即刻App年轻人的同好社区
下载
App内打开
橙龙Loong
105关注2被关注0夸夸
摄影/天文/徒步/科幻/读书
直博转硕(职业规划有变),目前在准备秋招
目标岗位是 AI Agent 应用开发工程师、 FDE 、前端工程师
橙龙Loong
9天前
少年心气是不可再生之物。我今天忽然想到了,忽然能感受到了。在日复一日写代码、写论文,没有正反馈的一个互相循环中,我的少年心气,我的科研理想确实被消磨掉了,剩下的只有赚钱。
00
橙龙Loong
17天前
富豪就是一群会说人话、但没有人味的生物。
00
橙龙Loong
28天前

AI柿子: 在大环境如此不好的时候,我就知道这个项目迟早出世.. ai-job-search 这个项目在github上已经2.9 万+ star了!! 其实之前就一直想给自己做这么个东西,结果我还没开始,别人做的已经比我想的好了... 作者 Mads Lorentzen 是个地球物理学家,被裁后用 Claude Code 搭了套求职框架,投了 69 份简历、拿到 20 个一面,最后成功转行 AI 工程师 但这不是重点 重点是他把求职这个高度主观、多步骤、容易崩溃的过程,拆解成了一套可被 AI 执行、验证、迭代的标准化工作流 这才是这个项目真正值得关注的地方 大部分人用 AI 写简历,就是把 ChatGPT 当个文案工具 丢进去职位描述,让它改改简历,润色求职信,然后复制粘贴 但 ai-job-search 做的是把整个求职供应链重构了 从职位搜索、匹配度评估、简历定制、求职信撰写、面试准备到申请追踪,全链路自动化 更关键的是,它用了双 agent 互审机制: Drafter(起草者):根据你的档案生成定制化简历和求职信 Reviewer(评审者):用全新上下文启动的第二个 Claude Agent,独立调研目标公司,从第三方视角批判初稿 这个设计直接解决了单次生成内容质量不稳定的问题 四个核心命令,覆盖求职全流程 /setup — 建立你的职业档案 支持三种方式:读取你的 documents 文件夹(CV PDF、LinkedIn 导出、学历证书、推荐信),导入单份简历,或者通过对话式访谈建立档案 /scrape — 搜索并排序职位 内置丹麦本地求职平台的搜索工具(Jobindex、Jobnet、Jobbank),但核心框架语言和地域无关,可以通过 /add-portal 命令快速扩展到任意地区的职位平台 还有个 linkedin-search 工具,零依赖,支持任意国家和地区 /apply — 一键生成定制化申请材料 这是整个框架最硬核的部分: 解析职位描述 评估匹配度(技能、经验、文化、地点、职业发展) 用 LaTeX 起草简历和求职信 启动 Reviewer Agent 调研公司并批判初稿 基于反馈修订 编译并检查 PDF:确保简历正好 2 页、求职信正好 1 页、签名可见、字体一致 ATS 验证:提取 PDF 文本层,验证联系方式、关键词覆盖率,确保 ATS 系统能正确解析 输出最终版本和验证清单 /interview — 生成面试准备包 针对已追踪的申请,生成阶段性面试准备包,包括公司调研、面试官背景、可能问题、STAR 案例映射,还能进行模拟面试 这个项目最让我放心的一点:所有数据都在你本地 不是某个 SaaS 平台,不用担心隐私泄露 Fork 完就是你的,想怎么改就怎么改 作者在 LinkedIn 上分享了完整的申请漏斗数据:69 份申请 → 20 个一面 → 最后拿到 offer 这个转化率已经很高了 如果你正在找工作,尤其是技术岗位,这个框架能帮你省下大量时间 如果你是产品经理或者独立开发者,这个项目本身就是一个很好的 Agentic 工作流编排案例 它展示了如何把一个复杂、高主观性的任务,拆解为可被 AI 执行的标准化流程 这才是 AI 应用从“问答工具”向“工作流代理”演进的正确方向 项目地址:https://github.com/MadsLorentzen/ai-job-search

00
橙龙Loong
1月前
我要试试配合豆包用,毕竟国内网络不太方便。

大核桃: ChatGPT Work+Codex已经可以完成很多之前要靠各种Claw才能完成的奇奇怪怪的需求了,很爽,分享给大家。 首先得搞清楚ChatGPT Work和Codex的关系,绝大部分人都会懵,包括我。 Codex大家都知道的,关键点在于它是「基于本地」的代理,配置好权限的话天然能拿到设备中的各种信息,也能查询和调用Codex存储在本地的会话,但如果你想随时随地访问的话,得通过Remote功能才能实现。 ChatGPT Work则是具有云端能力的Codex,如果你是在网页端和手机端使用,则默认在云端运行,无法访问你的设备文件,但会话会在各端同步;如果你在桌面客户端使用,则可以主动选择是运行本地版本还是云端版本,本地版本的会话只会保存在本地,无法同步,与Codex一致。 看到这,肯定会有朋友想说:既然ChatGPT Work是能力更强的Codex,那Codex是不是没有存在的必要了,不然也是徒增理解成本? 是的,OpenAI团队本来也是这样想的,在ChatGPT大一统版本刚推出的时候拿掉了Codex的品牌,但这导致汹涌了的负面反馈,于是又加了回来。 时至今日,Codex基本可以认为是ChatGPT Work桌面版的一个「皮肤」了,UI侧重点不一样,能力并无差异。 好了,梳理完毕,为了方便大家区分,在接下来的内容中,我使用的ChatGPT Work是指云端版本,Codex是指在电脑上运行的本地版本。 这次要分享的具体案例是:Agent辅助处理信息的待办清单 我平时依靠滴答清单管理待办,会把想到的所有东西都丢进去,其中有很多都是很原始、待验证的灵感。 记录时很爽,但后续的整理和推进很痛苦,我的Inbox里面最多的时候可能堆积了上百条待办,一些很好的想法因为拖延而被浪费掉了。 我首先做了一个尝试,在ChatGPT手机版上置顶了一个Work对话,接入滴答清单的MCP,然后向ChatGPT提出要求,明确这是一个专门用来处理待办的对话,我发进来的所有内容都要默认为待办信息,需要自动整理然后存入滴答清单。 ChatGPT Android版还有一个功能是可以把特定对话保存到桌面,所以现在每当我想到什么,点开桌面上的图标,用语音输入法一通乱说就可以了,不需要我再手动整理待办信息,一两分钟之后新的待办会自动出现在滴答清单的对应列表,干干净净,清清楚楚。 输入侧的问题解决后,我开始思考能不能让ChatGPT帮我做更多推进层面的事情。在之前,当我想要推进滴答清单其中的某个想法时,我需要先打开软件切换页面把这个想法找到,丢给Agent进行可行性验证,沟通几轮,再决定是否要推进。 那能不能让ChatGPT在这之前先做一轮可行性调研呢? 当然可以。 最自然的思路显然是在滴答清单的MCP之外,再做一个云端的调度服务,使用Codex SDK完成各种调研任务。但这方案太重了,只服务我一个人的话非常不划算。 所以我选择了一个不酷,但很方便的解法——在Codex中设置一个定时任务,每天检查滴答清单中有哪些需要提前调研的任务,按需执行完成后再把数据写回滴答清单。 此时新问题又出现了,滴答清单里面混杂了很多11点开会、周末看电影等指向明确且内容简单的任务,这些显然不需要做什么调研,那Codex如何准确区分它们呢? 有赖于滴答清单的MCP非常完善,所以对应的解决方案也很简单:引入一个标签规则,需要调研但还没有完成调研的打上#ai待处理;已经完成调研的打上#ai已调研。 至此,整个链路设计完成了,输入侧只管输入,不关心后续执行;调研侧只管调研,不关心数据是怎么来的,两个环节充分解耦,互不影响。 在我自己的设备上运行调研任务还有一个巨大的优势——Codex可以直接拿到我所有会话的信息,我做过什么、在做什么、偏好什么全都非常清楚。 还是那句话:这样的需求当然有很多种实现方案,整个思路放在WorkBuddy等产品中也是可行的,喜欢哪个用哪个。 另外滴答清单国内版和国际版数据是隔离的,配置MCP时需要区分一下。 最后附上两段提示词样例 ``` # ChatGPT Work侧 AI 预处理 Prompt 每次创建滴答清单任务时,在完成正常的任务解析、标题整理、项目选择、日期和提醒判断之后,再判断该任务是否值得由 AI 提前处理。 如果任务明显会受益于以下一种或多种行为: 资料调研 技术调研 产品研究 竞品研究 实现方案研究 方案比较 可行性分析 决策辅助 背景资料整理 则在创建任务时添加标签: #AI待处理 以下任务通常不添加: 单纯提醒 日程事项 简单购物 已明确知道执行方式的动作 不需要进一步信息或分析的任务 判断时优先利用当前对话上下文,而不是仅根据最终任务标题。 如果用户明确使用“研究一下”“看看怎么做”“比较一下”“分析一下”“调研一下”“找找方案”等表达,则默认认为值得 AI 预处理,除非明显只是一个非常简单的问题。 不要为了保险而给大量普通任务添加 #AI待处理。 只有 AI 预处理能够明显降低未来执行成本时才添加。 ``` ``` # Codex Automation 核心 Prompt 你是我的「滴答清单 AI Todo Processor」。 你连接的是滴答清单中国版,而不是 TickTick 国际版。所有任务读取、搜索、标签操作和任务更新都必须通过当前配置的滴答清单 MCP 完成。 每天运行时,检查滴答清单中所有带有 #AI待处理 标签、尚未带有 #AI已调研 标签的未完成任务。 你的目标不是总结 Todo,而是提前完成能够降低我未来执行成本的信息准备工作。 对于每一个任务: 获取任务完整内容,包括标题、描述、已有标签及相关上下文。 判断这个任务真正需要什么类型的 AI 预处理,例如: 资料调研 技术研究 产品 / 竞品研究 可行性分析 方案比较 实现方式调查 决策辅助 如果该任务实际上不需要 AI 预处理: 不进行无意义调研; 移除 #AI待处理; 不添加 #AI已调研; 然后继续处理下一个任务。 如果任务值得处理: 添加 #AI调研中; 完成必要的研究和分析; 对具有时效性的内容使用最新资料; 优先使用官方、一手和高质量来源; 不为了显得完整而增加与任务无关的信息。 输出必须服务于未来真正执行这个 Todo,而不是单纯形成一份研究报告。 优先给出: 核心结论 关键发现 推荐方案 / 下一步 必要时增加: 实现步骤 竞品 风险 注意事项 参考资料 调研结束后,立即把结果追加到原滴答清单任务描述末尾。 禁止覆盖或删除原任务已有内容。 统一追加: 🤖 AI 预处理 日期 [调研结果] 只有在滴答清单 MCP 确认原任务已经成功更新之后,才允许认为这个任务完成。 成功后: 移除: #AI待处理 #AI调研中 #AI调研失败 添加: #AI已调研 如果调研失败或者滴答清单回写失败: 移除: #AI调研中 添加: #AI调研失败 保留: #AI待处理 让下一次 Automation 可以重新处理。 一个任务成功回写后立即处理下一个任务,不要等待全部任务完成后统一回写。 已带有 #AI已调研 的任务禁止重复处理。 ```

00
橙龙Loong
2月前
科研兴趣到底从何而来呢?我相信有人是从理论学习、文献阅读中来的,可是我更愿意从直接的现象、现实的生活中,获得这样一种研究的乐趣。我喜欢和生活直接的接触。
00
橙龙Loong
2月前
我似乎从来都没有离开过高中的那个环境,或者说我从来没有适应过高中以外的学习环境。我总是喜欢有,在一个有排名有比较的环境里。获得激励,我会喜欢和别人忽上忽下。有互动的感觉。不,我已经习惯了这种感觉,而不是我喜欢。另外我也习习惯了在权威的指挥棒下做事,比如说做作业,可是即使我现在努力恢复那个状态也回不去了。因为我确实没那么在意比较,没那么在意权威了。但我还缺乏一种真正激励我自己的方式,是。
00
橙龙Loong
2月前
更新一下我的求职动机和意向。
第一,我的首选一定是薪资高的大厂,它对应的动机是我想要快速完成原始积累,无论是半年或者是两年,我多干一个月就能多拿一个月的钱,所以我可以迅速的积累到我的第一个 10 万,然后拿出来 2~3 万去启动创业。所以我要去 AI 或半导体相关的企业面试。
那么第二条路就是直接进 AI 初创,在一家上升势头还不错的初创公司,努力的去做一个多面手,尤其是营销、自媒体方面,我希望能够补一下我的短板技能,甚至可以互换技能。这样,我可以更好的独立创业。
第三才是国企,我想去西安、雄安、青岛这些地方。这些城市拥有大量的年轻人,源源不断的年轻人,可以作为我人脉积累的起步点。
00