职有光以 AI 降低求职决策与试错成本
从招聘与求职辅导一线发现问题
就业不仅关系个人发展，也影响人才资源的配置效率。教育部预计，2026届全国普通高校毕业生规模将达到1270万人，同比增加48万人。人力资源和社会保障部也指出，当前就业市场仍存在“招工难”与“就业难”并存的结构性矛盾。
对求职者而言，挑战并不只是找到招聘信息，而是如何从大量岗位中识别适合自己的机会，判断现有能力与岗位要求之间的差距，并将过往经历转化为企业能够识别的能力证据。岗位筛选、简历优化、面试训练等环节分散在不同平台与服务中，缺乏经验的求职者往往需要独自完成判断与准备，难以获得连续、针对性的指导。
职有光由北京新果优途科技有限公司运营。团队在职业发展领域拥有持续的内容运营与用户服务经验，核心成员长期运营职业发展相关内容账号，累计全网粉丝约20万，具备公域内容触达与私域用户运营能力。基于对求职人群需求的长期观察，团队逐步将内容服务延伸至AI求职工具、会员、课程及一对一求职陪跑等产品形态，探索从用户触达到产品使用、再到付费服务的商业化路径。
目前，职有光累计服务去重用户已超过2000人，会员、课程及求职陪跑等业务已产生实际收入，整体累计收入规模接近5万元。在此基础上，团队正在推进内推资源整合，并计划进一步拓展网页端及APP等产品形态。
以岗位为中心，连接分析、表达与训练
职有光希望把原本分散的求职环节连接起来，面向应届毕业生、职场人及职业转型人群，提供岗位分析、简历优化、模拟面试和职业方向梳理等服务。产品并不以训练基础大模型为目标，而是基于成熟大模型进行垂直场景应用开发，将招聘经验、岗位能力要求与求职辅导方法沉淀为结构化知识和工作流程。
在具体使用中，用户可以围绕目标岗位梳理核心职责、能力要求及自身差距；在简历环节，工具辅助用户重组工作经历、提炼项目成果，并将表达与岗位需求对齐；在面试环节，用户可以针对目标岗位开展模拟问答和表达训练。产品希望帮助用户不仅获得一段生成内容，也能理解自身经历与岗位要求之间的差距，以及下一步应当如何调整。
与通用大模型的一次性问答相比，职有光更强调围绕具体岗位提供连续的分析与行动支持。它不替用户作出职业决定，也不承诺求职结果，而是尝试把部分依赖个人经验、重复发生的求职分析与训练流程产品化，让专业求职方法更容易被普通求职者获得。团队同时正在建设“内推直通车”，计划整合企业内推资源及官方招聘入口，为用户了解求职机会提供补充；该产品仍处于开发和上线准备阶段。
从真实用户与付费验证，拓展AI求职服务边界
据项目团队提供的运营数据，截至2026年10月，职有光微信小程序累计去重用户超过2000人，近30日语言模型Token消耗累计约644万。会员、课程和求职陪跑等业务均已产生真实付费，累计成交金额接近5万元。
在商业模式上，职有光采用标准化产品与专业服务并行的方式：AI会员和职业课程承接基础工具使用与方法学习；对于职业方向判断、跨岗位转型、简历优化及面试训练等个性化需求，项目提供求职陪跑和职业咨询服务。团队希望通过AI承接部分可标准化的分析和训练任务，同时保留专业服务对复杂背景、个体差异和求职策略的判断空间。
目前，项目仍处于持续验证产品体验、用户留存和付费转化的阶段。下一步，团队计划继续完善微信小程序，并逐步探索APP和网页端，提升用户在不同场景下获取服务的便利性；同时评估与高校及就业服务机构合作的可能性。对职有光而言，现阶段的重点不只是扩大工具数量，而是验证AI能否持续帮助用户更清楚地判断岗位、更有效地表达自身能力，并在真实求职过程中减少不必要的试错。
