履歴書フィードバックは簡単だが、それを文脈対応にしようとすると難しくなる

これにより以下の洞察が得られます:

• 「X に取り組んだが、それを含めていません」
• 「保存済みの詳細と比べて、あなたのプロジェクト説明はあまりにも曖昧です」

この種のフィードバックは、記憶がなければ不可能です。

文脈のために Hindsight を使用

メモリ層は以下によって動作します:
https://github.com/vectorize-io/hindsight

詳細はこちら:
https://hindsight.vectorize.io/

概念:
https://vectorize.io/features/agent-memory

この変更によって改善された点

以前:

• 一般的な履歴書のヒント
• 繰り返しの提案

以後:

• 文脈を考慮した修正
• 欠落した内容の検出
• より適切なパーソナライズ

❌ うまくいかなかった点

• 履歴書のテキストだけに依存する
• 過去のやり取りを無視する
• 完全なメモリでモデルを過負荷にする

学んだ教訓

• 履歴には履歴がないと不完全です
• 記憶は比較を可能にします。分析だけではありません
• 文脈の統合は解析よりも強力です

最後に

履歴書のフィードバックは作成しやすいです。

文脈を考慮した履歴書フィードバックはそうではありません。

そして違いは「記憶」です。