# JacePack

**Repository Path**: SapientialM/JacePack

## Basic Information

- **Project Name**: JacePack
- **Description**: 基于Java构建的智能套件，正在开发中！！
- **Primary Language**: Java
- **License**: Apache-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-13
- **Last Updated**: 2026-07-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# JacePack

JacePack 是一个**多项目集合仓库(Monorepo)**,围绕"AI × 个人成长"这条主线,
承载 5 个独立演进的子项目。每个项目都从一个被验证的开源蓝本起步,朝自己的细分方向
做特化,最后聚合为求职简历上"代表性作品"。

| 分支 | 项目名 | 蓝本 | 发展方向 | 状态 |
| --- | --- | --- | --- | --- |
| [`JaceCLI`](../../tree/JaceCLI) | **JaceCLI** | paicli 的变体,以 Codex / Claude Code 为蓝本 | AI 辅助代码开发 | 🚧 持续开发 |
| [`JaceOps`](../../tree/JaceOps) | **JaceOps** | paicli 的变体,以飞书机器人 为蓝本 | Python/JS 自动化 + 动态计划(DAG + 飞书文档 + 公共 CLI) | 🚧 持续开发 |
| [`JaceJob`](../../tree/JaceJob) | **JaceJob** | [JobClaw](https://gitcode.com/javabetter/JobClaw) 的变体,以 求职信息 搜寻为蓝本 | OpenClaw 求职 Agent | ⏳ 等 JobClaw 正式版 |
| `JaceResume` *(分支占位名:`JobResume`)* | **JaceResume** | [PaiSmart](https://gitcode.com/javabetter/PaiSmart) 的变体,以 简历姬 为蓝本 | 简历优化 / 模拟面试 / 面试准备 | 🌱 早期建设 |
| [`JaceBlog`](../../tree/JaceBlog) | **JaceBlog** | [技术派](https://gitcode.com/javabetter/paicoding) 的变体,以 技术派 为蓝本 | 个人博客 / 简历面试经历记录 | 🌱 早期建设 |

> **说明**:`main` 分支只承担"项目橱窗"角色,不再承载任何业务代码。所有功能代码都在
> 上面的 5 个分支独立演进,`LICENSE` 在所有分支共享。
>
> **分支占位提示**:JaceResume 当前仍处在 `JobResume` 占位分支(只含 README 与 LICENSE),
> 待业务代码启动后会把分支重命名为 `JaceResume`。

---

## 📂 仓库结构与分支约定

- **`main`(本分支)**:**只**包含 `README.md` 与 `LICENSE`,作为仓库入口与对外说明。
- **`JaceCLI`**:JaceCLI 项目的开发分支,Java Agent CLI 业务代码在这里提交与发布。
- **`JaceOps`**:JaceOps 项目的开发分支,智能 Oncall / 工程化运维业务代码在这里提交与发布。
- **`JaceJob`**:JaceJob 项目的占位分支,等 JobClaw 正式版发布后启动业务代码。
- **`JobResume`(将重命名为 `JaceResume`)**:JaceResume 项目的占位分支。
- **`JaceBlog`**:JaceBlog 项目的占位分支,目前只有 README。

切到对应分支即可获得该项目的完整源码与文档:

```bash
git clone <repo-url>
cd JacePack

git checkout JaceCLI     # AI Coding CLI(Java Agent)
git checkout JaceOps     # Oncall 智能运维助手
git checkout JaceBlog    # 个人博客 / 求职经历记录
git checkout JaceJob     # OpenClaw 求职 Agent(等 JobClaw 正式版)
git checkout JobResume   # 简历优化 / 模拟面试(占位分支,后续重命名为 JaceResume)
```

---

## 🤖 JaceCLI — AI Coding CLI

> 分支:[`JaceCLI`](../../tree/JaceCLI) · 蓝本:Codex / Claude Code · 状态:**持续开发**

JaceCLI 是一个面向商业研发场景的 **Java Agent CLI**,目标是为 Java / 后端工程师提供
类似 Claude Code 的"终端里就能干活"的 AI Coding 体验:理解代码、动手改、跑测试、
提 commit,全流程在命令行完成。

### 核心能力

- **Agent Loop(ReAct / Plan-and-Execute / Multi-Agent)**:模型自主决定何时调工具何时收尾;
  支持先规划再执行的工作流,以及 Planner + Worker + Reviewer 的多 Agent 协作。
- **Memory & Context**:短期对话 + 长期事实记忆,带四档压缩引擎;通过 `JACE.md`
  注入项目级 LLM 记忆;Prompt 按 9 段分层组装(`base → personality → mode → approval
  → runtime_context → project_context → skills → context_mgmt → handoff`)。
- **11 个内置工具 + MCP 协议**:文件系统、Grep / Glob、Shell、Side-History 快照、
  RAG 代码检索、`web_search` / `web_fetch`、Skill 加载、浏览器控制等;支持 stdio /
  Streamable HTTP 两种 MCP server。
- **6 家 LLM Provider + Prompt Cache**:GLM / DeepSeek / Step / Kimi / FreeLLMApi /
  XFYUN / MiniMax,统一抽象,支持运行时切换。
- **HITL 审批 + PathGuard / CommandGuard / AuditLog**:危险操作走人工审批,
  写路径围栏、命令黑名单、操作审计日志全链路留痕。
- **TUI 三形态**:`inline`(默认,流式体感最佳)/ Lanterna / plain。
- **Skill 系统**:三级加载(jar 内置 / 用户级 / 项目级),YAML frontmatter + Markdown body
  格式,兼容 Claude Code Skill 约定。
- **Web Dashboard(F15)**:内置 WebServer + SPA + SSE,可远程观察 Agent 会话。

### 技术栈

- Java 17 + Maven
- OkHttp / Jsoup / JGit / JLine / Lanterna / JavaParser / LangChain4j 风格抽象
- 测试基线:959 通过 / 0 失败 / 4 skipped

### 适合写进简历的关键词

- Agent Loop / ReAct / Plan-and-Execute
- Tool Use / MCP / Side-History Snapshot
- RAG / Embedding / Vector Search
- TUI / Streaming / HITL / Audit
- 多 LLM Provider 适配 / Prompt Engineering / Token 预算

---

## 🚨 JaceOps — 自动化 / 动态计划 Agent(Python + JS)

> 分支:[`JaceOps`](../../tree/JaceOps) · 蓝本:飞书机器人 · 基础栈:Python / JS · 状态:**持续开发**

JaceOps 不再停留在"Oncall 助手"那条线,而是把"飞书机器人"作为蓝本,做成一个面向
**自动化、流程化**场景的 Agent 框架:以 **Python / JS** 为基础栈,用 LLM 把一句自然语言
目标**动态规划**成可执行的 DAG,再由 Python / JS 胶水层把 DAG 真正跑起来;状态、复盘、
长程记忆全部沉到飞书文档,CLI 优先复用公共 CLI,不另起炉灶。

### 特化方向

- **基础栈**:以 Python、JS 为主(不再走 Java),便于胶水化、跟飞书 / 数据 / 内部 CLI 打通。
- **动态计划**:目标是"动态地完成一个计划",而不是写死步骤;LLM 拆解,代码执行。
- **策略即输入**:把每一次执行抽象为"输入 / 任务 / 要求 / 门禁 / 输出"的策略,LLM 据此规划。
- **DAG 化拆解**:复杂任务自动被拆成 DAG 节点,可重试、可检验、可重派。
- **强状态 + 飞书文档驱动**:State + 飞书文档 + 全局 Memory 三层互为索引,出问题时可按时间线回放。
- **LLM × JS 双端**:大模型侧出计划,JS 脚本侧出动作;两者通过 SKILL + 公共 CLI 协议对接。

### 五大核心要素

#### 1. 策略(Strategy)

策略描述"这一次执行,用什么输入、走什么任务、满足什么要求、经过什么门禁、产出什么输出"。

- **输入**:任务来源(飞书消息 / webhook / 定时 / 手动触发)+ 上下文材料(对应飞书文档)。
- **任务**:要做的事的自然语言描述、所属场景(部署 / 数据 / 流程 / 内部 IT 等)。
- **要求**:完成准则(完成定义 / 验收口径 / KPI),用于"是否交付"的判断。
- **门禁**:执行前后的硬性检查点(权限检查 / 审批 / 安全审计 / 失败上限)。
- **输出**:交付物形式(数据 / 文档 / 回执 / 状态变更 / 飞书群消息)。

#### 2. 约束(Constraints)

策略之外的"执行纪律",保证计划跑得稳、可追溯、可恢复。

- **重试**:每一步定义失败语义与重试策略(指数退避 / 限次重试 / 人工兜底 / 强制终止)。
- **检验**:执行结束后自动校验(参数合法 / 数据一致 / 副作用 / 审批回执),不达标进入重派。
- **需求拆解(DAG)**:复杂任务由 LLM 拆解为 DAG 节点;节点之间有依赖 + 门禁 + 检验,
  任意节点失败可局部重派而不必重启全图。

#### 3. 记录(Recording)

让执行全过程可追溯、可恢复,落到三层:

- **State**:轻量状态机,记录每次执行的 ID / 阶段 / 上下文 / 关键决策;本机或 Redis 都行。
- **飞书文档**:把每条任务的"输入 / 要求 / 摘要 / 产物 / 回执"写到对应飞书文档,
  它同时是长程记忆和对外可交付物。
- **全局 Memory**:跨任务的复盘沉淀,可走向量库 + 摘要,也可直接落到一个飞书文档目录里,
  由 JaceOps 在任务开始时按需检索。

#### 4. 端侧(Endpoints)

"谁来执行一步"的分工边界:

- **大模型侧**:负责"想明白"——动态规划 / DAG 拆解 / 自然语言汇总 / 写回飞书文档。
- **JS 脚本侧**:负责"做出来"——参数化胶水脚本 / 调用外部 CLI / 写文档 / 发飞书消息。

#### 5. 基本单位(Primitives)

可被 LLM 反复调用 / 反复生产的三类最小资产:

- **SKILL**:沿用 JaceCLI 的 SKILL 规范,但绑定 Python / JS 运行时;一次 SKILL = 一个原子能力。
- **飞书文档**:既是"上下文输入"(需求 / 模板 / 历史),也是"产物输出"(报告 / 记录 / 凭据)。
- **CLI(公共)**:JaceOps **不自研**新 CLI,直接消费现有公共 CLI(飞书 CLI / kubectl / gh /
  企业内部 CLI),通过 SKILL 适配层把 CLI 暴露给 LLM。

### 设计原则

- **动态计划优先**:不再写死"输入 → 处理 → 输出"的固定链路,改由 LLM 按策略现场规划。
- **公共 CLI 复用**:不自研新 CLI,新能力以"SKILL 适配 + JS 胶水脚本"为主,降低维护面。
- **飞书文档既当输入也当输出**:任务定义 / 产物 / 复盘天然落进飞书,减少跨系统搬运。
- **Python + JS 双栈**:Python 偏数据 / 胶水,JS 偏飞书 / 前端动作;两者通过 SKILL 统一对外暴露。
- **强状态机**:每一步执行都能被重试、被重派、被回放,失败语义明确。

### 适合写进简历的关键词

- Agent / Dynamic Planning / DAG Decomposition
- Python / Node.js / SKILL 适配层
- 飞书 Open API / 飞书文档 / 飞书机器人
- 公共 CLI 集成 / 自研适配层(不另起新 CLI)
- 状态机 / 重试 / 检验 / 全局 Memory
- 自动化 / 流程化 / 工程化落地

---

## 💼 JaceJob — OpenClaw 求职 Agent

> 分支:[`JaceJob`](../../tree/JaceJob) · 蓝本:[JobClaw](https://gitcode.com/javabetter/JobClaw) · 状态:**⏳ 等 JobClaw 正式版**

JaceJob 朝 **OpenClaw 求职 Agent** 方向特化,把 Agent 思路用在求职信息搜寻上:
按方向、岗位、关键词过滤拉新职位,把 JD 自动匹配到简历姬生成的"技能矩阵",输出
"今天新增的、跟我简历匹配度 > X 的岗位"。

> JobClaw 仍在更新迭代,**JaceJob 等待 JobClaw 正式版发布后启动业务代码**。在这之前
> 本分支只占位,不写实际功能,避免和上游主线分叉。

### 计划方向

- 求职信息多源聚合(Boss / 拉勾 / 猎聘 / 内推 / 公司官网)
- JD ↔ 简历"技能矩阵"双向匹配评分
- 与 **JaceResume** 共享"简历技能图谱"作为匹配输入
- 自然语言筛选("只关心 Java 后端 / 北京 / 不卷的")
- 投递进度追踪、面试节奏提醒

### 适合写进简历的关键词

- Agent for Job Hunting / OpenClaw
- 多源信息聚合 / 反爬 / 去重
- 简历 ↔ JD 匹配 / 评分体系
- LLM 工作流 / Prompt 工程化

---

## 📝 JaceResume — 简历优化 / 模拟面试

> 分支:`JobResume`(待重命名为 `JaceResume`) · 蓝本:[PaiSmart](https://gitcode.com/javabetter/PaiSmart)(简历姬) · 状态:**🌱 早期建设**

JaceResume 在简历姬基础上朝**简历优化 + 模拟面试 + 面试准备**方向特化:把一份简历
拆成"技能矩阵 / 项目经历 / 八股问答 / 行为面试故事"四块结构化资产,既可独立写、也可
被 JaceJob / JaceBlog 复用,形成求职主线上的内容中枢。

### 计划方向

- **简历优化**:基于 LLM 的多轮改稿、量化指标补充、项目经历 STAR 化。
- **技能矩阵**:从简历 / 项目 / 仓库源码抽取技能标签,形成可被搜索 / 打分的资产。
- **模拟面试**:技术面(八股 / 算法 / 系统设计)+ 行为面(STAR / 反问 / 谈薪)双轨
  模拟,支持难度梯度与岗位定制。
- **面试准备**:按"目标公司 → 岗位 → 已掌握 / 待补强"输出 4 / 8 / 12 周冲刺计划。
- **与主线打通**:技能矩阵作为 **JaceJob** 的匹配输入;面试复盘沉淀到 **JaceBlog**。

### 适合写进简历的关键词

- AI Resume Optimization / Skill Matrix
- Mock Interview / Interview Prep
- RAG / Prompt Engineering / 工作流编排
- 结构化输出 / 评估体系设计

---

## 📰 JaceBlog — 个人博客 / 求职面试经历记录

> 分支:[`JaceBlog`](../../tree/JaceBlog) · 蓝本:[技术派](https://gitcode.com/javabetter/paicoding)(技术派) · 状态:**🌱 早期建设**

JaceBlog 在技术派社区版基础上,把它改造为面向**个人博客 + 简历面试经历记录**的
轻量内容平台:把求职过程中产生的"模拟面试复盘 / 八股速记 / 项目复盘 / 投递记录"
以博客为载体长期沉淀,作为简历外的"过程证据"。

### 计划方向

- 双模式内容流:**技术博客**(常规)+ **求职手记**(面试复盘 / 八股速记 / 投递日志)
- 与 **JaceResume** 共享技能图谱与项目经历库,写博客时自动反向补全。
- 与 **JaceJob** 共享技能图谱,辅助"这个项目值得写到简历里吗"决策。
- 站内标签 / 时间线 / 投递 / 面试 Kanban 等求职专属视图。
- 纯静态导出 / RSS / 一键 PDF,方便简历外投递时附"作品集链接"。

### 适合写进简历的关键词

- 社区内容平台 / 多端渲染
- 内容 ↔ 结构化数据双向打通
- 简历作品集 / 求职手记
- Spring Boot 全栈 / Vue / 搜索 / 缓存

---

## 📜 开源协议

本仓库及上述各分支下的所有项目均采用 **Apache License 2.0**。
详见 [`LICENSE`](./LICENSE)。

```
Apache License
Version 2.0, January 2004
http://www.apache.org/licenses/
```

---

## 🙋 关于作者 / 简历

5 个项目均为本人长期独立开发与维护,共同构成求职简历上的"代表性作品":

- **JaceCLI**:体现 Java 工程能力 + Agent / LLM 工程化能力。
- **JaceOps**:体现 Python / JS 工程化能力 + 动态计划 / DAG 拆解 + 飞书文档 / 公共 CLI 集成的产品落地能力。
- **JaceJob / JaceResume / JaceBlog**:体现 AI × 求职产品视角 + 内容 / 数据
  互通的产品架构能力。

如果你恰好在招 SDE / 后端 / 平台 / Agent 工程师方向的岗位,欢迎阅读源码与提交历史,
也欢迎直接联系作者交流。