我创建了JobOps，旨在自动化求职过程中那些感觉像重复操作的部分。
它的功能包括：
- 从LinkedIn、Indeed和Glassdoor抓取职位信息（包括针对英国的提取器）
- 使用您首选的语言模型（LLM）评估职位与您个人资料的匹配度
- 定制简历内容，并通过RxResume v4导出PDF
- 跟踪申请后的电子邮件回复（面试、拒绝、后续信号）
该系统是自托管的（使用Docker），以SQLite为后端设计，确保您的数据安全。
快速开始：
```bash
git clone https://github.com/DaKheera47/job-ops.git
cd job-ops
docker compose up -d
# 然后打开 http://localhost:3005
```
文档： [https://jobops.dakheera47.com/docs/](https://jobops.dakheera47.com/docs/)
代码库： [https://github.com/DaKheera47/job-ops](https://github.com/DaKheera47/job-ops)
我希望能收到关于以下方面的反馈：
- 不同地区提取器的可靠性
- 评分质量/模型提示
- 申请后跟踪的准确性
- 入门过程中的摩擦和文档缺口
返回首页
最新
如果没有 @TheEndless11 的帮助，我是无法做到这一点的，特别感谢他。这基本上是一个同伴网络社交媒体，目前仍处于测试阶段，还有很多功能待添加，想你会喜欢看到这个！GitHub链接：<a href="https://github.com/TheEndless11/decentralised" rel="nofollow">https://github.com/TheEndless11/decentralised</a>
一个小应用程序，可以让你通过将文件放入一个文件夹来自定义MacOS上的应用图标。是的，我知道你可以通过“获取信息”来做到这一点，但我想要的是自动化。
我几天前在Product Hunt上推出了Book Digest（AI书籍摘要）。<p>收到的反馈很明确：摘要太短（约800字）。人们期望达到Blinkist级别的深度（2500字以上）。<p>我花了两天时间调试OpenAI的JSON解析、Prisma数据库持久性和令牌限制。然后，我在一夜之间用改进的AI提示重新生成了450本书的摘要。<p>结果：摘要深度提升了2-3倍，包含详细的章节、见解和行动项。<p>演示（无需注册）：https://book-digest.com/books/6c8e5031-1c55-4bdd-8c11-ae5338f374c7?ts=1<p>关键经验：快速推出，但要倾听反馈并快速迭代。用户会告诉你缺少什么。<p>技术栈：Next.js、Postgres、OpenAI GPT-4o-mini、Stripe。<p>欢迎提问关于技术挑战的问题（数据库持久性错误尤其棘手）。
目前已经有相当多的 CSV 解析器使用 SIMD 技术，其中一些是用 Rust 编写的，采用了多种不同的方法。我发现 simd-csv 的方法非常有趣，它利用 memchr 来“查找”下一个分隔符，从而减少了逐字节 CSV 解析器所需的许多开销。然而，正如 README 中所提到的，simd-csv 的创建者明确选择不使用其他库（如 simdjson）所采用的经典 pclmulqdq 技巧，原因是考虑到可移植性。我决定通过构建一个更类似于 Geoff Langdale 的解析器，使用 pclmulqdq 技巧以及针对 aarch64 平台的优化内建函数，来超越 simd-csv 的实现。如果有人对我的 Rust 代码或内建函数的使用有反馈，我将非常感激。