Bài toán Sinh viên năm 3–4 và người mới tốt nghiệp thường sử dụng một bản CV chung cho nhiều vị trí, chưa biết hồ sơ còn thiếu kỹ năng hoặc từ khóa nào so với Job Description (JD), nên dễ bị loại từ vòng sàng lọc ban đầu. Các bạn cũng thiếu môi trường phỏng vấn thử bám sát CV và vị trí ứng tuyển, trong khi nguồn lực cố vấn tại trường khó đáp ứng tư vấn 1-1 liên tục cho số lượng lớn sinh viên.

Giải pháp Career Assistant X cho phép sinh viên tải CV định dạng PDF/DOCX, chọn JD trong thư viện hoặc dán JD bên ngoài để nhận Match Score và báo cáo Gap Analysis. Hệ thống chỉ rõ yêu cầu đã đáp ứng, kỹ năng còn thiếu, mức độ ưu tiên và đề xuất cách diễn đạt CV phù hợp ATS. Mọi gợi ý đều phải dựa trên thông tin có thật trong hồ sơ; sinh viên chủ động Accept/Reject trước khi áp dụng, giúp hạn chế AI bịa hoặc thổi phồng kinh nghiệm.

Sau khi chọn một CV và một JD, sinh viên có thể tham gia phỏng vấn thử với bộ câu hỏi được cá nhân hóa. AI đặt câu hỏi đào sâu khi câu trả lời chưa đủ rõ, chấm điểm theo bốn tiêu chí Situation, Task, Action và Result, sau đó tạo báo cáo về điểm mạnh, điểm cần cải thiện và kế hoạch luyện tập. Trợ lý Nova hỗ trợ giải thích kết quả và định hướng các bước tiếp theo; cố vấn hướng nghiệp có thể theo dõi tiến độ của những sinh viên đã cấp quyền để bổ sung phản hồi Human-in-the-Loop.

Giải pháp kỹ thuật Sản phẩm được xây dựng dưới dạng ứng dụng web với Next.js ở frontend và FastAPI ở backend. Các quy trình phân tích CV, Gap Analysis, phỏng vấn thử và trợ lý Nova được điều phối bằng LangGraph; Google Gemini đảm nhiệm các tác vụ ngôn ngữ. Pipeline so khớp CV–JD kết hợp BM25, semantic embedding, Reciprocal Rank Fusion và PostgreSQL/pgvector để truy xuất bằng chứng, đồng thời duy trì khả năng truy vết từ kết quả đánh giá về nội dung và trang nguồn trong CV.

Hệ thống sử dụng JWT và phân quyền theo vai trò, quét tệp tải lên bằng ClamAV, hỗ trợ lưu trữ Cloudflare R2 hoặc ổ đĩa cục bộ và được đóng gói bằng Docker. Cơ chế cache theo phiên bản CV/JD và chế độ embedding cục bộ giúp giảm chi phí gọi mô hình, tiết kiệm quota và vẫn duy trì luồng demo khi dịch vụ AI bên ngoài gặp sự cố.

Tính khả thi MVP đã có luồng end-to-end cho đăng nhập, quản lý CV/JD, phân tích mức độ phù hợp, gợi ý tối ưu, phỏng vấn thử, báo cáo STAR và dashboard theo vai trò. Kiến trúc local-first, cơ chế fallback, kiểm thử tự động và nguyên tắc người dùng duyệt nội dung trước khi áp dụng giúp sản phẩm phù hợp để thử nghiệm trong môi trường đại học, nơi chi phí vận hành, quyền riêng tư dữ liệu và tính trung thực của hồ sơ là các yêu cầu quan trọng.

Hướng phát triển Giai đoạn tiếp theo tập trung triển khai bản public, thí điểm với sinh viên và cố vấn hướng nghiệp, đo lường tỷ lệ sử dụng, CSAT và mức cải thiện qua các lần tối ưu CV/phỏng vấn. Sản phẩm cũng sẽ mở rộng phỏng vấn bằng giọng nói, phân tích tiến bộ theo thời gian, cá nhân hóa lộ trình học kỹ năng và kết nối doanh nghiệp để đăng JD, tiếp nhận hồ sơ; Match Score chỉ đóng vai trò tham khảo, còn quyết định tuyển dụng vẫn thuộc về con người.