OfferGuide

项目级深度面试备战——从简历提取核心项目，按公司风格生成 probing 题 + 答题骨架 + 弱点应对，全方位为找到工作努力。

给定公司、JD、用户简历、可选的过往面经，输出结构化面试备战清单——公司画像、最可能被问到的题、备战重点、用户弱点。

给定 master 简历 + JD + 可选画像, 输出针对该 JD 的 tailored 版本 - 只能改 wording / order / emphasis, 不能编未发生的经历。每条插入的 claim 带 source_kind + 5-7 天 prep_plan, 让"虚假"变"真学习"。

同一家公司多个 JD 的横向比较与投递优先级排序。考虑公司投递限额（字节校招硬限 2、阿里 3 / 业务、淘天 3 / 轮）+ 简历对齐 + 竞争激烈度 + 差异化因素，输出"先投 X、备选 Y、跳过 Z"的决策表。

给一份具体岗位生成"投递包"——Boss直聘/牛客自我介绍话术 + 应聘表单常见问答 + 投递策略 + checklist。让用户从"打开 Boss 不知道写什么"到"复制粘贴 + 一键提交"。

文字版 turn-based mock interview - agent 当面试官问 1 道 + 评分用户答 + 给改进建议。N 轮后产出 transcript 喂给 post_interview_reflection 闭环。

给定成功者画像 + 用户简历，输出 4 桶 gap 分析 - 已具备 / 短期能补 / 短期补不了 / 不能编。每条都带具体行动项 + 时间预算。

给定公司 / 岗位 + 高质量真实样本（面经 + offer贴 + 项目分享），合成「成功者画像」——背景、技能、项目、被问的问题、为什么过。

面试结束后，用户提交实际问到的题目 + 自评 → 输出预测命中率 + surprises + 建议入库的 STAR stories + 公司 brief 更新建议。闭合 dogfood 反馈环。

给定 JD + 用户简历，写一封定制化的中文求职信 / cover letter。明确标注 ATS 关键词、AI 检测风险、定制化信号、个性化分数。借鉴 Career-Ops 的 6-block 评估框架。

找出 JD 要求与简历的差距，输出"定向微调建议"（不是整段重写），并标注每条建议的 AI 风险。

Calibrated match probability between a JD and the user's profile, with multi-dimensional reasoning.