用了两年多 GPT，我最近开始换模型了，还折腾了个求职避坑 Agent
英文标题：用了两年多 GPT，我最近开始换模型了，还折腾了个求职避坑 Agent
用了两年多 GPT，最近几个月使用体验越来越不理想，于是我重新研究了一圈大模型 API 平台，尝试更灵活的模型调用方式。结合今年面试 50 多人的经历，我还折腾了一个「职场评测」Agent
3.2 KB
589 B
52.2 KB
16.4 KB
18.0 KB
38.4 KB
35.9 KB
17.3 KB
24.7 KB
16.8 KB
26.1 KB
45.1 KB
21.7 KB
40.4 KB
29.7 KB
7.3 KB
中文
大家好，我是程序员海军，OPC｜AI 爱好者｜独立开发者。
GPT 算是我这两年多用得最勤的 AI 工具了。
从一开始拿它查资料、写代码，到后来做需求分析、开发 AI 应用，甚至平时一些琐碎的事情，我基本都是先打开 GPT。说它是我的主战场，一点也不夸张。
但最近几个月，用起来是真的有点烦。
有时候需求已经讲得很清楚了，它还是理解偏了；复杂一点的任务，来回沟通几轮也收不了尾。以前觉得它挺省心，现在反倒需要自己一直盯着、纠正。偶尔切到 Astra Pro 这种高强度模式，体验才稍微好一点。
当然，这是我自己的使用感受。我也不敢说一定是模型变差了，可能跟任务复杂度、使用方式、预期变化都有关系。但有一点我越来越确定：不能把所有活都押在一个模型上。
于是最近我重新研究了一圈模型 API 平台，中间也看过不少中转站。折腾完之后，最后选择了 Aiionly 。正好手里有个一直想做的求职方向小项目，就拿它作为这次的应用场景。
为了换个模型，我又研究了一圈 API 平台
以前只是聊天，哪个工具顺手就用哪个，倒没觉得有什么问题。但自己开始做 AI 应用以后，情况就不一样了。
一款应用可能要处理长文本、识别截图、分析用户输入，还要连续对话。不同任务对模型的要求不一样，价格、响应速度和调用成本也得考虑。总不能每次想换个模型，就重新注册账号、充值、改一套接入逻辑。
这次我筛选平台，主要看三件事：模型选择够不够灵活，API 接入麻不麻烦，以及费用能不能看得清楚。
最后选的 Aiionly，定位就是一个多模型 API 聚合平台。简单理解，不用分别去不同模型厂商那里折腾，通过一个平台就能选择和调用多种模型。对我这种平时既写代码、又折腾 Agent 和各种小产品的人来说，这种方式要方便不少。
我比较关注的是它的统一 API 接口。对开发者来说，接口方式相对统一，后面需要换模型时，调整模型配置比重新接一套服务省事。当然，模型之间的参数、能力和返回格式仍然可能有差异，该适配的地方还是得适配。
另外就是费用。Aiionly 有按量调用，也提供 Token Plan 套餐，可以根据自己是偶尔测试，还是经常跑 Coding、Agent 任务来选。控制台能查看用量和账单，这一点我挺在意。做 Demo 的时候可能觉得几个 Token 无所谓，真要长期跑起来，成本就不能稀里糊涂了。
这里也说清楚，API 平台不是给模型加智商的 。同一个底层模型，不会因为换个平台就突然聪明很多。
我看重的是模型选择权和接入便利，而不是某种所谓的“神奇加成”。至于长期稳定性、实际速度这些，还是要放到自己的项目里持续验证，不能只看宣传页面。
AiiOnly 和 WorkBuddy 已完成模型路由打通。现在也可以在 AiiOnly 客户端进入「Agent 路由 → WorkBuddy」，即可一键选择所需模型并完成配置。
使用也很简单，它提供了有个OpenAI 兼容接口，只需要在 Workbuddy 或者其它AI 工具(Trae, Codex)配置也可以使用，这里我们拿 Workbuddy 演示操作：
今年面了 50 多个人，我想做个求职避坑 Agent
说到这个小项目，起因其实挺简单的。
今年我陆续面试了 50 多位候选人，平时也会有朋友、网友来找我聊简历、面试和找工作的事情。接触得多了，我发现很多人找工作时，关注的往往是“我能不能通过面试”，但还有一个问题容易被忽略：这家公司、这个岗位，到底值不值得我花时间去？
去年我自己也碰到过一次工作机会和实际情况差距很大的事。虽然最后及时止损了，但中间花掉的时间和精力，已经收不回来了。也因为这个经历，我对“先了解清楚，再做选择”这件事挺有感触。
尤其现在找工作也不容易。投简历、约面试、准备笔试，有时候还得专门请假跑一趟。聊到最后才发现薪资口径不一致、工作时间接受不了，或者岗位职责和最初看到的完全不是一回事，时间就这么搭进去了。
于是我开始琢磨，能不能做一个 Agent，先帮求职者把招聘信息过一遍。
最早想得挺直接：识别垃圾岗位、僵尸岗位、坑人岗位。但真正梳理需求时发现，这个说法还是太粗了。光凭一张招聘截图，AI 很难判断一家公司到底靠不靠谱；岗位写得模糊，也不能直接说人家是骗子。
后来我把方向改成了一个更实际的东西，暂时叫它「职场评测」。它不负责给公司判好坏，而是结合求职者自己的情况，判断这个机会要不要继续投入时间。
我的思路是，用户先上传简历，设置自己的求职偏好，比如期望城市、薪资、双休、远程办公这些条件。接着把招聘 JD、公司介绍、HR 的聊天截图丢进去，让 AI 辅助分析。
这里有三个问题要分开看：一是你有没有能力胜任；二是这个岗位是不是符合你的个人要求；三是招聘信息里有没有需要警惕或者进一步核实的地方。
举个例子，一个岗位写着「20～30K，包含绩效」，而你的要求是固定月薪至少 20K。哪怕技能匹配度再高，也不能直接告诉你“符合要求”。真正该做的是把薪资结构标成待核实，再告诉你下一步应该怎么向 HR 问清楚。
再比如，招聘信息里没有提加班情况，不代表公司一定双休；也不能因为没写，就认定它是大小周。不知道就是不知道，不能让 AI 硬猜。
最后
这个项目其实也让我重新想了下，自己到底需要怎样的 AI 工具。
现在模型更新太快了，今天这个强，过段时间可能又换一个。每次新模型发布，大家都忙着测榜单、比较谁更聪明。我也会关注这些，但真到做项目的时候，最重要的还是它能不能把手上的任务完成。
比如这个求职 Agent，截图理解、简历提取、岗位分析可能会用到不同的能力。后面哪个模型处理得更稳、成本更合适，就让它负责对应任务，而不是从头到尾只能用一个模型。这也是我选择 Aiionly 这类多模型入口的原因。
当然，平台只是其中一环。AI 分析是否靠谱，还得看需求有没有定义清楚、输入材料是否充分、结果有没有证据支撑。尤其涉及求职决策，不能把 AI 的推测包装成事实。简历和 HR 聊天记录里有个人信息，使用时也得注意打码和隐私保护。
我现在依然会用 GPT，它毕竟陪我干了不少活。只是相比以前，我不太想再把自己绑在某一个工具或者模型上了。工具可以换，项目和解决问题的能力，才是自己真正能留下来的东西。
最后放一下这次用到的平台，感兴趣的朋友可以自己看看：
Aiionly 官网： www.aiionly.com/
我的邀请注册链接： maas.aiionly.com/login?invit…
目前的新人活动里，通过这个链接注册，可以领取一张 16-15 的平台金币充值代金券 ，另外还有一张 5 元无门槛 Token Plan 代金券 。具体领取条件、有效期和适用范围，以注册后的活动页面为准。
如果平时只是偶尔问几个问题，其实没必要专门折腾 API。但如果你跟我一样，经常用 AI 编程、做 Agent，或者想把某个自己的想法做成产品，多模型接入这种方式还是值得了解一下。
English / 原文
大家好，我是程序员海军，OPC｜AI 爱好者｜独立开发者。
GPT 算是我这两年多用得最勤的 AI 工具了。
从一开始拿它查资料、写代码，到后来做需求分析、开发 AI 应用，甚至平时一些琐碎的事情，我基本都是先打开 GPT。说它是我的主战场，一点也不夸张。
但最近几个月，用起来是真的有点烦。
有时候需求已经讲得很清楚了，它还是理解偏了；复杂一点的任务，来回沟通几轮也收不了尾。以前觉得它挺省心，现在反倒需要自己一直盯着、纠正。偶尔切到 Astra Pro 这种高强度模式，体验才稍微好一点。
当然，这是我自己的使用感受。我也不敢说一定是模型变差了，可能跟任务复杂度、使用方式、预期变化都有关系。但有一点我越来越确定：不能把所有活都押在一个模型上。
于是最近我重新研究了一圈模型 API 平台，中间也看过不少中转站。折腾完之后，最后选择了 Aiionly 。正好手里有个一直想做的求职方向小项目，就拿它作为这次的应用场景。
为了换个模型，我又研究了一圈 API 平台
以前只是聊天，哪个工具顺手就用哪个，倒没觉得有什么问题。但自己开始做 AI 应用以后，情况就不一样了。
一款应用可能要处理长文本、识别截图、分析用户输入，还要连续对话。不同任务对模型的要求不一样，价格、响应速度和调用成本也得考虑。总不能每次想换个模型，就重新注册账号、充值、改一套接入逻辑。
这次我筛选平台，主要看三件事：模型选择够不够灵活，API 接入麻不麻烦，以及费用能不能看得清楚。
最后选的 Aiionly，定位就是一个多模型 API 聚合平台。简单理解，不用分别去不同模型厂商那里折腾，通过一个平台就能选择和调用多种模型。对我这种平时既写代码、又折腾 Agent 和各种小产品的人来说，这种方式要方便不少。
我比较关注的是它的统一 API 接口。对开发者来说，接口方式相对统一，后面需要换模型时，调整模型配置比重新接一套服务省事。当然，模型之间的参数、能力和返回格式仍然可能有差异，该适配的地方还是得适配。
另外就是费用。Aiionly 有按量调用，也提供 Token Plan 套餐，可以根据自己是偶尔测试，还是经常跑 Coding、Agent 任务来选。控制台能查看用量和账单，这一点我挺在意。做 Demo 的时候可能觉得几个 Token 无所谓，真要长期跑起来，成本就不能稀里糊涂了。
这里也说清楚，API 平台不是给模型加智商的 。同一个底层模型，不会因为换个平台就突然聪明很多。
我看重的是模型选择权和接入便利，而不是某种所谓的“神奇加成”。至于长期稳定性、实际速度这些，还是要放到自己的项目里持续验证，不能只看宣传页面。
AiiOnly 和 WorkBuddy 已完成模型路由打通。现在也可以在 AiiOnly 客户端进入「Agent 路由 → WorkBuddy」，即可一键选择所需模型并完成配置。
使用也很简单，它提供了有个OpenAI 兼容接口，只需要在 Workbuddy 或者其它AI 工具(Trae, Codex)配置也可以使用，这里我们拿 Workbuddy 演示操作：
今年面了 50 多个人，我想做个求职避坑 Agent
说到这个小项目，起因其实挺简单的。
今年我陆续面试了 50 多位候选人，平时也会有朋友、网友来找我聊简历、面试和找工作的事情。接触得多了，我发现很多人找工作时，关注的往往是“我能不能通过面试”，但还有一个问题容易被忽略：这家公司、这个岗位，到底值不值得我花时间去？
去年我自己也碰到过一次工作机会和实际情况差距很大的事。虽然最后及时止损了，但中间花掉的时间和精力，已经收不回来了。也因为这个经历，我对“先了解清楚，再做选择”这件事挺有感触。
尤其现在找工作也不容易。投简历、约面试、准备笔试，有时候还得专门请假跑一趟。聊到最后才发现薪资口径不一致、工作时间接受不了，或者岗位职责和最初看到的完全不是一回事，时间就这么搭进去了。
于是我开始琢磨，能不能做一个 Agent，先帮求职者把招聘信息过一遍。
最早想得挺直接：识别垃圾岗位、僵尸岗位、坑人岗位。但真正梳理需求时发现，这个说法还是太粗了。光凭一张招聘截图，AI 很难判断一家公司到底靠不靠谱；岗位写得模糊，也不能直接说人家是骗子。
后来我把方向改成了一个更实际的东西，暂时叫它「职场评测」。它不负责给公司判好坏，而是结合求职者自己的情况，判断这个机会要不要继续投入时间。
我的思路是，用户先上传简历，设置自己的求职偏好，比如期望城市、薪资、双休、远程办公这些条件。接着把招聘 JD、公司介绍、HR 的聊天截图丢进去，让 AI 辅助分析。
这里有三个问题要分开看：一是你有没有能力胜任；二是这个岗位是不是符合你的个人要求；三是招聘信息里有没有需要警惕或者进一步核实的地方。
举个例子，一个岗位写着「20～30K，包含绩效」，而你的要求是固定月薪至少 20K。哪怕技能匹配度再高，也不能直接告诉你“符合要求”。真正该做的是把薪资结构标成待核实，再告诉你下一步应该怎么向 HR 问清楚。
再比如，招聘信息里没有提加班情况，不代表公司一定双休；也不能因为没写，就认定它是大小周。不知道就是不知道，不能让 AI 硬猜。
最后
这个项目其实也让我重新想了下，自己到底需要怎样的 AI 工具。
现在模型更新太快了，今天这个强，过段时间可能又换一个。每次新模型发布，大家都忙着测榜单、比较谁更聪明。我也会关注这些，但真到做项目的时候，最重要的还是它能不能把手上的任务完成。
比如这个求职 Agent，截图理解、简历提取、岗位分析可能会用到不同的能力。后面哪个模型处理得更稳、成本更合适，就让它负责对应任务，而不是从头到尾只能用一个模型。这也是我选择 Aiionly 这类多模型入口的原因。
当然，平台只是其中一环。AI 分析是否靠谱，还得看需求有没有定义清楚、输入材料是否充分、结果有没有证据支撑。尤其涉及求职决策，不能把 AI 的推测包装成事实。简历和 HR 聊天记录里有个人信息，使用时也得注意打码和隐私保护。
我现在依然会用 GPT，它毕竟陪我干了不少活。只是相比以前，我不太想再把自己绑在某一个工具或者模型上了。工具可以换，项目和解决问题的能力，才是自己真正能留下来的东西。
最后放一下这次用到的平台，感兴趣的朋友可以自己看看：
Aiionly 官网： www.aiionly.com/
我的邀请注册链接： maas.aiionly.com/login?invit…
目前的新人活动里，通过这个链接注册，可以领取一张 16-15 的平台金币充值代金券 ，另外还有一张 5 元无门槛 Token Plan 代金券 。具体领取条件、有效期和适用范围，以注册后的活动页面为准。
如果平时只是偶尔问几个问题，其实没必要专门折腾 API。但如果你跟我一样，经常用 AI 编程、做 Agent，或者想把某个自己的想法做成产品，多模型接入这种方式还是值得了解一下。