求职助理 · 用户流程与需求（PRD）¶

用途：本 PRD 描述求职助理（V1 第一个产品路径）从用户视角的使用场景与功能需求，是 VISION 中 V1 核心命题的产品级展开，后续催生 Design Document 与 ADR。图表约定见 ADR-0023 图表归档位置：本篇归 User Flow / UX Flow（用户视角），AI 内部时序由 Design Document 的 Sequence Diagram 承接。

背景与目标¶

用户在多个渠道（邮件、官网、领英、社媒、口口相传）持续发现职位、整理信息、投递并跟进。痛点：信息碎片化、容易遗漏 deadline 与跟进动作、难以把「我有什么」与「岗位要什么」对齐。

目标：把散落在语音 / 截图 / 链接 / 文字里的求职信息，变成一张能查、能算、能提醒的关系网，并端到端 tracking 一次投递的完整生命周期（见 VISION · 投递追踪）。

用户场景（User Flows）¶

工作流一：找到 JD 并上传 JD¶

flowchart TD
  A[发现职位] --> B[输入职位信息]
  B --> C[AI 解析关键信息]
  C --> D[用户确认]
  D --> E[职位入库并开始 tracking]
  E --> F[记录用户想法与后续计划]

信息来源：用户看到好职位，来源可能包括——
邮件、公司官网、领英
别人转发的消息、小红书、微信公众号
朋友口头告知，或在其它地方看到并拍下的照片
输入职位信息：用户通过以下方式把职位信息交给 AI——
公司官网链接、图片截图
语音输入、复制的文字消息等
解析职位信息（Processing）：AI 收到后解析，至少提取——
基本信息：公司、岗位类型、所在城市、截止日期
岗位要求：Requirements、所需技能、是否需要特定证书
投递要求：如何投递、是否需录制视频、是否需 CV / Cover Letter / Personal Statement 等
用户确认与入库：AI 解析出关键信息后，给用户确认；用户审核无误，职位正式入库并开始 tracking。
记录用户想法与后续计划：职位开始 tracking 后，用户可能围绕该职位产生想法，并通过语音 / 文字发给 AI。AI 解析并关联——
简历与经历：若提到想用什么简历或经历，AI 解析这些经历是否已存在；若是新经历，解析后跟用户确认是否入库。
投递计划：若提到想什么时候投递，AI 解析并设置一个日程提醒。
感想与面经：若提到对公司的理解、想法或别人的面经，入库时需与该公司挂钩；若是对岗位的想法，则与该岗位挂钩——以便未来用户需要时，能随时调出与该公司或岗位相关的所有信息。

用户说完想法后，工作流一基本结束。

工作流二：准备并投递岗位¶

flowchart TD
  A[触发：刚完成工作流一 或 用户指定岗位] --> B[检索并确认 JD 与历史想法]
  B --> C[信息汇总与提醒]
  C --> D[推荐简历与 Cover Letter 素材]
  D --> E[外部面经调研]
  E --> F[动态编辑与生成 LaTeX 草稿]
  F --> G[确认定稿并交付 CV / CL 下载]
  G --> H[生成投递邮件（中 / 英）]
  H --> I[进阶咨询：Personal Statement 等]

上下文继承与确认：若紧接工作流一，系统自动继承该岗位上下文继续投递；否则用户需说明公司、岗位、城市等关键信息。系统检索并展示对应 JD 与用户此前围绕该岗位 / 公司的想法，与用户确认无误后再继续。
信息汇总与提醒：综合用户对该岗位的理解、对公司的评价、对城市的考量等，整理成一份总结，提醒用户："你要投递的岗位是这样的，你之前有这些想法。"
简历与 Cover Letter 推荐： (a) 依据 JD 要求的技能点（Skill Set），从用户经历库中筛选并推荐最匹配的条目，用于优化简历。 (b) 若岗位需要 Cover Letter，同样推荐最匹配的经历素材。
外部资源调研：在小红书、互联网、微信公众号等渠道，搜索该公司与职位的面经或心得，整理后供用户参考。
动态编辑与生成： (a) 用户基于推荐内容筛选或口述修改，AI 动态调整简历与 Cover Letter 话术。 (b) 确认无误后，生成 LaTeX 格式草稿模板供用户审阅。 (c) 用户可继续口述修改或手动编辑，最终生成定稿。
文件交付（CV / CL 命名规范）：提供下载链接。文件命名须专业规范——全英文 + 下划线连接，并明确区分 CV 与 CL，例如 姓名_CV.pdf、姓名_CL.pdf；严禁使用"第一版""第二版"等字眼。
投递邮件生成（多语料）：部分岗位需用户发邮件投递。AI 按目标语言（中文 / 英文）生成投递邮件，引用对应的 CV 或 CL。邮件内容依赖语料库：同一段经历素材会被翻译成不同语言版本，但底层经历保持一致。邮件文件同样采用「英文 + 下划线」命名，并独立于 CV / CL 追踪其每个版本。

版本追踪说明：CV、CL、邮件各自的"哪一份用在哪个岗位"映射，不在生成时记录，而是在工作流三（用户告知投递情况）中由用户确认后落库。

交付与邮件生成后，用户可能进一步咨询 Personal Statement 等进阶问题。此时 AI 以资深求职辅导者 / 资深 HR 的视角，结合用户经历与岗位认知，给出专业建议。

工作流三：用户告知投递情况¶

flowchart TD
  A[用户告知投递的岗位] --> B[确认所用 CV / CL / 邮件]
  B --> C["用户提供凭证：图片 / PDF / 语音 / 文字 或 刚生成的那份"]
  C --> D[记录投递台账：状态 / 时间 / 方式 / 内容]
  D --> E[解析面经入库存档]
  E --> F[按需搜索该岗位面试时间 / 准备建议]

告知投递岗位：用户告知已投递的岗位（方式可能是官网投递、发消息或写邮件）。
确认所用材料：用户确认本次投递所用的简历（CV）、Cover Letter 及邮件内容——有时不需要邮件，或只发送了特定信息。
凭证与识别：用户可能通过图片、PDF、语音或文字提供投递凭证；即便不提供原文、只说"刚才生成的那一份"，AI 也需识别并定位到对应版本并记录。

据此为该岗位记录投递台账： - 投递状态：是否已投递。 - 投递时间。 - 所用材料：本次投递的 CV 与 CL 版本。 - 投递方式及内容：邮件或聊天，以及具体内容。

额外处理： - 若用户提到面经，解析后存入数据库，并与对应岗位 / 公司挂钩。 - 对特定岗位，可主动搜索相关信息（如预计收到第一轮面试的时间、准备建议等）告知用户；搜不到时如实说明，绝不编造数据。

工作流四：面试准备（模拟面试）¶

flowchart TD
  A[用户投递后需要面试准备] --> B[寻找面经]
  B --> C[面试陪练 单面 / 群面]
  C --> D[提供面试题 technical / behavior]
  D --> E[整理用户面试题库]
  E --> F[保存回答用于自我学习]

寻找面经：用户可能询问是否有相关面经，AI 帮用户搜寻；没有也没关系，但绝不瞎编。
面试陪练（单面 / 群面）： (a) 语音交互与评判：目前尚不确定 Alfred 是否具备原生语音能力；若没有，可引导用户通过语音输入表达。AI 以面试官视角评判：哪里说得好、哪里说得不好、哪里可改进。 (b) 记录与自我学习：用户回答内容均可保存，作为未来经历积累或对用户的个性化提示，便于自我学习。
提供面试题： (a) 针对 technical（技术面）或 behavior（行为面），都可提供对应面试题。 (b) 免责提示：AI 生成的题目必然不够全面，必须再三向用户强调——这仅为 AI 生成内容，用户自身也应另行搜寻补充。
整理面试题库：若用户自行搜到优质面经或面试题，AI 帮其整理为结构化面试题库（含 technical / behavior / 单面 / 群面等类型），便于日后训练。

工作流五：面试信息追踪（Interview Tracking）¶

flowchart TD
  A[收到面试邀请 语音 / 文字 / 截图] --> B[解析面试信息]
  B --> C[入库：岗位 / 面试官 / 时间地点 / 形式 / 着装 / 流程]
  C --> D[设定提醒：前三天 + 当天早晨]
  D --> E[多轮关联：指向同一职位并标记轮次]
  E --> F[历史信息调用：CV / CL / 感想 / 上次问题与见面人]

信息解析与入库：用户收到面试邀请邮件后，可能通过语音、文字或截图告知。AI 解析并存入数据库，至少提取：
岗位与公司
发邮件的人、面试官是谁
面试时间与地点
面试形式（单面 / 群面）
着装要求
面试流程与时长
自动设定提醒：在面试前三天提醒一次，在面试当天早晨再提醒一次。
面试 tracking（多轮关联）： (a) 记录这是第几轮面试（如第一轮、第二轮、HR 面）。 (b) 若此前无面试，则本次为第一次；若此前已有面试，需将这些面试经历连在一起，确保指向同一个职位，并理清是第几轮。
历史信息调用：若面试轮次很多，用户可通过对话调取——最初投递用的哪份 CV、哪份 CL、最近对该职位有什么感想、上次面试问了什么问题、上次跟谁见面等。只要用户需要，这些信息都应能调用出来。

工作流六：面试复盘与跟进准备¶

flowchart TD
  A[用户：我面试完了 语音 / 文字] --> B[解析录音 / 复盘]
  B --> C[记录核心信息与感受]
  C --> D[状态追踪：阶段变更 / 结果时间]
  D --> E[到点主动提醒写跟进]
  E --> F[引导深度复盘与题库沉淀]

录音解析与复盘： (a) 对接面试现场录音并进行解析。 (b) 从录音中提取面试中出现的问题、用户的回答内容、作答时长，并分析哪些地方做得好、哪些地方做得不好，帮助用户复盘。
核心信息与感受记录：系统需记录一系列关键信息与用户感受，包括： (a) 对该职位的最新心得。 (b) 对面试城市、HR、面试官以及该公司的印象与感受。
状态追踪（Tracking）与后续跟进： (a) 记录面试阶段的变化（如从「收到面试邀请」到「第一轮面试结束」）。 (b) 记录结果反馈时间：若用户询问了 HR 何时出结果，系统需记下该时间点。 (c) 主动提醒跟进：在预计出结果的时间点，提醒用户「这个时候可能会有结果了，要不要写一封跟进邮件（Follow-up Email）？」
引导深度复盘与题库积累（重中之重）： (a) 引导用户思考哪里需要改进、哪里表现得很好，并记录语言或表达上的具体问题。 (b) 将这些复盘内容与问题沉淀到题库中。 (c) 当用户下次面试同类型公司或同类型岗位时，系统能自动提取这些记录，供用户进行针对性练习。

工作流七：提醒后的跟进生成（Follow-up）¶

flowchart TD
  A[预计出结果时间到 提醒触发] --> B[提示：可能有结果了]
  B --> C{用户选择渠道 email / message}
  C --> D[结合复盘 + 岗位 + 公司生成 draft]
  D --> E[用户修改 / 复制发送]
  E --> F[确认已发送并记录状态与渠道]
  F --> G[补录未入库的新内容]

生成内容与修改：系统结合用户的复盘内容、岗位信息以及目标公司，构思 follow-up 的内容；用户明确选择发送渠道（email 或 message）。生成后用户可修改，改完直接复制发送。
记录发送状态：用户确认已发送后，系统记录——已跟进的状态，以及使用的是 email 还是 message 等渠道。
补充记录：若出现新内容（例如整封 follow-up 是用户自己写的、未留下数据库记录），无论是其面试经历还是复盘内容，只要此前未记入数据库，都需重新记录下来。

工作流八：笔试处理（Written Test）¶

多轮面试的串联与轮次标记沿用工作流五的安排；本节仅补充面试链路中出现的笔试场景。

flowchart TD
  A["面试链路出现笔试"] --> B["记录题目 截图 / 文字 / 语音"]
  B --> C["尝试寻找正确答案"]
  C --> D["标注免责：仅供参考 不保证准确"]

记录题目：若面试链路中出现笔试，系统记录笔试题目（来源可为截图 / 文字 / 语音）。
寻找答案：尝试为用户寻找正确答案；若搜不到也没关系。
免责提示：告知用户「这只是你目前找到的、不一定准确，请自行判断」，绝不把不确定内容当作确定结论写入。

工作流九：拿到 Offer¶

flowchart TD
  A[收到 Offer] --> B[解析并入库关键信息]
  B --> C{截止日期齐全?}
  C -->|否| D[主动询问截止时间 / 面试官联系方式]
  C -->|是| E[存截止日期 + 设定提醒]
  D --> E
  E --> F[决定前 3 天 + 当天 各提醒一次]
  F --> G{截止前已决定?}
  G -->|是| H[停止后续提醒]
  G -->|否| F

记录关键信息：公司名称、城市、岗位、拿到 Offer 的时间，以及薪资、入职时间、体检、签证或毕业证明等具体要求（这些 JD 里的要求每家公司各不相同，需解析并存入数据库）。
截止日期管理： (a) 确认所有 Offer 都有截止日期；若用户提供的信息不全，主动询问截止时间及面试官联系方式。 (b) 将截止日期存入数据库，在做决定的前三天及当天各发送一次提醒。 (c) 若用户在截止日期前已做决定，则停止后续提醒。

工作流十：收到拒信¶

flowchart TD
  A[收到拒信 邮件 / 截图 / 口语] --> B[解析并识别对应岗位]
  B --> C[结束该投递流程 rejected]
  C --> D[引导复盘被拒原因]
  D --> E[复盘面试题与改进点]
  E --> F[沉淀重要经验入库存档]
  F --> G[类似公司 / 岗位自动调出提醒]

解析拒信：从 Email、截图或口语中识别对应的岗位，并结束该流程（标记该投递为 rejected）。
复盘引导：引导用户分析被拒原因，复盘之前的面试问题及改进点。
经验沉淀：将用户复盘出的重要经验存入数据库；下次投递类似公司或岗位时，自动调出提醒用户。

工作流十一：Offer 比较¶

仅做对比，不替用户做决定。

flowchart TD
  A["用户手握多家 Offer"] --> B["按维度聚合 实薪 / 结构 / 城市 / 成长 / 类型 / 规模 / 被辞风险"]
  B --> C["生成对比矩阵与权衡说明"]
  C --> D["呈现给用户 不替用户决策"]

多维对比：当用户手握多家 Offer 时，按以下维度并排对比——实薪（到手）、薪资结构（底薪 / 奖金 / 股票 / 补贴）、城市、成长风格（业务 / 技术 / 管理）、公司类型（大厂 / 创业 / 外企）、规模、被辞风险（稳定性 / 裁员历史）等。
只对比不决策：系统呈现对比矩阵与权衡说明，最终取舍由用户自己决定。

工作流十二：静默期保温¶

flowchart TD
  A[投递后 N 天无回音] --> B{用户/系统触发}
  B --> C[生成保温信 silence_warmup]
  C --> D[问进展 / 重申意向 / 或 withdraw]
  D --> E[用户选渠道 email / message]
  E --> F[修改 / 复制发送 / 记录]

触发场景：投递后长时间无回音（如 14 天静默）触发，目的是礼貌问进展、重申意向，或在用户决定时主动 withdraw。
与 Thank-you / Follow-up 的区别（机制相似，触发与目标不同）：
Thank-you Letter：面试结束后 24–48h 内发出，对象是面试官，目的是致谢 + 强化亮点。
Follow-up（工作流七）：到 HR 告知的「预计出结果时间」触发，对象是 HR，目的是追问结果。
静默期保温：投递后无回音触发，对象是公司 / HR，目的是问进展或 withdraw。三者共用 follow_up 草稿通道，但用 kind 区分目的与话术。
生成与记录：同工作流七——用户选渠道、可改、确认后记录发送状态与渠道。

工作流十三：统计与分析¶

flowchart TD
  A[行为数据 event / activity_log] --> B[GitHub 风格热力图]
  A --> C[城市 / 岗位投递占比]
  A --> D[转化率 投递→面试→Offer/拒信]
  A --> E[拒信分析 → 学习清单 / 进步路径]

GitHub Calendar 风格统计：按天记录投递、练习、找工作、面试等活跃情况，生成热力图。
数据化统计：统计各城市、各岗位的投递数量及占比。
转化率分析：计算投递总数 → 进入面试轮次 → 最终拿到 Offer 或拒信的各级转化率。
拒信分析：结合相关技能、面试对话、岗位 JD 及反馈，生成学习清单与进步路径（关联工作流十的经验沉淀与 question_bank）。

工作流十四：Coffee Chat 记录¶

flowchart TD
  A["与对象交流 咖啡聊 / 饭局 / 通话 / 活动"] --> B["记录对象画像 性别 / 生日 / 公司 / 岗位 / 教育 / 经历 / 性格 / Referral 意愿"]
  B --> C["若对方内推 记录内推时间与公司"]
  C --> D["后续 Follow-up 跟进情况"]

对象信息：详细记录聊天对象——性别、生日、公司、岗位、教育背景（学校、专业、年限、毕业时间）、工作经历、性格特点、Referral 意愿等。
内推跟进：若对方确实帮忙内推，记录内推时间、公司及后续 Follow-up 情况（复用 interaction + follow_up 通道）。

工作流十五：合同审查¶

flowchart TD
  A[用户提供合同内容 + 想法] --> B[解析并结构化条款]
  B --> C[核对常见条款]
  C --> D{缺失关键信息?}
  D -->|是| E[帮用户提出 违约金/试用期/竞业/Notice/年假/医保]
  D -->|否| F[给出风险提示与建议]

解析与核对：解析用户提供的合同内容及想法，核对常见条款。
补齐缺失：若缺少关键信息，帮用户提出，尤其是违约金、试用期、竞业协议、Notice period、年假及医保等条款。

候选工作流（待评审 · 暂未纳入正式流程）¶

以下为 AI 以「求职者 / HR / 资深求职中介」视角补充的候选工作流，待用户确认后转正（部分已在前述工作流中落地，见交叉引用）。

入职前事务追踪：Offer 后的体检、签证、毕业证明、租房等办理进度 tracking（工作流九已含体检 / 签证 / 毕业证明字段，本项侧重「进度 + 临近提醒」）。
内推人 / 人脉关系维护（关系网层）：工作流十四已覆盖单条 coffee chat 与内推记录；本项侧重长期关系维护——定期 follow-up、节日问候、进展同步、关系网可视化。
技能缺口补强计划：工作流十三（4）已据拒信生成学习清单；本项侧重按 skill / question_bank 生成可执行的练习排期。
周期性复盘 / 周报：AI 主动生成周度求职复盘（投递数、面试数、待办、下一步）。
心理与精力管理：HR / 中介视角——识别投递疲劳与 burnout，适时建议休息与节奏调整。
候补 / Waiting list 处理：被放入候补时的跟踪与二次跟进。
薪资谈判辅助：negotiation playbook（何时谈、怎么谈、备选底线）。
反向背调与薪资 benchmark：公司文化、口碑、薪资区间核查，避免踩坑。

功能需求¶

FR-1 多渠道采集：接受链接、截图、语音、粘贴文字等多种输入模态。
FR-2 JD 解析：从任意输入提取基本信息 / 岗位要求 / 投递要求三类结构化字段。
FR-3 入库前确认：解析结果先呈现给用户确认，确认后才落库并开始 tracking。
FR-4 想法关联：用户针对某职位的语音 / 文字想法，自动关联到对应公司或岗位；涉及新经历时触发确认入库；涉及投递时间时生成日程提醒。
FR-5 投递生命周期 tracking：覆盖投递时间 / deadline / 面试 / offer 等节点（详见工作流二与 VISION · 投递追踪）。
FR-6 投递准备与生成：继承上下文并确认 JD 与历史想法；按 JD 技能点推荐简历 / Cover Letter 素材；外部面经调研；LaTeX 动态生成与专业命名交付；进阶咨询以资深求职辅导者视角作答。
FR-7 投递邮件生成与多语料：用户需发邮件时，按目标语言（中 / 英）生成邮件并引用对应 CV / CL；同一经历按语言翻译为不同版本，底层经历保持一致；邮件文件独立命名与版本追踪。
FR-8 投递台账与状态记录：在用户确认后记录岗位投递状态（已投递 / 时间 / 方式 / 内容）及所用 CV / CL / 邮件版本映射；解析并存储面经；按需搜索岗位面试相关信息，搜不到如实说明。
FR-9 面试准备与陪练：协助寻找面经（搜不到如实说明不编造）；以面试官视角对单面 / 群面回答做评判与改进建议；保存用户回答用于经历积累与自我学习。
FR-10 面试题库整理：提供 technical / behavior 面试题并强调查漏补缺需用户自行补充；将用户搜到的优质面经 / 题整理为分类题库（technical / behavior / 单面 / 群面）。
FR-11 面试信息解析与入库：从语音 / 文字 / 截图解析面试邀请并入库（岗位 / 公司、发件人与面试官、时间地点、形式、着装、流程时长）。
FR-12 面试提醒与多轮关联：面试前三天与当天早晨双提醒；按职位串联多轮面试并标记轮次；支持对话式调取历史投递材料与往轮面试信息。
FR-13 面试复盘与录音解析：解析录音提取问题 / 回答 / 作答时长并评判好坏；记录职位最新心得、对城市 / HR / 面试官 / 公司的感受；更新面试阶段与 HR 告知的结果时间；到点主动提醒撰写 follow-up。
FR-14 跟进生成与记录：到点提醒后按渠道（email / message）结合复盘 + 岗位 + 公司生成 follow-up 草稿；记录发送状态与渠道；补录未入库的面试经历 / 复盘内容；复盘与问题沉淀题库并按类型（technical / behavior / 单面 / 群面）自动复用。
FR-15 笔试处理：记录笔试题目（截图 / 文字 / 语音）；尝试寻找正确答案；明确免责——仅作参考、不保证准确、请用户自行判断。
FR-16 Offer 管理与截止提醒：解析并入库公司 / 城市 / 岗位 / 时间 / 薪资 / 入职 / 体检 / 签证 / 毕业证明等要求；确保 Offer 有截止日期（缺失则主动询问截止时间与面试官联系方式）；决定前三天与当天各提醒一次，决定后停止。
FR-17 拒信处理与经验沉淀：从邮件 / 截图 / 口语解析拒信并识别岗位、结束该投递；引导复盘被拒原因与面试改进点；将重要经验入库，类似公司 / 岗位自动调出。
FR-18 Offer 对比（只读）：对多家 Offer 按实薪 / 薪资结构 / 城市 / 成长风格 / 公司类型 / 规模 / 被辞风险等维度并排对比，只呈现矩阵与权衡、不替用户决定。
FR-19 静默期保温：投递后无回音（如 14 天）触发；生成问进展 / 重申意向 / withdraw 的保温信，与 Thank-you / Follow-up 共用 follow_up 通道但 kind 区分；同样记录渠道与发送状态。
FR-20 统计与分析：GitHub 热力图按天记录活跃；城市 / 岗位投递占比；投递→面试→Offer/拒信转化率；据拒信结合技能 / 面试 / JD 生成学习清单与进步路径。
FR-21 Coffee Chat 记录：记录对象性别 / 生日 / 公司 / 岗位 / 教育背景 / 工作经历 / 性格 / Referral 意愿；内推后记录时间、公司与后续 follow-up。
FR-22 合同审查：解析用户合同内容与想法，核对常见条款；缺失关键信息时帮用户提出（违约金 / 试用期 / 竞业 / Notice / 年假 / 医保）。

非功能需求¶

NFR-1 可溯源：每条入库信息都能回答「你凭什么这么说」（关联原始输入）。
NFR-2 多模态优先：输入门槛越低越好（语音 / 图片 / 文字均可）。
NFR-3 不代替判断：投递决策由人做，AI 只降低摩擦。

成功指标¶

用户能在一次对话内完成「发现 → 上传 → 确认 → 开始 tracking」。
围绕职位的想法能被正确挂到公司 / 岗位，且可检索。
每个岗位能明确确认使用了哪一份 CV / CL / 邮件（版本可追溯）。
用户能围绕目标岗位完成模拟面试，并沉淀可复用的面试题库与回答记录。
多轮面试能按职位串联并标记轮次，用户可随时对话调取任一历史节点信息。
面试后能完成复盘、沉淀分类题库，并在预计出结果时间点收到跟进提醒与可发送的 follow-up 草稿。
收到 Offer 后关键信息完整入库、截止前按时提醒且决定后及时停提醒；收到拒信后能复盘并将经验沉淀、在类似岗位自动复用。
多 Offer 可并排对比且只对比不决策；投递后静默能主动保温；可用热力图 / 占比 / 转化率看清求职全貌，并据拒信生成学习清单；coffee chat 与合同信息完整入库并可追溯。

范围（In / Out）¶

In：求职路径的 JD 采集、解析、入库、想法关联、投递 tracking。
Out（本轮）：CRM / 记账 / 健康等 V2–V4 领域（仅保留扩展能力，见 VISION）。

关联 Design¶

数据模型与解析落点：Design Document（ER / Sequence Diagram）。
领域无关内核约束：ADR-0016。
投递生命周期的状态机 / 时序：后续 Design Document（State Machine / Sequence Diagram）。
投递台账与 CV / CL / 邮件版本映射：后续 Design Document（ER / State Machine）。
面试生命周期与多轮状态机：后续 Design Document（State Machine / Sequence Diagram）。
面试复盘 / 跟进 / 题库与多语言语料：Design Document DATA_MODEL_V3（ER / Data Flow）。
笔试 / Offer / 拒信的数据模型：Design Document DATA_MODEL_V3（WRITTEN_TEST / OFFER / REJECTION 表）。
Offer 比较 / 静默期保温 / 统计 / Coffee Chat / 合同审查的数据模型：Design Document DATA_MODEL_V3（FOLLOW_UP.kind / ACTIVITY_LOG / PERSON 扩展 / CONTRACT_REVIEW 表）。