Applera

我做 Applera 是因为我受够了每次投简历都要重写一遍求职信。求职中最无聊的永远是这部分：同样的经历、同样的技能，只是根据不同的读者换个包装反复出现。

所以 Applera 就是帮你完成这个包装的工具。只需上传一次简历，粘贴一份招聘 JD，它就会围绕这个岗位的实际要求生成一份定制化的求职申请。进入面试阶段后，它还会根据这份 JD 给你生成一份准备指南，而不是一套千篇一律的问题库。

有一个我特别在意的地方：匹配过程不是"把所有东西一股脑扔给大模型然后听天由命"。Applera 会先跑一遍确定性评分——技能匹配加上别名归一（这样它就知道"Node.js"和"NodeJS"其实是同一回事），再加上文本重合度。只有在评分不明确或置信度较低时，才会调用 AI 来优化匹配结果，所以 AI 的使用是有意为之，而不是默认开启。每一对简历和岗位的匹配结果都会被缓存，同样的匹配跑两次绝不会从头重新计算。

我也不想要那种典型的 SaaS 摩擦——还没看到工具有没有用，就得先过一道付费墙或者预约一次演示。传一份简历，粘一份 JD，你立刻就能看到一份为你量身定制的内容。

技术栈方面，是一个 TypeScript monorepo，前端用 React 19，后端用 Express 5，生成调用 Groq，认证用 Clerk。评论区欢迎大家深入交流任何细节。

非常期待你的反馈，特别是定制化质量这部分，这也是我迭代次数最多的地方，我一直在寻找可以修复的边缘案例。

感谢围观 :)