岗位拆解

把一条 JD 拆成结构化的“这个岗位要什么”：工作内容、技术栈（按类别）、经验要求、项目 / 成果、软技能、语言、其他。每一项标明“必须”还是“加分”，并附 JD 原文引用，点“原文”就能跳到 JD 里核对。画像里有技能时，再给一个“你已具备 / 待补强”的对照，方便查看匹配和自我补强。

默认关闭，按需分析

拆解每次要调用一次 AI（花订阅额度和 1–3 分钟），所以：

• data/config/breakdown.yaml 里 enabled: false、mode: manual。
• 打开后默认只在你点按钮时分析（手动）。自动模式要你自己切换，而且只处理高分岗位、每轮有上限。
• 成本看 /sources 的“AI 用量”卡片里“拆解”一行：每次拆解 = 1 次调用。

怎么打开

设置页 → “拆解”标签：

项	对应键	说明
启用岗位拆解	enabled	关闭时详情页没有拆解按钮、也不自动拆解；已有结果仍显示（只读）
方式	mode	manual：只在详情页点按钮；auto：每轮处理的最后，给高分岗位自动拆解
最低排序值 / 每轮最多几条	auto.min_rank / auto.per_cycle_limit	只在 auto 时生效；按排序值从高到低，没拆完的下一轮继续
发给 AI 的 JD 最长字符数	jd_max_chars	更长的只保留开头和结尾
一次拆解最多等多久	timeout_seconds	超时换下一个服务商

jd_head_share（截断时开头占的比例）不在表单里，直接改 YAML。保存后约 5 秒 runner / ai-worker 热加载；网页每次打开详情页时重读这个文件。

用哪个 AI

沿用 ai.yaml 的任务覆盖：任务名 breakdown。不写就按全局顺序（默认 codex-cli 优先）。设置页“AI”标签的“任务覆盖”里多一行“拆解”，codex 的“推理强度：拆解”也在那里。拆解的输出比较长（约 2–4k token），API 服务商的 max_output_tokens: 4096 对超长 JD 可能不够（输出被截断就换下一个服务商），所以建议把订阅 CLI 排在前面；需要时加 tasks.breakdown: {order: [codex-cli, claude-cli, api]}。

升级顺序：ai.yaml 里的 tasks.breakdown 和 reasoning_effort_by_task.breakdown 只能在部署了支持岗位拆解的代码之后再写（旧版本的 schema 是 strict 的）。breakdown.yaml 是新文件，旧版本不读，提前放上是安全的。

详情页的卡片

位置：详情页主栏，“匹配理由 / 差距”和“JD”之间。状态：

状态	什么时候	怎么办
未开启	enabled: false 且这个岗位没有结果	点“去设置打开”
配置读不了	breakdown.yaml 不合法	运行 pnpm config:check
没有 JD 正文	来源没给描述	无法拆解
可以拆解	开启、有 JD、还没结果	点“拆解这个岗位”
排队中 / 拆解中	请求在队列里 / ai-worker 在处理	等；超过 10 分钟没响应会提示去来源页看 ai-worker 是否在线
失败	见下表	看原因，点“重试”
已拆解	有当前版本的结果	点标签 / “原文”跳到 JD 原文
已过期	JD 在拆解后改过，或用旧版提示词拆解	结果照常显示，顶部有徽标；点“重新拆解”
旧版本	存的格式认不出来	点“重新拆解”
AI 没找到内容	拆解成功但所有类别为空	可重新拆解

关闭开关后，已有结果的岗位仍显示结果，只是没有“重新拆解”按钮。

失败原因：no_verified_quotes（AI 给的引用都对不上 JD 原文，没保存，重试即可）；aborted（ai-worker 重启了）；auth / timeout / rate_limited / invalid_output / provider_error / network / budget / unavailable / failed（AI 失败的原因，同翻译）；disabled（排队后又关掉了）。

一直“排队中”几乎都是 ai-worker 没在运行：看 /sources 的 ai-worker 卡片，启动后请求会被领走。

引用核对：对不上就丢

提示词要求每一项都从 JD 里原样摘一句话（quote）。代码把每条引用拿到完整 JD 里找（容忍换行变空格）：找到就保存 JD 自己的文字和位置；找不到就丢掉这一项并计数（元信息行显示“丢弃 N 项”）。经验年限的引用对不上时，年限也一起清空。技术栈按规范名去重（“LLMs” 和 “LLM” 算同一个），必须项优先。JD 里没写的不会被推测，空的类别不显示。

引用在 JD 原文里用虚点下划线标出；和信号引用是同一段文字时按信号的颜色显示，拆解项会跳到那个信号标记。

“已具备 / 待补强”怎么算

只在本地算，不把画像发给 AI：用 data/profile/me.yaml 的 skills，按技能名归一后对照，pipeline.yaml: skills[].aliases 里的别名也认（画像写 k8s，JD 写 Kubernetes 算已具备）。显示：每个技术标签是“已具备 / 缺”；必须项和加分项各自的命中数；“待补强”清单（必须项在前）；JD 写了最低年限时和 me.yaml: years_experience 对比。画像没有技能时，这一块提示去“我的画像”填写。

版本

每一行带 prompt_version（现在是 breakdown-v1）。以后提示词或输出结构改了就升版本：旧结果仍能显示（旧版本保留自己的 schema）并标“用旧版提示词拆解”，也可以手动重新拆解；格式认不出来的显示为“旧版本”。自动模式只补“没有结果 / JD 改过”的岗位，不会因为版本升级而全部重跑（省 token）。

数据与边界

• 结果只存在 job_breakdowns（每个岗位一行，重新拆解直接覆盖），不回写 jobs 的任何字段，不参与打分、排序、推送、筛选。
• 请求 breakdown_job 只由宿主机 ai-worker 领取；网页只写请求、轮询结果。
• 刷新页面、重新打开或在第二个标签页打开同一岗位时，卡片从服务器上该岗位最新的 breakdown_job 请求恢复状态：排队中 / 拆解中继续轮询；最近一次失败（且晚于已存结果）显示原因和重试。翻译标签对未完成的 translate_job 请求同样处理。
• 结果里的模型名是真实模型名：codex 没指定模型时写模型目录（models.yaml）里的 cli_default 模型，卡片上标“CLI 默认”；旧记录里的 codex-default 显示时同样解析。
• 失败详情只含服务商名和错误类型，不含 JD 文本和密钥。