不是一个测评工具，是一层职业数据基础设施
ProfileClaw 把测评、简历、行为偏好和能力信号组织成三层架构——数据层记录你是谁，智能层判断你适合什么，应用层让报告、Agent 和企业系统在同一份档案上工作。
能力分散，数据断层
RIASEC 测评在这里，简历在那里，AI 分析又在另一个产品里。每换一个工具都要从头介绍自己。
统一的职业数据底座
四类测评得分、简历解析、技能标签和偏好设置归入同一份结构化档案——采集一次，长期可用。
同一份档案，多种输出形式
个人报告、AI Advisor、OpenClaw Agent 和企业接口从同一份数据出发，不再重复采集。
三层架构采集 → 分析 → 输出
完成一次 RIASEC 测评和简历上传后，数据进入底层存储；智能层在上面做方向分析和路径推荐；应用层把结果交给你、你的 Agent 或你所在的企业系统。
数据层
智能层
应用层
数据层
RIASEC、大五人格、价值观、技能天赋四类测评结果加上简历解析和偏好设置，形成持续更新的结构化档案。这一层存的是长期记录，不是一次性报告。
智能层
在结构化数据上做岗位匹配度评估、转岗风险判断和路径推荐。每条结论都能追溯到具体测评维度——比如「推荐产品经理」背后是 RIASEC 社会型得分 + 简历中的协调经历。
应用层
三种输出形式：个人用户看可读的报告和建议，开发者通过 Context API 调用档案数据，企业侧则以当前已上线 API 与按项目交付的集成支持为主。
核心能力
平台和工具的区别：一份档案可以被多个产品、Agent 和系统反复调用。
结构化建模
兴趣、人格、价值观、技能和简历统一成一份可查询、可复用的档案。一次测评同时服务个人报告、AI 建议和企业匹配。
可解释推理
每条建议标注数据来源。「推荐产品经理」不是 AI 猜的——是因为你 RIASEC 社会型 + 企业型得分高、大五开放性中偏上、且有跨部门协调经历。
多场景输出
同一套数据支持个人报告、AI Advisor 对话、OpenClaw Agent 探索和开发者 API 调用；企业侧当前以现有 API 与项目制集成为主，不承诺未正式上线的批量能力。
权限与边界
你的职业数据经授权后才可被调用。可以只对某个 Agent 开放测评摘要，或只对企业开放技能标签。每次访问都有权限边界和审计记录。
平台能力展示
一份档案，多种输出形式
三种使用方式
不同角色从同一份档案出发。
个人用户：建档案、看报告
先完成四类测评，必要时再解锁简历解析和综合报告。这样你会先拿到一份结构化能力画像，再逐步补全更深的 AI 层。
AI 与 Agent：读档案、做分析
通过 Context API 读取聚合后的职业数据。OpenClaw 帮你筛岗位时，用的是你的真实兴趣结构和技能标签，不是从对话里猜。
企业：接数据、入流程
企业接入仍在建设中。当前更适合围绕已上线 API、上下文读取和按项目交付的流程集成来评估招聘筛选或人才盘点场景。
平台治理原则
你拥有自己的职业数据——可查看、可导出、可删除
每次 API 调用遵循明确的权限边界，未授权字段不会被读取
AI 输出必须可追溯到结构化数据来源，不允许黑箱结论
同一份测评数据不该被不同系统重复采集
经授权接入的产品应复用同一份档案，而不是再造一份平行副本