Archive Audit
90-归档 · 价值盘点与下一步（含开源与盈利潜力）
2026-01-24 · Zon（个人决策） · 02-Projects/90-归档
逐个盘点归档资产：提炼可复用价值、指出不足、给出下一步与盈利假设。
要点速览
最有价值的资产（信号最强）
- JobHunting 已接近一条完整闭环：岗位收集/筛选 → 标准化岗位笔记（YAML 字段）→ Dataview 看板 → 简历对齐指南与素材沉淀。
- 本地自动化思路 很清晰：Python 脚本 + 定时（cron/LaunchAgent）+ 本地模型（Ollama）+ 直接写入 Obsidian（零 DB）。
- locate 目录的研究产物（多份 HTML 报告/快照）本身就是可用的作品集素材：你在做“调研→结构化→输出”的硬能力证据。
最需要补的短板（导致归档的原因）
- 集成断点：岗位自动化产出与看板/简历生成器仍是两条线，缺少“一键跑通”的入口与统一字段口径。
- 可移植性/可复用性不足：出现硬编码绝对路径、脚本/包结构不一致、以及噪音文件（
.git/.pyc/.DS_Store）混入 vault。 - 商业化验证不足：你已经写了商业化候选，但缺少最小可验证动作（付费试用/咨询/模板包早鸟）。
关键洞见
数据概览（来自归档目录）
Total Files
191
Markdown
89
Python
22
HTML
19
目录体积约 9.0 MB；其中 JobHunting 占比最高（171 files）。
洞见 1：你已经做出了“Career OS”雏形
- 你不是缺工具，而是缺把工具连成闭环与对外展示/验证。
- JobHunting 的设计（字段化 + 看板）是可复用资产，未来可以迁移到“项目管理/内容运营/健康数据”等其他领域。
洞见 2：归档里隐藏的“长期复利”
- locate 里的研究与报告，说明你已经能稳定产出“可读的结论”，这比“写代码”更接近商业价值。
- 把这些报告拆成 10-20 条短内容（带图/带框架）→ 你会更快获得反馈与机会。
洞见 3：岗位自动化的“可持续改进点”
在 ai-find-positions 中，你已经做了“分类拒绝”（不合适原因分桶）——这非常值钱：它能把筛选规则从主观变成可学习的系统。
Top categories（按 Markdown 文件计数）
洞见 4：明显的可修复缺口（工程侧）
- 简历生成器当前更像“架构草图”：模块拆分合理，但存在包结构/配置函数缺失/参数签名不一致等问题（导致难以一键运行）。
- 字段口径不统一：同一概念（如
fit-score）在不同文件里出现 1-10 与 0-100 的混用迹象，会拖慢自动化与看板统计。
洞见 5：最快的盈利路径（基于现有资产）
- 把 JobHunting 的模板与脚本整理为一个“本地求职系统”包：模板 + 一键安装 + 示例数据 + 3 分钟演示。
- 变现不必先做 SaaS：先卖模板包与1v1 搭建/对齐服务（小成本验证付费意愿）。
步骤指南（新手友好）
一条可执行的“从归档到复利”流程
- 定目标（30 天）：只选一个主目标（找工作 / 卖模板 / 两者并行但有主次）。
- 归档分拣：对每个子目录打 3 个标签：Revive（恢复进行中）/ Package（打包对外）/ Keep（仅保留参考）。
- 统一口径：确定一套字段与尺度（例如 fit-score 统一 1-10），自动化脚本与模板都按这套口径输出。
- 打通闭环：把“岗位抓取输出”直接产出到看板可读路径，并能一键生成：简历（或对齐清单）→ 投递记录 → 跟进提醒。
- 对外展示：选择一个最强案例，做成一页可打开的 Demo（截图/录屏/HTML 报告都可）。
- 小规模验证：用 10 人以内的小流量测试：模板包早鸟 / 付费搭建 / JD-简历对齐服务。
- 复盘与迭代：每周一次：用数据说清“做了什么→影响了什么”，把结论沉淀回模板/脚本。
P0（≤2 小时）
- 确定 30 天主目标：找工作 or 打包出售。
- 把
JobHunting的关键入口写成 1 页：“如何从 0 跑通”（步骤 + 截图 + 结果样例）。
P1（1 天内）
- 清理噪音：把
.git/.pyc/.DS_Store从 vault 内容流中隔离（至少不参与索引/同步）。 - 统一 fit-score / status 口径，并让看板可统计。
SVG 图解
专家视角（best minds）
Tiago Forte · Building a Second Brain（paraphrase）
Thesis：归档不是“堆放”，而是“可复用资产库”。你需要的是提炼与再表达，而不是更多收集。
- 把 JobHunting 的流程抽成 3-5 张可复用卡片（模板/清单/评分标准）。
- 把 locate 的长报告拆成“中间包”（intermediate packets）：一页结论 + 可复用框架。
- 不值得的内容直接丢弃，减少认知摩擦。
Eric Ries · The Lean Startup（paraphrase）
Thesis：你已经会 Build，下一阶段要用 Measure/Learn 把“系统”变成“结果”。
- 把目标写成可验证指标：例如“本周拿到 2 次面试”或“模板包 10 人付费”。
- 每次只优化一个瓶颈：筛选→投递→跟进→面试准备。
- 避免把“把工具做完”当作进度；把“对外反馈”当作进度。
Patrick McKenzie（patio11）· SaaS / Pricing（paraphrase）
Thesis：盈利从“谁愿意为结果付钱”开始，而不是从功能开始。
- 先卖服务（搭建/对齐/改简历）再卖产品（模板/工具）。
- 把你的差异点写成一句话：例如“本地、可控、可改的求职系统”。
- 目标用户优先选“愿意付费、省时间”的人群（重度求职者/转行者）。
Cal Newport · Deep Work（paraphrase）
Thesis：你需要的不是更多项目，而是一个“资本项目”持续深挖。
- 把现在的资产收敛成一个主线：Career OS（或 Prompt Hub）。
- 把输出节奏固定下来：每周 1 次可展示交付（报告/视频/模板更新）。
- 减少上下文切换：把“归档清理/工具修复/对外发布”排成流水线。
方案
| Option | Best For | Upside | Downside | Key Risk | First Step |
|---|---|---|---|---|---|
| A · 继续作为求职系统（自用） | 短期目标是拿到 offer | 直接提升效率；反馈最快 | 资产不一定沉淀为可售产品 | 自动化易因反爬/选择器变化失效 | 把 JobHunting 恢复为 active，并跑通一条投递链路 |
| B · 开源 + 卖模板：Obsidian Career OS | 想用现有资产做小额可验证收入 | 最快变现（模板/搭建服务） | 需要支持与售后；要做去隐私版本 | 市场规模较小、容易同质化 | 拆出“无敏感信息的模板包”+ 3 分钟 demo |
| C · Prompt Hub（团队级提示词管理） | 长期做工具产品/面向团队 | 可扩展市场更大 | 竞争强（Langfuse/PromptLayer 等生态） | 分发与定位不清导致长期内耗 | 明确差异：评测/工作流/本地化；做一个最小可用版本 |
| D · 内容与自媒体：运营×数据×AI | 希望复利增长与机会（岗位/合作/客户） | 长期复利；反过来反哺产品与求职 | 短期难见钱；需要稳定节奏 | 只做“调研”不做“发布” | 从 locate 的一页结论起，每周发布 1 篇带框架的内容 |
证据与置信度
| Claim | Evidence | Confidence | Source |
|---|---|---|---|
| Obsidian 求职看板与模板已搭建 | README 描述结构；index.md 为 Dataview 看板；templates/job.md 为模板 | High | 02-Projects/90-归档/JobHunting/README.md02-Projects/90-归档/JobHunting/index.md02-Projects/90-归档/JobHunting/templates/job.md |
| 岗位自动搜索系统已实现（脚本 + 定时） | scripts/README.md 与 install.sh/crontab_config 描述每日运行与输出格式 | High | 02-Projects/90-归档/JobHunting/ai-find-positions/scripts/README.md |
| 简历对齐方法论已沉淀成可复用清单 | resume_validation_guide.md 给出 JD-简历对齐检查表与使用边界 | High | 02-Projects/90-归档/JobHunting/resume_validation_guide.md |
| 自动简历生成器具备模块化架构，但当前可能不可一键运行 | core/resume_generator.py 引用 get_base_config；base_config.py 未定义该函数；同时存在包/相对导入结构问题 | High | 02-Projects/90-归档/Automated-Resume-Generator/core/resume_generator.py02-Projects/90-归档/Automated-Resume-Generator/configs/base_config.py |
| Vault 内存在噪音与可移植性问题（.git/.pyc/.DS_Store） | 归档目录内检测到 .git internal 约 38 个文件、.pyc 2 个、.DS_Store 2 个 | High | 02-Projects/90-归档/JobHunting/locate/before/career-visualization/.git/ |
| 已写过“商业化候选与下一步验证”的思路 | prompt-hub/README.md 包含商业化候选与本周目标（对外演示/定价草案） | Med | 02-Projects/90-归档/prompt-hub/README.md |
下一步
建议你继续做什么（按优先级）
- 把 JobHunting 变成一个“随时能跑”的系统：一键生成今日岗位 → 看板排序 → 选 1 个投递 → 记录跟进。
- 把 locate 的研究产物变成内容与作品：每份长报告拆 3 条短内容（框架 + 结论 + 行动）。
- 把自动简历生成器“修到能用”或“换成熟开源”：目标不是完美，而是能稳定支持 1 条投递链路。
开源项目（直接能帮你省时间）
- Scraping：Scrapy / Playwright / scrapy-playwright（更抗动态页面）。
- 去重/相似度：RapidFuzz（本地模糊匹配）；sentence-transformers + FAISS/Qdrant（语义去重）。
- 简历生成/排版：JSON Resume；Reactive Resume；Typst/LaTeX 模板。
- 提示词与评测：promptfoo（prompt 测试）；Langfuse（开源 prompt/trace 管理）。
- Obsidian 生态：Dataview / Templater / Linter / Obsidian Git（多数插件本身开源）。
盈利潜力（从快到慢）
- 模板包：Obsidian 求职管理系统（模板 + 看板 + 示例）
- 服务：1v1 搭建/迁移 + JD-简历对齐（按次收费）
- 小工具：本地岗位抓取 + 打分 + 输出（CLI/桌面工具）
- SaaS：Prompt Hub/求职系统的云端版本（最后做，先验证分发）
细节（可选）
逐个盘点：顶层目录（点击展开）
| Item | Value | Where to Continue | Gap |
|---|---|---|---|
JobHunting/ |
最成熟：字段化岗位笔记 + 自动搜索脚本 + 看板 + 对齐指南 + 研究产物 | 打通“岗位→看板→简历/对齐→投递→复盘”闭环；并可打包成模板包 | 口径不统一、脚本易失效、噪音文件混入 vault |
Automated-Resume-Generator/ |
模块化简历生成框架（多模型支持思路清晰） | 要么修到可用并接入 JobHunting，要么替换为成熟开源生成/排版方案 | 当前存在配置/导入/可移植性问题 |
prompt-hub/ |
提示词管理中心的项目页（含运行/商业化候选） | 若继续：聚焦差异化（工作流/评测/本地化）并做最小可用演示 | 实际代码不在归档目录内（仅指针） |
latin-challenge/ |
清晰的 30 天目标模板（适合健康/内容 IP） | 当你要做“健康×内容”副线时，可直接复用其里程碑结构 | 已评估不适合当前阶段，继续推进需先改目标与节奏 |
misc/20251106gpt分析.md |
关于“发布≠有人买”的一次完整商业化反思与方向评估 | 把其中的主线选择，落地到一个 4 周验证计划 | 如果停留在分析，不会产生结果证据 |
JobHunting：关键资产清单（点击展开）
JobHunting/README.md：系统说明（字段化 + 看板 + 模板）。JobHunting/index.md：Dataview 看板（统计 + 列表）。JobHunting/templates/job.md：职位笔记模板（建议统一字段与尺度）。JobHunting/ai-find-positions/scripts/：自动搜索脚本（README + 安装脚本 + cron 配置）。JobHunting/resume_validation_guide.md：JD-简历对齐清单（可直接产品化为服务/模板）。JobHunting/locate/：研究与 HTML 输出（建议作为作品集素材整理）。JobHunting/resume/：简历素材（包含敏感信息，建议与可分享模板隔离）。
Automated-Resume-Generator：现状与可修复点（点击展开）
价值在于模块拆分（prompt builder / model factory / generator）。但如果要复活，建议先解决三类问题：
- 包结构与导入：目前 core/ 内使用相对导入（
..），但项目不在一个明确包里。 - 配置一致性：
get_base_config未定义；model_factory 参数形态与调用不一致。 - 可移植性：硬编码绝对路径会让复用与开源困难，需改为相对路径/环境变量。
仓库卫生：噪音文件与建议（点击展开）
- 检测到噪音文件约 44 个（.git internal: 38, .pyc: 2, .DS_Store: 2）。
- 建议：把嵌套 git 仓库移出 vault 或至少不参与同步/索引；清理 .pyc；避免把构建产物与系统文件写进知识库。
交互：点击任意 SVG/图片全屏查看
支持拖拽移动、滚轮缩放、双击重置、ESC 关闭。
来源
02-Projects/90-归档/INDEX.md02-Projects/90-归档/JobHunting/README.md02-Projects/90-归档/JobHunting/index.md02-Projects/90-归档/JobHunting/templates/job.md02-Projects/90-归档/JobHunting/ai-find-positions/scripts/README.md02-Projects/90-归档/JobHunting/resume_validation_guide.md02-Projects/90-归档/JobHunting/locate/20260102/运营岗位-未来核心竞争力-自媒体与业务数据-调研结论.md02-Projects/90-归档/prompt-hub/README.md02-Projects/90-归档/Automated-Resume-Generator/README.md02-Projects/90-归档/misc/20251106gpt分析.md
收尾总结
这份归档里，最明确的价值不是某一个单点文件，而是一条已经成型的“流程资产”：你能把复杂信息（岗位/方向/自我定位）结构化，并用自动化把它落到 Obsidian 里。
下一步不是继续增加模块，而是把现有模块打通、对外展示，并做一次小规模付费验证：你会更快得到“继续做什么”的真实答案。
一个下一步动作
把 JobHunting 里最成熟的 3 件事（模板 job.md + Dataview 看板 + 自动搜索脚本）整理成一个无隐私的可分享包，并录一段 3 分钟从 0 跑通的演示（今日岗位→看板→选岗→对齐清单）。
“把结论变成第一步。”
— Closing note