JobRadar 職缺整理工具

這個作品做了什麼？

職缺雷達。每天抓 104 與 1111 的職缺、追蹤生命週期、用本機模型判 AI 技能深度並附原文引用，產出報告與客製化投遞素材。投遞側每一步都要人工確認。

為什麼做

每天重複找職缺，還得分辨內容是否符合自己的方向。

我的角色

個人專案 · 每日 08:00 自動運轉

背景與挑戰

求職期間每天要看 104 與 1111 的新職缺，判斷哪些真的需要 AI 技能、哪些只是關鍵字。使用者是我自己。兩個難點：本機小模型的判斷不能直接信；每天自動跑的排程和我手上的互動端要同時存取同一個 SQLite 資料庫。

獨力完成。爬蟲、資料庫、並行控制、LLM 判定與驗證、報告與投遞素材產出。

Python · SQLite · Ollama（qwen2.5）· 排程

5,489筆職缺入庫，18 天每日快照

37.4%模型引文非原文，量出來才知道不能直接信

1,028個測試案例，全離線

以上為專案在 2026-09-01 至 09-07 整理的成果；測試集與實際使用情境不同，個別量測範圍見各項說明。

展開技術選擇、遇到的問題與解法

四層並行控制：跨行程檔案鎖讓夜間排程替互動端讓路、LLM 呼叫期間不持 SQLite 寫鎖、狀態守衛寫進同一條 UPDATE 的 WHERE、partial unique index 做冪等。
把模型輸出當成要被驗證的宣稱。引文是否逐字出現在原文變成資料庫欄位；應徵信零 LLM 純模板組裝；反編造檢查擋住母版沒有的技能。
用測試釘住看不見的保證：在被 mock 的 LLM 呼叫裡另開一條 timeout 一秒的連線去寫，寫得進去才算通過。

延伸閱讀：這個專案的工程筆記