CoverCraft
一款以防止AI幻觉为核心设计原则的求职信生成工具，通过判断与计算分离、GitHub提交记录锚定、对抗性审查等机制，确保生成内容严格基于用户真实简历
时间轴 (近 90 天)
CoverCraft 是一款求职信生成器，核心设计原则是AI无法声称任何无法追溯到用户真实简历文本的内容
CoverCraft 中 LLM 只负责将简历与岗位的匹配情况分类为 STRONG_MATCH / PARTIAL / MISSING，最终分数由应用代码按固定公式计算
匹配分数计算公式为 score = (strong*1.0 + partial*0.6 + transferable*0.4) / total
CoverCraft 通过 GitHub MCP 工具拉取用户公开仓库的真实提交历史，将能力声明锚定到具体的 commit hash 上
CoverCraft 使用对抗性审查模块将被夸大的动词降级，例如将 spearheaded 改为 led implementation of、pioneered 改为 developed
CoverCraft 的公司调研信息以卡片形式展示给用户，由用户逐条批准或拒绝，不会自动注入提示词
CoverCraft 的技术栈为 Next.js + Python MCP 服务器 + Gemini（针对429限流做了fallback与熔断机制）+ Tavily 搜索 + Langfuse 链路追踪
CoverCraft 整套系统运行在各服务商的免费额度上，运营成本为 $0
CoverCraft 作为独立注册的 MCP 服务器被 M8ven 的 MCP Trust Index 收录并标记为 Verified Publisher
系统性约束生成式AI幻觉的方法包括剥离确定性计算、用可验证外部数据源做事实锚定、对抗性二次审查过滤夸大、人工审批
全部知识事实 (10)
系统性约束生成式AI幻觉的方法包括剥离确定性计算、用可验证外部数据源做事实锚定、对抗性二次审查过滤夸大、人工审批
50%待验证CoverCraft 中 LLM 只负责将简历与岗位的匹配情况分类为 STRONG_MATCH / PARTIAL / MISSING，最终分数由应用代码按固定公式计算
50%待验证匹配分数计算公式为 score = (strong*1.0 + partial*0.6 + transferable*0.4) / total
50%待验证CoverCraft 通过 GitHub MCP 工具拉取用户公开仓库的真实提交历史，将能力声明锚定到具体的 commit hash 上
50%待验证CoverCraft 使用对抗性审查模块将被夸大的动词降级，例如将 spearheaded 改为 led implementation of、pioneered 改为 developed
50%待验证CoverCraft 的公司调研信息以卡片形式展示给用户，由用户逐条批准或拒绝，不会自动注入提示词
50%待验证CoverCraft 的技术栈为 Next.js + Python MCP 服务器 + Gemini（针对429限流做了fallback与熔断机制）+ Tavily 搜索 + Langfuse 链路追踪
50%待验证CoverCraft 整套系统运行在各服务商的免费额度上，运营成本为 $0
50%待验证CoverCraft 是一款求职信生成器，核心设计原则是AI无法声称任何无法追溯到用户真实简历文本的内容
50%待验证CoverCraft 作为独立注册的 MCP 服务器被 M8ven 的 MCP Trust Index 收录并标记为 Verified Publisher
50%