offercontext/offerPilot

해결하는 문제

구직 과정은 종종 여러 도구와 플랫폼에 분산되어 있어, 지원, 이력서, 면접, 오퍼 정보를 통합 관리하기 어렵습니다. OfferPilot은这一切을 로컬 우선(local-first) 워크벤치로 통합하고, AI 에이전트를 활용해 정보 조회, 콘텐츠 작성, 일정 알림을 돕습니다. 동시에 중요한 변경 사항은 반드시 사용자 확인을 거쳐야 하므로, AI가 중요한 기록을 임의로 변경하지 못합니다. 또한 자동으로 이력서를 제출하거나 채용 담당자에게 연락하지 않으며, 의사 결정권은 항상 사용자에게 있습니다.

작동 방식

• 사용자가 먼저 회사, 직무, 단계 등의 지원 정보를 기록합니다. AI는 선택 기능이며, 기본 기록에는 모델 설정이 필요 없습니다.
• 자체 모델 서비스를 구성한 후, 내장 Pilot Agent는 저장된 구직 정보를 활용해 도구 호출로 지원 현황을 조회하고, 면접 일정을 생성하거나 자료를 작성하며, 사용자가 확인할 수 있는 확인 카드를 생성합니다. 사용자가 확인한 후에만 프로그램이 실제로 데이터를 기록하고, 이후 캘린더 등 모듈에서 올바르게 저장되었는지 검증합니다.
• 지원 현황 보드, 이력서 관리, 모의 면접, 오퍼 비교 등의 모듈과 실험적인 구직 이메일 어시스턴트(사용자가 수동으로 활성화하고 인증 코드를 입력해야 함)를 제공합니다.
• 로컬 우선(local-first): 비즈니스 데이터는 로컬에 저장됩니다(Windows 데스크톱 버전: %APPDATA%\OfferPilot Desktop\data, 소스 코드 버전: ~/.offerpilot, Docker: 데이터 볼륨 사용). AI 사용 시 관련 자료는 사용자가 구성한 모델 서비스로 전송되며, 서비스 제공업체 비용이 발생할 수 있습니다.
• 또한 그림, 소규모 실험, 소스 코드 가이드를 포함한 학습 자료를 제공하여 에이전트가 도구 호출, 컨텍스트 관리, 쓰기 확인, 취소 및 복원을 어떻게 구현하는지 보여줍니다.

대상 사용자

• 구직자: 지원 관리, 면접 준비, 오퍼 비교를 통합 관리하고 싶고, AI 보조 기능을 사용하되 최종 제어권을 유지하려는 사람.
• AI 빌더: 에이전트가 도구 호출과 수동 확인 메커니즘을 어떻게 결합하는지 연구하고 싶은 사람. 이 프로젝트는 개념부터 소스 코드까지 완전한 학습 경로를 제공합니다.

주요 특징

• 로컬 우선(local-first): 데이터는 사용자 기기에 저장되며, 메시지를 마음대로 보내거나 자동으로 지원하지 않습니다.
• 주요 구직 기록의 수정은 기본적으로 사용자 확인이 필요하며, 명확한 확인 카드 메커니즘이 있습니다.
• Pilot Agent는 자료 조회, 작성, 도구 호출을 결합하고, 취소, 복원, 실행 기록을 지원합니다.
• 실험적인 이메일 어시스턴트는 수동으로 활성화해야 하며, 인증 코드는 시스템 자격 증명 저장소에만 저장됩니다.
• 학습 로드맵과 실험을 포함하여 에이전트 구현 세부 사항을 분석할 수 있습니다.
• AGPLv3 오픈소스이며, Live2D 캐릭터와 오프라인 Whisper 구성 요소는 각각의 라이선스를 따릅니다.