绝对想不到,只有真实用户才会提出。

image.png

六、结果

  • 一个可运行、可访问、可演示的完整应用:8 个页面 + 8 大 AI 能力 + 账号系统,全程零第三方图表库(雷达图、环形进度条均为手写 SVG);
  • 完整覆盖“需求→开发→测试→交付”链路,每个环节都有可验证的产物;
  • 从想法到公网可访问,由一个人 + TRAE 完成。

image.png 回看这段经历,TRAE 扮演的不是“帮我写代码的工具”,更像一位随时在座的工程搭档:我负责想清楚要什么、验收对不对,它负责把想法落成结构、把报错变成修复。最打动我的是——它让我这种“有产品想法但凑不齐全栈技能”的人,第一次真的把东西做了出来。