业务和功能介绍
一、立项背景和目标 — 讲了求职者面临的海投回复率低、信息分散、缺乏量化评估三个痛点，以及 AI 职选如何解决这些问题。
二、软件功能与核心功能模块 — 分五个模块说明：
- 数据采集模块（公司详情页/职位详情页/列表页三种采集方式）
- 数据管理模块（暗色主题后台、批量更新、CSV 导出）
- AI 对话模块（多模型、流式输出、语音输入、文件上传）
- AI 数据分析模块（行业分析、薪资分析、报告生成）
- 简历优化与概率评估模块（四步流程、三维度评分）
三、业务流程与功能路径 — 分四个流程描述：
- 采集业务流程（从打开网页到数据存储的完整路径）
- AI 分析业务流程（勾选→分析→出报告）
- AI 对话业务流程（配置模型→提问→流式回复）
- 简历优化业务流程（输入简历→选目标→AI优化→概率评分）
二、软件功能与核心功能模块 — 分五个模块说明：
- 数据采集模块（公司详情页/职位详情页/列表页三种采集方式）
- 数据管理模块（暗色主题后台、批量更新、CSV 导出）
- AI 对话模块（多模型、流式输出、语音输入、文件上传）
- AI 数据分析模块（行业分析、薪资分析、报告生成）
- 简历优化与概率评估模块（四步流程、三维度评分）
三、业务流程与功能路径 — 分四个流程描述：
- 采集业务流程（从打开网页到数据存储的完整路径）
- AI 分析业务流程（勾选→分析→出报告）
- AI 对话业务流程（配置模型→提问→流式回复）
- 简历优化业务流程（输入简历→选目标→AI优化→概率评分）
项目实现
一、整体架构与设计思路
基于 Chrome Extension Manifest V3，四层结构：表现层（popup 和 options 面板）、逻辑层（background Service Worker）、采集层（注入自包含抓取函数）、存储层（Chrome Storage API）。三个设计原则：自包含、容错优先、本地优先。
前端原生 HTML/CSS，业务逻辑原生 JavaScript ES6+，AI 接口兼容 OpenAI 格式 SSE 流式请求。
我独立负责全部开发，核心代码约 9000 行，7473 行 options.js 和 1292 行 popup.js，从搭建到上线一人完成。
二、遇到的难点与解决方案
页面结构频繁变化：多级选择器兜底（精确选择器到正则匹配五级），配合 URL 感知算法按页面类型解析标题。
动态加载采集不全：500ms 轮询检测关键元素，最多 30 次，配合 scrollIntoView 触发加载，超时返回已获取部分，成功率从 60% 提升到 95% 以上。
Service Worker 导出限制：Base64 编码 CSV 为 Data URL，通过 chrome.downloads.download 触发下载，加 UTF-8 BOM 解决中文乱码。
executeScript 闭包陷阱：所有辅助函数定义在注入函数体内确保闭包可用。
多模型流式输出兼容：抽象统一流式请求层，兼容多种响应结构，非流式接口自动降级。
基于 Chrome Extension Manifest V3，四层结构：表现层（popup 和 options 面板）、逻辑层（background Service Worker）、采集层（注入自包含抓取函数）、存储层（Chrome Storage API）。三个设计原则：自包含、容错优先、本地优先。
前端原生 HTML/CSS，业务逻辑原生 JavaScript ES6+，AI 接口兼容 OpenAI 格式 SSE 流式请求。
我独立负责全部开发，核心代码约 9000 行，7473 行 options.js 和 1292 行 popup.js，从搭建到上线一人完成。
二、遇到的难点与解决方案
页面结构频繁变化：多级选择器兜底（精确选择器到正则匹配五级），配合 URL 感知算法按页面类型解析标题。
动态加载采集不全：500ms 轮询检测关键元素，最多 30 次，配合 scrollIntoView 触发加载，超时返回已获取部分，成功率从 60% 提升到 95% 以上。
Service Worker 导出限制：Base64 编码 CSV 为 Data URL，通过 chrome.downloads.download 触发下载，加 UTF-8 BOM 解决中文乱码。
executeScript 闭包陷阱：所有辅助函数定义在注入函数体内确保闭包可用。
多模型流式输出兼容：抽象统一流式请求层，兼容多种响应结构，非流式接口自动降级。
示例图片视频
相似推荐
多源融合运维平台
融合多项运维数据，构建一站式运维管理平台。打通ITOP、zabbix、动环数据、私有云平台等数据交换。实现事件发现、事件处理、事件反馈等全流程可追溯。
可以根据需求进行扩展和二次开发，灵活、方便、易用。
可定制功能板块，按需接入AI应用，实现智能分析处理。
可根据用户需要规划设计各类型应用和网络，助力信息化建设。
国密级别数据溯源信息加密研究平台
本系统是研究型数据安全审核平台。由本系统负责安全审核：判断本次访问或导出是否合理、是否存在异常或越权、是否需要审批，并对每一步操作留痕，实现全程可追溯。目前主要功能均已实现并可正常运行：从数据接入、分析研判、审批放行，到全程留痕追溯，整体流程已贯通并通过测试；8个模型均为真实运行。
xxx态势平台
网络安全项目，采集片区网络数据，分析高中低危网络数据，数据研判、可视化呈现。
采集数据量每天1-3亿数据，实时入库，数据清洗、数据归并、数据分发研判、研判结果及红头文件下发、资产管理、可视化大屏实时呈现、威胁情报管理
漏洞挖掘全链路调度系统（Bounty Router）
立项背景：漏洞挖掘流程高度碎片化——侦察用一套工具，审计用另一套，报告再
手工整理。一个目标从拿到域名到产出报告通常需要切换 4-5 个工具，耗时 2-4
小时。目标是造一个扔什么进去都能自动识别、走对应流水线、最后产出结构化报
告的统一调度器。
核心功能：输入任意目标（域名/源码仓库/APK/JWT Token/合约地址/Dockerfile/
GraphQL端点/API端点），系统自动检测目标类型，路由到 8 条专项流水线之一：
Web 域名走 subfinder→httpx→nuclei 全链；源码仓库走 scanner-45→semgrep→
gitleaks 三引擎并行；JWT 走 alg:none + RS→HS 混淆 + 弱密钥爆破。19 个安全
专用 Agent 按漏洞类型分工，dispatch-router 用 15 条 regex 规则实现智能匹
配，Top-2 Agent 分数差距≤2 时触发歧义检测，要求先澄清再动手。
业务流程：用户扔目标 → 类型自动检测（8 种类型识别，含 confidence 评分）
→ 路由到对应流水线 → 多维扫描 → 增量去重（SHA256 指纹，SQLite 持久化）
→ 降噪评分（负分滤掉 favicon/WAF/IP 指纹等噪音，正分加权 CVE/XSS/SQLi
等真实漏洞）→ 结构化 JSON 报告 + 人读摘要 → 通知 Dashboard/桌宠完成。
HOS-LS
HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。
HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。
HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服