R0 - JD 解析 + 角色分類器
提取要求、資歷層級、地區和領域。在格式錯誤或超出範圍的 JD 污染掃描前先拒絕。
11 個階段。一份誠實的 CV。
大多數 AI 履歷工具只是包裝過的一次 LLM 調用。First Landed 使用分階段方法：攻防審閱、OpenRouter 模型路由，以及對無法核驗內容的硬否決。
公開架構是 R0-R10 + R9b。R9b 被計入，因為它是真實的安全路徑，但它是條件觸發。只有關鍵解析、核驗或交接路徑需要 fallback 時才運行。
流程
免費掃描展示主路徑。付費深度審閱運行完整 R0-R10 攻防，R5 是硬否決，R9b 可作為 fallback 安全門。
R1 - 證據攝取
你的 CV 和 intake answers 會被歸一化為事實帳本（facts.yml）：原子化、帶日期、帶來源連結。
R2 - Bullet 候選
Writer model 會按角色 section 提出 bullet 變體，並受目標 JD 和可用證據約束。
R3 - 攻防審閱
第二個模型攻擊每條 bullet：挑剔的面試官會追問甚麼，claim 哪裏太軟。
R4 - JD 匹配評分
Judge model 用明確 rubric 按 JD 要求給每個變體評分，而不是憑模糊感覺。
R5 - Fact-Checker 否決
每個 metric、僱主、title 和技術都會對照 facts.yml 檢查。無法核驗的 claim 會在到達輸出前被殺掉。不編造實習、metric 或經歷。
R6 - 去重 + 概念聚合
抓出換了說法但意思相同的 bullet。也抓出搶同一份證據的 bullet。
R7 - Section 組合
將 bullets 組裝成角色區塊、summary、skills 和一頁版式目標。
R8 - 版式適配
自動檢測 widow，執行 spread 和 compress passes，並處理雙重問題。輸出目標是可打印。
R9 - 最終 judge + 面試攻擊圖
對整份 CV 做最後一次跨模型判斷，並生成只基於你選擇寫出的 claims 的面試問題。
R9b - 條件 fallback 安全門
如果關鍵解析或核驗路徑失敗，GPT-class fallback 會在輸出被接受前重跑該路徑。它是真實架構，但不會在每次乾淨運行中觸發。
R10 - Bullet library upsert
你保留、編輯或拒絕的 bullets 會被版本化寫入每用戶 bullet library，並帶 judge scores。下一次運行會更聰明地開始。
3 層模型策略
引擎通過 OpenRouter 路由，並按角色和階段選擇模型。下面的成本是目前內部規劃估算，不是面向客戶的承諾。
本頁成本數字是以美元計的模型基礎設施成本。客戶價格以新加坡元（S$）計。
便宜預設層
~$0.024 / run
deepseek-chat-v3 + qwen3-235b
fit-scan 和第一輪付費包的預設選擇。適用於 JD 直接、證據乾淨的情況。
平衡層
~$0.35 / run
claude-sonnet-4.6
用於複雜 JD，或需要細膩跨領域表述的角色。
高階層
~$1.96 / run
claude-opus-4.7 + gpt-5
保留給 executive packs，以及弱 CV 代價特別高的角色。
為甚麼這與你有關： First Landed 按使用量支付每次運行成本。模型路由應匹配職位風險，而不是把每個申請人都推向最貴路徑。
Fact-Checker 否決，細節
LLM 寫 CV 最常見的失敗模式是編造：不存在的實習、膨脹的 metric、不存在的 AUM。Fact-Checker 就是為防止這種情況而存在的階段，並擁有硬否決權。
對生成 bullet 中的每個 claim，Fact-Checker 會跑三項檢查：
- 存在性：這個僱主、title、技術或項目是否出現在你的證據中？
- 具體性：這個數字、範圍或日期是否可核驗，還是聽起來很自信的猜測？
- 歸屬：動詞是否匹配你實際擁有的責任？Built 要求親手參與；led 要求真實授權。
失敗的 claims 不會被軟化。它們會被殺掉。包含它們的變體會在上游被拒絕，另一個變體會被提升。這就是為甚麼大多數輸出會比一次性 LLM 輸出更短：事實密度比字數密度更重要。
Bullet library。飛輪。
每條通過考驗的 bullet 都會 upsert 到每用戶、帶版本的 library。它會帶着 judge score、JD context、attack-map sample 和 revision history。下一次運行時，引擎會先考慮你的 library，再生成新的內容。所以每次申請都不必從零開始。
你拒絕的 bullets 不會被刪除。它們會連同原因一起歸檔，所以引擎不會再次建議它們。
我們仍在改進甚麼
截至 2026-06 的誠實限制：
- 第一人稱證據循環：intake form 仍會漏掉一些類別，包括志願者領導力。我們正在迭代表單欄位。
- 多語言輸出：目前英文優先。中文和粵語 variants 仍在進行中。
- 跨運行語氣一致性：當 library 變大時，JD-tailoring 可能會選到略微偏掉的語氣。我們正在做每用戶 voice fingerprint。