01 / AI 与数据 · 学习规划
岗位技能差距分析与学习规划系统
从岗位要求出发，帮助学习者了解技能差距，并安排下一步的学习计划。
01 / 项目背景
从岗位要求出发，安排有依据的学习。
招聘描述分散在不同岗位里，技能叫法、城市和方向也不一致。学习者即使看过很多信息，仍难判断哪些要求反复出现、自己差在哪里，以及应该从哪里开始。
项目把岗位画像、个人自评和学习计划接成一条路径。先明确比较范围，再解释每项差距，最后把目标拆成有先后顺序的任务，让学习建议有可核对的依据。
02 / 痛点与解法
把使用中的阻碍，变成明确的功能。
要求多，难以确定重点
- 遇到的问题
- 单个岗位的描述不能代表整个方向，直接混合不同资料容易产生误解。
- 项目的做法
- 按方向、城市和资料类型固定分析范围，展示技能出现频率与有效样本数。
知道差距，却看不懂分数
- 遇到的问题
- 只有一个匹配分，无法解释某项技能为何需要优先补足。
- 项目的做法
- 同时展示自评等级、目标等级、需求权重和差距，保留报告生成时的输入。
想学很多，时间却排不下
- 遇到的问题
- 学习清单忽略基础技能与可投入时间，容易把尚未具备前提的目标排在前面。
- 项目的做法
- 补齐人工维护的前置关系，再按每周投入预览任务与周安排，提示时间缺口。
PROJECT WALKTHROUGH
看一段实际操作。
从选择方向、保存技能自评，到确认并查看差距报告。实际前端操作录制，使用合成数据与预设接口结果；分数不代表真实市场或学习效果。
单独打开视频查看演示步骤
- 从学习工作台选择“后端开发（合成演示）”，进入相关技能清单。
- 将目标资料切换为模拟演示资料，打开 SQL 自评，主动选择等级并保存。
- 核对评估范围与技能输入，确认生成模拟报告。
- 查看报告概览及技能明细，对照当前自评与目标等级。
03 / 图文体验
从界面，看功能如何落地。
结合实际界面阅读；截图使用合成展示数据，可放大查看。
01 / EXPERIENCE
从工作台找到下一步
起步入口先引导选择方向，再根据自评、报告和计划状态给出下一步。图中为合成学生界面。
- 方向入口保留城市与资料范围。
- 先看当前状态，再进入对应操作。
实际界面截图 · 合成测试数据 · 非真实学习效果02 / EXPERIENCE
围绕目标核对自己的能力
选择方向后查看相关技能，按实际能完成的任务填写等级。打开技能或浏览目录不会自动保存自评。
- 自评使用零至三级，并可填写说明。
- 未填写与主动填写零级分别标识。
实际界面截图 · 合成测试数据 · 非真实学习效果03 / EXPERIENCE
手机上也能完成技能核对
窄屏把方向、城市和资料选择纵向排列，保留同一套自评流程，便于分次补充技能记录。
- 目标条件保持可读、可选择。
- 能力变化仍由本人明确保存。
实际界面截图 · 合成测试数据 · 非真实学习效果04 / 实现原理
一次操作，背后如何流转。
整理岗位技能
词典与别名规则识别技能，Spark 汇总频率并提取技能共现关系。
固定比较范围
选择方向、城市与资料类型，核对已发布范围及样本资格。
保存技能自评
学生主动记录等级与说明，系统保存档案版本作为评估输入。
解释技能差距
按岗位需求权重比较自评与目标等级，保存明细、分数和版本快照。
预览学习安排
选择差距目标，展开前置任务并核算时间；确认后才保存计划。
分数能回到具体输入
有效样本至少 100 条才进入评分；选取出现频率不低于 10% 的前 20 项技能。按需求次数赋权，将自评相对目标的完成比例加权汇总，得到固定样本内的自评覆盖度。
先满足前置，再考虑优先级
规划器把技能提升拆为逐级任务，检查前置关系是否成环。只有前提已满足的任务才参与优先排序，再用整数分钟核算每周容量，避免把学习顺序当成单纯的分数排序。
变化可追踪，历史有依据
报告保留技能、自评和分析版本；确认计划时重新核对输入。更新自评或完成任务不会自动改写旧报告，学习后的能力变化需要本人重新确认。
05 / 技术栈
每一层技术，都有具体职责。
- 交互界面
- Vue 3
- TypeScript
- Vite
- Pinia
组织工作台、自评与规划页面，管理会话和界面状态。
- 统计可视化
- ECharts
用技能频率与类别图表帮助理解固定范围内的岗位要求。
- 业务接口
- Python
- FastAPI
- Pydantic
校验输入，执行差距评估、计划预览与确认流程。
- 数据与版本
- MySQL
- SQLAlchemy
- Alembic
保存技能档案、分析范围、历史报告和任务依赖。
- 批量分析
- Apache Spark
- PySpark
- FP-Growth
汇总岗位技能统计与共现规则，由后台任务完成后发布。
06 / 设计取舍
为什么这样设计。
解释范围，而不推断录用结果
覆盖度只比较固定样本中的技能与自评，不是能力认证或录用概率。共现规则用于配套技能提示，不能代替人工前置关系；本页图像和视频均为合成演示。
明确规则，也保留适用边界
词典提取依赖技能规则的维护，排期依赖预设学习时长。每份计划单独核算预算，不会自动扣除其他计划占用的时间；实际投入与学习效果仍需持续复盘。