不谈技术，先谈六个业务结果
机构与高校的诉求其实很一致：服务能放大、质量能稳住、经验能留下、成果能证明、合规能过关、品牌是自己的。这六件事，正是平台被设计出来要解决的。
服务经验不随人走
项目模板沉淀阶段、任务、参考资料与优秀交付物，新导师接手即可开班，机构不再依赖某几位「明星导师」，也不会因为人员流动丢掉服务能力。
13 项管理重点，一屏掌握
阶段自动流转、超时预警、健康度分级：谁卡住了、谁该介入、谁的导师负载过高，看板直接点出来，不靠人记、不靠群消息。
岗位按策略推送，不靠人工转发
按公司类型与岗位条件定时推送匹配岗位给指定学员；薪资、地点、技能、经验标签齐全，投递状态可追踪，服务过程有据可查。
十类智能体接管重复劳动
测评解读、简历诊断、岗位匹配、笔试练习与刷题分析、项目复盘自动产出初稿，导师把时间花在评审与点拨上——同样的团队，能带更多学员。
数据留在机构，权限细到接口
多租户隔离、细粒度 RBAC、审计日志全操作留痕；简历等个人信息脱敏后再进模型，模型供应商可配置，支持私有化部署。
以机构自己的品牌对外服务
Logo 与平台名称自助配置，学员看到的是机构的服务体系与教学品牌，而不是一个第三方工具——交付给学校与企业时更完整。
用平台之前，和用平台之后
同一批学员、同一批导师，差别在于流程跑在哪里、经验留在哪里。左边是常见做法，右边是雏鹰的处理方式，逐条对应。
关键图示：四层架构，每层解决一个业务问题
业务提了四件事——多角色协同、场景齐备、重复工作有人干、做过的事能复用。四层架构一层对应一件；这也是它能做到「换模型不用改业务、加能力只需加技能」的原因。
业务含义：三类角色各司其职——管理员管配置与看板，导师管评审与带教，学员只管推进自己的进度，权限与视图按角色隔离。
业务含义：岗位、测评、实训、笔面试、投递五个业务场景都在同一个平台里闭环，学员不必在多个系统之间来回切换，机构也不必维护多套账号与数据。
业务含义：学员用一句话说清诉求，剩下的交给智能体；机构看的是数据面板——服务过程与结果都看得见、可追溯。
业务含义：十个智能体分担重复劳动，等于给每位导师配了一名随时在线的助教——重复的初稿交给 AI，判断与把关仍由人来做。
业务含义：做过的事沉淀成模板与数据，服务能力可以持续加装、机构资产可以持续累积——换模型不动业务，加能力只加技能。
阶段自动流转，不靠人催
调度中心按依赖关系推进任务：上一步的产出自动成为下一步的输入，阶段到期提醒、逾期预警，该介入的时候系统把名单递到眼前。
能力随业务加装，扩展成本可控
报告、雷达图、简历优化、岗位推送都以技能形式接入技能库；机构新增一种产出形态时不必重做流程，扩展不需要重新开发一套系统。
数据成为机构自己的资产
测评结果、简历、投递记录与复盘报告统一沉淀，既服务于学员的下一步建议，也支撑机构侧的课程迭代与就业质量分析。
AI 智能体驱动，给机构留下的是可用的人效
上一节讲的是架构怎么搭，这一节讲搭好之后拿到什么：哪些工作被智能体接走、哪些判断仍留给导师、学员自己多了什么。
AI 智能体驱动全流程提效
从测评、规划、简历、匹配、投递、实践到复盘，七个环节由智能体自动衔接，减少人工搬运与重复沟通。
AI 个性化测评与岗位匹配
基于招聘市场行情与个人能力、性格特征给出岗位推荐，并说清推荐理由，而不是一份通用建议。
AI 数据智能体决策
投递情况自动复盘，趋势分析与洞察从数据里长出来，服务怎么调、课怎么改都有依据。
七个环节，导师和学员在哪一步交接
AI 把重复劳动接走，但每个环节都留了一次人与人的交接：学员提交素材与交付物，系统产出初稿，导师评审后把反馈给回学员。同一条回路在七个环节各走一遍——导师不必重复劳动，始终握着关键判断。
-
01 测评 Assessment学员
完成四轴人格偏好与霍兰德兴趣测评作答
AI输出倾向百分比与职业方向簇，形成测评报告初稿
导师解读报告，校准求职方向与目标优先级
-
02 规划 Planning学员
认领目标行业与求职时间线
AI结合招聘行情与个人画像，生成分阶段路径与能力提升计划
导师确认路径是否现实，补充资源与建议
-
03 简历 Resume学员
提交原始简历与目标岗位 JD
AI从结构、表达、ATS 可读性到量化成果多维诊断，生成优化版
导师精修点评，确认终稿
-
04 匹配 Matching学员
确认岗位偏好、期望城市与薪资范围
AI先硬性淘汰，再按五维加权评分，输出分级匹配榜与推荐理由
导师复核推荐结果，定投递策略
-
05 投递 Submission学员
按策略投递，回填每一条跟进状态
AI按公司类型与岗位条件定时推送，投递状态自动流转
导师盯投递进度，对停滞与逾期及时介入
-
06 实践 Practice学员
成套笔试练习（内置题库）、多轮面试模拟与项目阶段任务交付
AI笔试逐题解析、面试维度评分，并产出交付物初稿
导师阶段评审与点评，给出修改意见，通过后进入下一阶段
-
复盘 Review学员
汇总项目与求职经历，整理面试故事
AI七维雷达式拆解经历，生成 STAR 故事草稿与追问预测
导师结业面谈复盘，出评价与推荐语
- 学员提交素材与交付物
- 系统产出初稿并送审
- 导师评审后把反馈给回学员
同一条回路，七个环节各走一遍：学员提交 → 系统出初稿 → 导师评审反馈 → 修改后再提交，或通过并进入下一环节。项目实训里的阶段任务与交付物，走的就是这条线。
看得见的运营效果
岗位库是求职服务的地基：学员看到的岗位得是真在招的，导师推送的岗位得是投得出去的。平台持续聚合与同步岗位信息，服务才不是空转。
以上为平台岗位库在 Demo 环境的示例数据，用于说明岗位聚合与同步的覆盖范围。
落地与合规：IT 与校方会关心的问题
平台怎么部署、数据存在哪里、模型能不能换、审计能不能过——这些决定了方案能不能真正落地，也决定了服务能不能长期做下去。
数据留在机构
各服务容器化编排，可整体部署到机构自有环境；网关统一入口并自动签发续期证书，不增加额外运维负担。
个人信息不进模型
姓名、电话、邮箱等个人信息在调用模型前替换为占位符；多租户隔离、接口级权限控制、审计日志全操作留痕。
换模型不用改业务
模型接入在配置层管理，业务逻辑通过统一接口调用；支持并行接入不同供应商，按效果与成本灵活切换。
简历与报告流水线
简历支持 PDF / DOCX / TXT 解析为结构化文本；报告可输出 Markdown、HTML、PDF，并支持 DOCX 下载存档。
文件直传 · 短信触达
文件通过临时凭证直传对象存储，不经过业务服务器；阶段提醒、评审结果等关键节点通过短信服务触达学员。
交给 IT 评估的清单
React 19 + Vite 三端应用，Bun + Fastify 5 服务端，PostgreSQL 18 存储，LangChain / LangGraph 智能体流水线，SSE 流式输出。
数据怎么走：一次 AI 复盘请求的完整路径
以「实习项目深度复盘」为例：学员点一次请求，几分钟后拿到一份可讲的项目复盘报告；而个人信息在进入大模型之前就已经被匿名化。
同一套平台能力，两种交付形态
应届生直接用，机构与高校部署给整批学生用。同一套智能体与数据底座，差别只在部署方式与管理边界。
雏鹰 · 应届生版
从职业测评到投递复盘的 AI 求职加速器，AI 全程伴学、导师兜底。适合正在准备校招、实习与转行求职的同学。
- 四轴人格偏好 / 霍兰德测评 + 岗位匹配度分析
- 通用简历精修、JD 定向精修与笔面试模拟
- 企业级 PTA 远程项目实训，导师评审交付物
雏鹰 · 机构与高校版
可私有化部署的 AI 求职服务中台，品牌白标交付，把同一套能力开放给整批学员与导师，服务经验沉淀为机构资产。
- PTA 看板、项目库与多角色权限体系
- 招聘数据看板与岗位自动推送策略
- 多租户隔离、审计日志与数据自主可控
还在评估部署条件？先看上方「落地与合规」