تصور کنید پیش از اولین تماس با استخدام‌کننده، یک متخصص جذب استعداد رزومه شما را کالبدشکافی کرده و دقیقاً بگوید کجا نقص دارید. PrepAI همین تجربه را با تبدیل فرآیند خسته‌کننده آماده‌سازی برای مصاحبه به یک نقشه‌راه داده‌محور فراهم می‌کند.
این ابزار در حالی عرضه شده که متقاضیان کار با توصیه‌های کلی و سطحی هوش مصنوعی دست‌وپنجه نرم می‌کنند. همان‌طور که در پوشش پیشین ما درباره‌ی امنیت گردش‌کارهای مبتنی بر Gemini اشاره کردیم، اکنون شاهد چرخش به سمت عامل‌های (Agents) — شبیه به کارمندانی دیجیتال که برای انجام یک وظیفه خاص آموزش دیده‌اند — و بسیار تخصصی هستیم. برای اکثر کاربران، این ابزار مانند داشتن یک بازرس داخلی است که پروفایل آن‌ها را پیش از مصاحبه ممیزی می‌کند. این روند تخصصی شدن ابزارها در حالی رخ می‌دهد که تداخل استفاده هم‌زمان متقاضیان و استخدام‌کنندگان از بات‌ها منجر به چالشات جدیدی در اصالت گفتگوهای استخدامی شده است.
به گزارش وب‌سایت dev.to در تاریخ ۶ سپتامبر ۲۰۲۶، این پلتفرم از پشته MERN (شامل MongoDB، Express، React و Node.js) استفاده می‌کند و بخش استدلال آن بر عهده Google Gemini API است. این سیستم با استخراج مهارت‌ها و کلمات کلیدی، چهار خروجی مشخص تولید می‌کند:
- امتیاز تطبیق مشابه سیستم‌های ATS
- تحلیل دقیق شکاف‌های مهارتی
- سوالات شخصی‌سازی‌شده برای مصاحبه
- نقشه‌راه ۷ روزه برای پر کردن نقاط ضعف
طبق اعلام توسعه‌دهنده، بزرگ‌ترین چالش فنی نه در فراخوانی API، بلکه در تضمین خروجی‌های ساختاریافته JSON بود. برای جلوگیری از به‌هم‌ریختگی رابط کاربری، بخش بک‌اند از قالب‌های صریح در مهندسی پرامپت (Prompt Engineering) — هنر سؤال درست پرسیدن برای گرفتن بهترین جواب — و یک مرحله پاک‌سازی نهایی برای حذف متون اضافی مدل استفاده می‌کند.
این رویکرد با مهندسی پرامپت نه به عنوان یک گفتگو، بلکه به عنوان یک قرارداد سخت‌گیرانه API برخورد می‌کند. برای یک برنامه‌نویس، این موضوع ثابت می‌کند که ارزش واقعی یک اپلیکیشن هوش مصنوعی در «لوله‌کشی» آن، یعنی منطق اعتبارسنجی و تلاش مجدد، است نه در خودِ مدل.
به نظر می‌رسد به‌روزرسانی‌های آینده شامل حالت مصاحبه شبیه‌سازی‌شده با سوالات تکمیلی و پشتیبانی از نسخه‌های مختلف رزومه باشد. کاربران در حال حاضر می‌توانند این پیاده‌سازی را در آدرس prep-ai-navy-nine.vercel.app آزمایش کنند.
گام بعدی شما
- اگر در حال توسعه اپلیکیشن‌های AI هستید، منطق Fallback برای پاک‌سازی خروجی‌های JSON را در بک‌اند خود پیاده کنید.
- برای بهینه‌سازی رزومه، خروجی‌های تحلیل شکاف مهارتی را با کلمات کلیدی رایج در صنعت خود تطبیق دهید.
- قابلیت‌های جدید Gemini در استخراج داده‌های ساختاریافته را برای خودکارسازی گزارش‌های اداری بررسی کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو