# JobRadar 实施路线图

## 推进规则

本路线图用于确定学习顺序，不代表一次性生成所有代码。每个阶段继续拆成若干课，每次只开始当前一课：

- 开课时先讲解原理、Agent职责和本课代码边界。
- 提供可运行的参考代码，但由学习者手动写入项目。
- 学习者提交实现后进行代码检查和运行验证。
- 当前课验收通过后，才准备下一课。
- 不提前创建后续课程的业务代码或空目录。
- 阶段结束时安排回顾、评测和一个可展示的阶段成果。

## 阶段一：Agent 工程基线

建议课程：

1. Django项目配置与开发/生产环境拆分。
2. Django用户系统与用户数据归属。
3. PostgreSQL迁移与Agent运行数据模型。
4. OpenAI Agents SDK最小Agent与Runner。
5. Agent Run、运行事件与工具调用持久化。

- [x] 初始化 Django 项目、Conda 环境和 Git 仓库。
- [x] 补充项目、架构、Agent 契约和路线图文档。
- [ ] 拆分开发、测试和生产配置，将密钥移出版本库。
- [ ] 接入 Django 用户认证和用户资料模型。
- [ ] 接入 PostgreSQL 并建立迁移基线。
- [ ] 接入 OpenAI Agents SDK。
- [ ] 建立 Agent Run、运行事件、工具调用和人工确认模型。
- [ ] 增加统一日志、测试和代码质量工具。

## 阶段二：最小 Agent 闭环

建议课程：

1. Function Tool原理及第一个只读工具。
2. Pydantic结构化输入与输出。
3. 多工具选择和Agent运行循环。
4. 运行预算、超时、异常与人工确认。
5. Agent轨迹页面和最小评测集。

- [ ] 定义岗位研究 Agent 的 instructions、输入、输出、工具、状态和人工确认点。
- [ ] 使用 Agents SDK 实现一个 Agent 和 Runner 入口。
- [ ] 实现候选岗位查询、规则筛选和结果保存三个最小 Function Tool。
- [ ] 设置最大轮次、超时和工具调用预算。
- [ ] 保存工具调用、结果摘要、最终输出和 trace 标识。
- [ ] 在 WebUI 展示一次完整运行，而不只展示最终回答。
- [ ] 建立最小评测集，覆盖正常结果、证据不足、工具失败和禁止操作。

验收条件：Agent 能自主选择并调用真实工具，输出结构化结果；页面可以查看工具轨迹，评测能识别没有调用必要工具的伪结果。

## 阶段三：单站采集与筛选

建议课程：

1. 招聘网站适配器与工具边界。
2. HTTPX与Playwright采集。
3. 原始数据、标准化与幂等入库。
4. 硬性筛选工具和Agent调用。
5. 单站采集阶段项目。

- [ ] 确认首个招聘网站的服务条款和访问边界。
- [ ] 定义站点适配器协议和原始岗位结构。
- [ ] 实现首个站点适配器及采集工具。
- [ ] 增加限流、超时、重试和失败日志。
- [ ] 定义岗位、企业和岗位来源模型。
- [ ] 标准化岗位名、地点、薪资、经验和学历。
- [ ] 完成来源岗位编号去重和内容变化识别。
- [ ] 建立排除词、黑名单和硬性筛选工具。
- [ ] 实现岗位列表、详情和个人处理状态。

验收条件：Agent 通过真实工具采集一个网站，所有岗位均可追溯到原始来源，确定性规则能解释淘汰原因。

## 阶段四：企业联网研究

建议课程：

1. 企业研究任务拆解和证据模型。
2. 联网搜索工具与来源可信度。
3. 企业主体归一化和证据冲突。
4. 人工复核与可恢复运行。

- [ ] 确定合法、稳定的企业信息来源。
- [ ] 建立企业别名、标准主体和证据模型。
- [ ] 实现企业研究工具，保存来源、时间和置信度。
- [ ] 实现多来源冲突检测和人工复核队列。
- [ ] 保留自动判断和人工确认历史。

验收条件：Agent 不会在证据不足时强行分类，企业结论包含可访问来源和查询时间。

## 阶段五：评分、护栏与评测

建议课程：

1. 个人画像和匹配分析契约。
2. 确定性评分工具。
3. Guardrail与越权防护。
4. Agent行为评测和回归用例。
5. Trace分析和提示词迭代。

- [ ] 定义个人岗位画像和技能偏好。
- [ ] 完善 Agent 结构化输出模型和运行状态。
- [ ] 实现匹配分析工具与确定性评分工具。
- [ ] 保存维度分数、风险扣分、理由和版本。
- [ ] 增加输入/输出 guardrail 和人工确认节点。
- [ ] 建立工具选择、证据引用、拒绝越权和故障恢复评测。
- [ ] 使用 trace 分析失败运行并形成回归用例。

验收条件：每个总分都能分解到权重和证据；Agent 必须调用必要工具，不得编造外部事实或越过硬规则。

## 阶段六：调度、公网部署与展示

建议课程：

1. Celery异步Agent Run。
2. 定时任务、幂等和故障恢复。
3. Agent工作台与执行过程展示。
4. Docker Compose和生产配置。
5. HTTPS公网部署与最终演示。

- [ ] 接入 Celery、Redis 和 Celery Beat。
- [ ] 实现运行幂等、指数退避、暂停和恢复。
- [ ] 完成 Agent 任务中心与实时运行状态展示。
- [ ] 增加高分新岗位通知。
- [ ] 增加第二个站点工具，验证扩展边界。
- [ ] 使用 Nginx/Caddy、生产级应用服务器和 HTTPS 部署。
- [ ] 增加安全响应头、登录限流和数据库备份。
- [ ] 整理演示用 Agent 轨迹、评测结果和架构说明。

验收条件：系统可以在公网安全运行，用户能同时查看岗位结果与 Agent 执行过程，站点故障不会破坏其他运行。

## 第一轮开发前待确认

1. 首个招聘网站及允许使用的访问方式。
2. 岗位、城市、薪资、经验和学历范围。
3. 必须包含和必须排除的关键词。
4. 企业性质、行业和公司规模偏好。
5. 评分维度及初始权重。
6. 企业信息数据源。
7. OpenAI 模型、调用预算及单次运行上限。
8. 运行频率、单次岗位数量和通知渠道。
9. 公网域名、服务器和 HTTPS 证书管理方式。