R0 - JD 解析 + 角色分类器
提取要求、资历层级、地区和领域。在格式错误或超出范围的 JD 污染扫描前先拒绝。
11 个阶段。一份诚实的 CV。
大多数 AI 简历工具只是包装过的一次 LLM 调用。First Landed 使用分阶段方法：攻防审阅、OpenRouter 模型路由，以及对无法核验内容的硬否决。
公开架构是 R0-R10 + R9b。R9b 被计入，因为它是真实的安全路径，但它是条件触发。只有关键解析、核验或交接路径需要 fallback 时才运行。
流程
免费扫描展示主路径。付费深度审阅运行完整 R0-R10 攻防，R5 是硬否决，R9b 可作为 fallback 安全门。
R1 - 证据摄取
你的 CV 和 intake answers 会被归一化为事实账本（facts.yml）：原子化、带日期、带来源链接。
R2 - Bullet 候选
Writer model 会按角色 section 提出 bullet 变体，并受目标 JD 和可用证据约束。
R3 - 攻防审阅
第二个模型攻击每条 bullet：挑剔的面试官会追问什么，claim 哪里太软。
R4 - JD 匹配评分
Judge model 用明确 rubric 按 JD 要求给每个变体打分，而不是凭模糊感觉。
R5 - Fact-Checker 否决
每个 metric、雇主、title 和技术都会对照 facts.yml 检查。无法核验的 claim 会在到达输出前被杀掉。不编造实习、metric 或经历。
R6 - 去重 + 概念聚合
抓出换了说法但意思相同的 bullet。也抓出抢同一份证据的 bullet。
R7 - Section 组合
将 bullets 组装成角色区块、summary、skills 和一页版式目标。
R8 - 版式适配
自动检测 widow，执行 spread 和 compress passes，并处理双重问题。输出目标是可打印。
R9 - 最终 judge + 面试攻击图
对整份 CV 做最后一次跨模型判断，并生成只基于你选择写出的 claims 的面试问题。
R9b - 条件 fallback 安全门
如果关键解析或核验路径失败，GPT-class fallback 会在输出被接受前重跑该路径。它是真实架构，但不会在每次干净运行中触发。
R10 - Bullet library upsert
你保留、编辑或拒绝的 bullets 会被版本化写入每用户 bullet library，并带 judge scores。下一次运行会更聪明地开始。
3 层模型策略
引擎通过 OpenRouter 路由，并按角色和阶段选择模型。下面的成本是当前内部规划估算，不是面向客户的承诺。
本页成本数字是以美元计的模型基础设施成本。客户价格以新加坡元（S$）计。
便宜默认层
~$0.024 / run
deepseek-chat-v3 + qwen3-235b
fit-scan 和第一轮付费包的默认选择。适用于 JD 直接、证据干净的情况。
平衡层
~$0.35 / run
claude-sonnet-4.6
用于复杂 JD，或需要细腻跨领域表述的角色。
高阶层
~$1.96 / run
claude-opus-4.7 + gpt-5
保留给 executive packs，以及弱 CV 代价特别高的角色。
为什么这与你有关： First Landed 按使用量支付每次运行成本。模型路由应匹配职位风险，而不是把每个申请人都推向最贵路径。
Fact-Checker 否决，细节
LLM 写 CV 最常见的失败模式是编造：不存在的实习、膨胀的 metric、不存在的 AUM。Fact-Checker 就是为防止这种情况而存在的阶段，并拥有硬否决权。
对生成 bullet 中的每个 claim，Fact-Checker 会跑三项检查：
- 存在性：这个雇主、title、技术或项目是否出现在你的证据中？
- 具体性：这个数字、范围或日期是否可核验，还是听起来很自信的猜测？
- 归属：动词是否匹配你实际拥有的责任？Built 要求亲手参与；led 要求真实授权。
失败的 claims 不会被软化。它们会被杀掉。包含它们的变体会在上游被拒绝，另一个变体会被提升。这就是为什么大多数输出会比一次性 LLM 输出更短：事实密度比字数密度更重要。
Bullet library。飞轮。
每条通过考验的 bullet 都会 upsert 到每用户、带版本的 library。它会带着 judge score、JD context、attack-map sample 和 revision history。下一次运行时，引擎会先考虑你的 library，再生成新的内容。所以每次申请都不必从零开始。
你拒绝的 bullets 不会被删除。它们会连同原因一起归档，所以引擎不会再次建议它们。
我们仍在改进什么
截至 2026-06 的诚实限制：
- 第一人称证据循环：intake form 仍会漏掉一些类别，包括志愿者领导力。我们正在迭代表单字段。
- 多语言输出：目前英文优先。中文和粤语 variants 仍在进行中。
- 跨运行语气一致性：当 library 变大时，JD-tailoring 可能会选到略微偏掉的语气。我们正在做每用户 voice fingerprint。