职业复出教练：把‘Gap’转化为跳板

Source: Dev.to

This is a submission for the Built with Google Gemini: Writing Challenge

打开代码编辑器已经三年未使用的感觉就像在说一种已经忘记的语言。无论是产假、健康危机恢复，还是照顾亲人，“职业空档”常常被当作简历上的黑洞。行业高速运转，重新进入往往更像一次信念的跳跃，而不是一次职业转变。

我创建了 Career Comeback Coach，因为对有空档且伴随冒名顶替综合症的人来说，“直接 Google 一下”是糟糕的建议。你需要一座桥，而不仅仅是链接——需要有人（或某物）告诉你，你的空档期并非空白，你过去的技能依然有价值。

我用 Google Gemini 构建的内容

该应用是一站式的职业回归平台。与其使用通用聊天机器人，我使用 Gemini 3 Pro 创建了专属的 “Coach” 工作流。

简历真实性检查（Vision）

• 上传 PDF 或旧简历的照片。
• Gemini 的视觉能力解析布局并在无需自定义 OCR 代码的情况下理解你的历史。

深度推理（Thinking Mode）

• 使用 thinkingConfig 让 Gemini 在回应前先“思考”。
• 分析过去的经验，挖掘隐藏的可转移技能（例如，家庭管理 → 项目管理，医疗恢复 → 韧性）。

实时路线图（Grounding）

• 通过 Google Search Grounding 防止 AI 编造链接。
• 当建议技术如 “React 19” 或 “Next.js” 时，应用会验证并返回 2025 年的实际文档链接。

语音面试

• 利用 Web Speech API 和 Gemini，用户可以与应用对话。
• 充当既支持又严谨的招聘经理，提供安全的练习空间来应对 “那么，请谈谈这段空档……” 的问题。

演示

• YouTube Demo: link pending
• AI Studio: link pending

我的收获

• 延迟是对话的敌人。
  Thinking Mode 会增加几秒的延迟；我加入了 “thought‑trace” UI，让用户在等待时看到 AI 的推理过程。

• 为共情而设计。
  除了 React 19 和 Google GenAI SDK，真正的挑战是提示 Gemini 鼓励而不显得 “虚假”。

• 优雅的失败处理。
  实现了回退机制：当深度推理模型触发速率限制时，自动切换到标准 Gemini 3 模型，避免 500 错误。

Google Gemini 反馈

好的方面

• 多模态支持令人惊叹；应用能够无缝处理图像/PDF。
• 搜索 Grounding 消除了提供失效或过时链接的风险。

不足之处

• Thinking Mode 大幅提升输出质量，但也带来了明显的等待时间。
• 思考过程的流式版本会提升实时聊天体验。