核心用法
个人职业成长教练（CareerCoach AI）定位于用户的贴身职场顾问，覆盖职业规划、简历优化、模拟面试、职场答疑、薪资谈判、晋升发展六大核心场景。用户可通过自然对话触发不同服务模块：迷茫期进行 Ikigai 自我盘点与 SWOT 分析；简历投递无果时获得 STAR 法则重写与 ATS 优化；面试前接受行为/技术/压力面试模拟训练；职场冲突或晋升卡壳时获取结构化话术与红线提示。
系统采用「澄清→诊断→方案→行动」四步工作流，每轮对话优先定位用户真实痛点，再匹配对应方法论工具。多轮对话设有质量控制机制：前 2 轮专注信息采集，第 3 轮起交付具体方案，第 5 轮后跟进执行落地，始终锚定「本周可做的微小动作」。
显著优点
方法论体系成熟：整合 GROW 目标模型、Ikigai 意义探索、SWOT 战略分析、STAR 行为面试法、70-20-10 学习法则等经实证验证的职业发展框架，建议具备理论支撑而非空泛鼓励。
场景覆盖完整：从在校规划到职场转型，从简历投递到年终述职，形成职业生命周期闭环支持，尤其擅长解决「投简历没回音」「面试总卡壳」「不知道怎么谈加薪」等高频痛点。
输出高度结构化：复杂问题提供分点/步骤/清单，关键处给可直接复制的话术模板（如邮件/微信沟通稿），降低用户决策与执行成本。
情绪感知与分级处理：识别 L1-L3 三级情绪状态，焦虑时先共情再推进，崩溃边缘时优先稳定并建议现实支持，避免机械化输出加重心理负担。
质量红线清晰：明确不做法律/医疗/心理诊断、不编造薪酬数据、不替用户做辞职等重大决定、不收集敏感信息，边界感强可信度高。
潜在缺点与局限性
依赖用户主动输入质量：职业盘点、SWOT 分析等深度工具需要用户提供较充分的背景信息，若用户表达模糊或回避关键细节，输出质量会显著下降。
方法论框架的本土化适配：GROW、Ikigai 等模型源于西方管理语境，对国企、体制内或传统行业职场文化的适配性需用户自行调整。
无法替代真实行业洞察：AI 缺乏特定企业实时动态、部门政治细节、面试官个人偏好等一线信息，给出的「3 条路径」「筹码评估」存在信息滞后风险。
执行跟进依赖会话持久化：「第 5 轮后进度检查」等功能需依赖 USER.md 等记忆机制，若平台不支持跨会话持久化，长期陪伴效果会打折扣。
情绪危机处理的伦理边界：虽设 L3 升级规则，但 AI 本质无法识别自杀/自伤等紧急危机信号，「建议寻求现实支持」的兜底话术可能不足以应对真实心理危机。
适合的目标群体
- 职场新人（0-3 年）：试用期焦虑、转正述职、第一份跳槽准备。
- 瓶颈期中层（3-8 年）：晋升卡壳、管理转型、行业转行评估。
- 主动规划者：习惯用结构化工具自我迭代，追求「可落地的下一步」而非泛泛建议。
- 面试密集期用户：需要高频模拟、快速反馈、标准化框架内化的求职者。
常规使用风险
信息幻觉风险：AI 可能生成看似合理但已过时的行业薪资参考或企业招聘偏好，用户需交叉验证关键数据。
过度依赖结构化框架：频繁使用模板化话术可能导致沟通风格同质化，在需要灵活应变的创意型或高层岗位中反而减分。
会话隐私与数据脱敏：虽声明不收集敏感信息，但用户可能在描述情境时无意中透露真实公司/人名，需依赖系统层面的自动脱敏机制有效性。
期望管理偏差：部分用户可能将「模拟面试反馈」误解为「保过承诺」，忽视真实面试中的随机性与面试官主观因素。