# DeepMatch

**Repository Path**: shaoqing404/deep-match

## Basic Information

- **Project Name**: DeepMatch
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: CC-BY-4.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-14
- **Last Updated**: 2026-06-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# DeepMatch

**消除求职信息差的人工智能原生职位匹配系统**

<p align="center">
  <img src="images/deepmatch-homepage.png" alt="DeepMatch：不要裸着信息走进面试，先查清再上桌" width="720">
</p>

一份 JD 是公司的招聘意图，不是完整的真相。

求职者拿着一段模糊文本，对着同样模糊的自我认知，做出一个高风险决策。这件事每天都在发生：投了不合适的岗位，面试时被问题击穿，拿到 offer 才发现和预期完全不同。

DeepMatch 把这个过程结构化。它帮你在投递前完成通常只有成熟职场人才做得到的事：读懂 JD 背后的真实诉求，摸清公司的现实处境，评估自己的真实胜任边界，再把判断转化成可以执行的准备路径。

信息差从不公平。DeepMatch 要让个人也能做机构级的岗位研判。

## 它做什么

1. 收集个人信息与当前简历，补问模糊经历和真实动机
2. 解构 JD 的明面要求、隐藏诉求和岗位目的
3. 联网摸排公司、业务线、薪资区间、团队现实和面试信号
4. 评估匹配度、风险、短板和是否值得投入
5. 生成初面、再面、终面所需的准备材料
6. 每轮面试后持续更新判断，沉淀为下次可复用的资产

## 它不是什么

DeepMatch 不是在线服务，不是简历生成器，也不是面试话术库。

它是一套运行在你信任的人工智能工具里的技能体系。数据留在你自己的文件系统里，没有账号，没有平台，没有隐藏上传。

## 谁适合用它

- 第一次认真面对某个招聘市场，不确定 JD 哪些是真要求、哪些是套话
- 有经历但不知道怎么翻译给新领域的面试官听
- 感觉自己能做这个岗位，但说不清楚凭什么
- 想在投递前想清楚，而不是面试现场才发现准备方向错了
- 希望每次求职分析都沉淀下来，下次不从零开始

如果你是应届生或正在转向人工智能方向的程序员，请先让人工智能助手读取对应的背景文件。它会帮助助手更快理解你的处境，跳过不必要的反问，把注意力放在真正影响判断的问题上：

- 应届生：[profiles/fresh-graduate.md](profiles/fresh-graduate.md)
- 转向人工智能方向的程序员：[profiles/career-pivot-engineer.md](profiles/career-pivot-engineer.md)

其他背景的用户可以直接启动主流程。

## 开始使用

让你的人工智能工具读取 [AI_INSTALL.md](AI_INSTALL.md)，它会根据 Codex、Claude Code 或其它人工智能编程环境完成安装与初始化。

如果你是通过网页版 AI、fetch 工具或浏览器让助手读取本 README，请让它继续读取 [WEB_AI_GUIDE.md](WEB_AI_GUIDE.md)，并用自己的网络搜索能力完成 DeepMatch 的证据化调研流程。

DeepMatch 与两类可选能力搭配时效果最好：[Codex DeepSearch](https://github.com/shaoqing404/codex-deepsearch) 负责深度证据调研，[Codex with CC Plus](https://github.com/shaoqing404/codex_with_cc_plus) 负责在 Codex 中进行受控委派和审阅。它们不是安装 DeepMatch 的硬依赖，但能让 Codex 执行岗位调研、来源审计和复杂匹配时更稳。

安装后，可以这样对助手说：

```text
使用 DeepMatch。
请先读取 README.md、AI_INSTALL.md 和适合我的 profiles 背景文件。
然后基于我的个人信息、当前简历和这个岗位 JD，帮我做职位调研、匹配分析和面试准备。
```

Codex 快速安装：

```bash
mkdir -p "${CODEX_HOME:-$HOME/.codex}/skills"
cp -R skills/deepmatch "${CODEX_HOME:-$HOME/.codex}/skills/deepmatch"
```

然后对 Codex 说：

```text
使用 $deepmatch。请基于我的个人信息、当前简历和这个岗位描述，帮我做职位调研、匹配分析和面试准备。
```

## 典型流程

```mermaid
flowchart TD
  A["启动 DeepMatch"] --> B["选择背景文件：应届生 / 转向人工智能 / 其它"]
  B --> C["识别工具：Codex / Claude Code / 其它"]
  C --> D["只读扫描本地能力与人格状态"]
  D --> E["创建本地 workspace"]
  E --> F["PROFILE.md：个人信息与反问澄清"]
  F --> G["RESUME.md：当前简历"]
  G --> H["JOB_JD.md：目标岗位录入"]
  H --> I["RESEARCH_PLAN.md：调研计划"]
  I --> J["COMPANY_ROLE_REPORT.md：公司与岗位调研"]
  J --> K["MATCH_REPORT.md：匹配度与是否值得冲"]
  K --> L["INTERVIEW_PREP.md：面试准备与补完计划"]
  L --> M["ITERATION_LOG.md：面试过程持续迭代"]
```

## 本地数据怎么放

真实用户数据应放在本地 `workspace/` 目录中，并保持不进入版本库：

```text
workspace/
  SESSION_INIT.md
  PROFILE.md
  RESUME.md
  JOB_INDEX.md
  jobs/
    2026-06-example-company-role/
      JOB_JD.md
      RESEARCH_PLAN.md
      COMPANY_ROLE_REPORT.md
      MATCH_REPORT.md
      INTERVIEW_PREP.md
      ITERATION_LOG.md
```

本仓库只提供技能、模板、参考流程和脱敏示例。真实个人信息、简历、岗位记录、薪资笔记、面试记录和调研报告不应提交。

## 深度调研查什么

DeepMatch 的调研不是随便搜公司新闻，而是围绕这些问题展开：

- 公司最近真正想做什么？
- 这个岗位为什么现在出现？
- 岗位可能属于哪条业务线或团队？
- JD 明说了什么，又暗示了什么？
- 薪资、城市、职级和工作强度是否现实？
- 同类公司的类似岗位要求说明了什么？
- 公开资料里能找到哪些面试、笔试或案例题信号？
- 哪些信息缺失、冲突或低置信？

仓库也维护一个面向 AI 的新型岗位库，帮助 AI 助手先建立岗位语义基线，再做当前证据校验。当前入口：[AI Role Library](docs/ai-role-library/index.md)。

## 匹配看什么

DeepMatch 不只问“你会不会”，还会问“公司为什么要招这个人”和“你凭什么能解决这个问题”。

它会综合判断：

- 硬性要求匹配
- 可迁移领域经验
- 人工智能、产品、工程、交付闭环
- 证据强度与来源质量
- 面试风险与顾虑应对
- 动机、城市、薪资、节奏等现实约束
- 四十八小时内可补完程度

最终建议分为：

- `strong pursue`：强烈值得冲
- `selective pursue`：有选择地冲
- `low priority`：低优先级
- `avoid`：不建议投入

## 设计原则

DeepMatch 遵循 **人工智能设计内核**。它不会把模型输出伪装成确定真相。

所有关键判断都要有来源、置信度和不确定性说明。检索到的事实是事实，模型推理是推理，两者不混用。任何建议都可以被你修改、质疑或推翻。它是你的分析工具，不是替你决策的系统。

更细的证据标注规则写在 [skills/deepmatch/SKILL.md](skills/deepmatch/SKILL.md) 和 `references/` 中，普通用户不需要先学习这些内部格式。

## 隐私

DeepMatch 是本地优先、Markdown 优先的技能体系。它没有后端，没有账号系统，也没有默认上传。

`.gitignore` 默认排除 `workspace/`、简历文件、私有报告和本地求职数据。发布自己的分支前，请确认没有个人文件被暂存。

## 协议

DeepMatch 使用 [知识共享署名 4.0 国际协议](LICENSE)。

作者标识：`shaoqing404 / Zheng Shaoqing`

## 最后

愿每一个认真求职的人，都能少一点信息差，多一点判断力。愿你不是被岗位描述挑中，而是清醒地选择一条值得走的路。