CareerWise 的目標設定與監控：從設計到實作

CareerWise 是一個以 LLM 為核心的職涯諮詢網站，提供履歷健檢、職涯建議與預約諮詢。使用者可以詢問轉職、面試、薪資談判等問題，系統透過知識庫搭配 Groq 的 LLM 來提供 grounded 的建議。在上一篇中，我們從概念面拆解了目標設定與監控模式。這一篇則記錄如何把這些概念真正落實到 CareerWise 中。

現狀：純被動回應

目前 CareerWise 的 Summer 是純被動回應系統：

使用者 → 發問 → Summer → 回答 → 結束

具體問題有六個：

1. 無目標概念 — 使用者問什麼就答什麼，不知道「這次想達成什麼」
2. 無達成確認 — 對話結束時不知道問題是否被解決
3. 無跨對話連續性 — 三天後 Summer 完全忘了之前聊過什麼
4. 球員兼裁判 — review agent 跟 Summer 用同一模型，難以發現自身盲點
5. 無長期規劃結構 — 「五年內成為 CTO」這類目標只能得到一次性建議
6. 無目標可視化 — 使用者的目標分散在對話歷史中，無法一覽

整體架構

新架構在既有的對話流程中嵌入目標相關的環節：

initChat()
  ├─ 載入最近 2 個 chat
  ├─ 檢查前一個 chat 是否有未完成 goal → 顯示 proactive prompt
  └─ 檢查當前 chat 是否有 goal → 無則顯示 goal input

POST /api/chat
  ├─ classifyIntent()
  ├─ classifyTier()
  │   ├─ simple → SSE streaming
  │   ├─ medium → career chain
  │   ├─ planned → plan review
  │   ├─ planning → goal decomposition chain (新增)
  │   └─ complex → 平行化
  └─ 注入 goal context → system prompt

回答後
  ├─ 顯示 achievement prompt（若存在 goal）
  ├─ 使用者按 👍 → goal.achieved = true
  └─ 使用者按「還要問」→ 繼續

決策項目

共六項設計決策，從基礎的模型配置到上層的 UI 呈現。

Review 模型獨立

問題：reflect.ts 的 reviewAgent() 和 rewriteAgent() 都用 llama-3.1-8b-instant。同一模型同時負責生成和審查，難以發現自身盲點與幻覺。

選擇 C。B 只能改善語氣差異，無法解決模型本身的盲點。C 讓 review 與 generate 使用不同架構的模型（Mixtral MoE vs Llama dense），兩者的知識邊界與幻覺模式不同，能更有效發現問題。

const REVIEW_MODEL = "mixtral-8x7b-32768"   // 不同模型
const REWRITE_MODEL = "llama-3.1-8b-instant"  // 維持原模型

Session Goal 設定與儲存

問題：使用者每次對話都從零開始，Summer 不知道「這次想達成什麼」。

選擇 C。goal 與對話生命週期一致：chat 建立時可設 goal，chat 結束時 goal 自然 archive，不需要獨立管理。

// users/{uid}/chats/{chatId} — 新增欄位
{
  goal?: {
    text: string,
    achieved: boolean,
    achievedAt?: Timestamp,
    createdAt: Timestamp,
    smartGoal?: {
      specific: string,
      measurable: string,
      achievable: string,
      relevant: string,
      timeBound: string
    }
  },
  followUpFrom?: {
    chatId: string,
    achieved: boolean
  }
}

注入後的 system prompt 會包含目標資訊：

你是 Summer — 一位擁有豐富經驗的前端工程師與職涯顧問。
...
使用者的個人檔案：現職：TSMC Principal Engineer，年資：15 年
使用者的偏好：喜歡簡潔回答
使用者的目標：幫我評估該不該轉職

跨 Session 主動追蹤

問題：使用者今天問了「該不該離職」，三天後 Summer 完全忘了。

選擇 C。initChat() 時，檢查前一個 chat 是否有未完成的 goal。若存在，顯示 proactive prompt：「上次聊到…後來有進展嗎？」使用者可回應「有進展」或「還沒」。

SMART 目標框架

問題：使用者常說模糊的目標（「我想變強」），Summer 直接回應，沒有幫助使用者把目標具體化。

選擇 C。偵測到模糊目標時，Summer 以結構化提問引導：

使用者：「我想學前端」
  → Summer：「我來幫你把這個目標具體化：
     - Specific：你想學到什麼程度？（找工作 / 轉職 / 純興趣）
     - Measurable：怎樣算學會？（完成專案 / 拿到 offer）
     - Time-bound：希望多久達成？」

長期目標分解（Goal Decomposition Chain）

問題：使用者說「五年內成為 CTO」—— Summer 只能給一次性建議，無法分解為可執行的子目標。

選擇 C。在 classifyTier() 中新增 "planning" tier，觸發 4-step chain：

Step 1: SMARTify Goal          — 模糊目標具體化
Step 2: Decompose Sub-goals    — 拆成 4-8 個子目標（含依賴關係）
Step 3: Priority & Timeline    — 安排 3-5 個階段與時程
Step 4: Generate Report        — 產出自然語言 roadmap

classifyTier 擴充邏輯：

const PLANNING_KEYWORDS = [
  "規劃", "長期", "五年", "十年", "路線", "藍圖",
  "目標", "願景", "生涯規劃", "職涯規劃"
]

export function classifyTier(message: string): "simple" | "medium" | "planned" | "planning" | "complex" {
  const hasPlanningKeywords = PLANNING_KEYWORDS.some(kw => message.includes(kw))
  const isLong = message.length > 30
  if (hasPlanningKeywords && isLong) return "planning"
  // ... 其餘 tier 邏輯維持不變
}

目標進度儀表板

問題：目標分解完後，使用者沒有地方可以持續追蹤進度。

選擇 C。/goals 有完整的目標管理（目標卡片 + 進度條 + 子目標列表），/memories 只放摘要與連結。目標建立後，Summer 在回應中引導使用者前往 /goals 查看完整儀表板，讓使用者知道目標已經被記錄且可以隨時追蹤。

使用者旅程

情境 A：短期目標

Day 1 — Alice 第一次打開 CareerWise：

┌─────────────────────────────────────────────────────┐
│ 🎯 這次想討論什麼？                                    │
│ [我想確定該不該轉職]          [開始對話] [跳過]         │
└─────────────────────────────────────────────────────┘

Alice：「該不該從金融業轉職到前端工程師？」
→ Summer 回答（system prompt 已注入目標，回答針對轉職評估）

┌─────────────────────────────────────────────────────┐
│ 這個回答有幫助到你嗎？                [有 👍] [還要問]  │
└─────────────────────────────────────────────────────┘

Alice 按「還要問」→ 繼續對話，直到按「有 👍」完成目標。

情境 B：跨 Session 追蹤

Day 3 — Alice 再次打開 CareerWise：

┌─────────────────────────────────────────────────────┐
│ 上次我們聊到「該不該轉職」，後來有進展嗎？               │
│          [有進展]                    [還沒]           │
└─────────────────────────────────────────────────────┘

Alice 按「有進展」：
→ Summer：「太好了！學 HTML/CSS 是很好的開始。今天想聊什麼？」
→ 前一個目標標記為已完成

情境 C：長期目標分解

Bob：「我想五年內成為 CTO」
→ classifyTier → "planning"
→ Summer 先 SMARTify，引導 Bob 把目標具體化
→ Bob 回答後 → 4-step decomposition chain
→ 產出 roadmap 報告（願景目標 → 階段里程碑 → 具體行動 → 時間線）
→ 儲存到 Firestore → /goals 可查看進度

對 UI/UX 的影響

這項設計對 CareerWise 使用者來說，最直接的感受是 Summer 從被動回答變成主動關心。

改變了什麼

對話開始時，使用者看到的不再是空白輸入框，而是一個目標設定卡片：「🎯 這次想討論什麼？」。使用者可以設定這次想達成的目標，或點「跳過」保持原本的自由模式。

每次 Summer 回答後，如果存在目標，下方會出現「這個回答有幫助到你嗎？」的提示。使用者按 👍 表示目標達成，按「還要問」則繼續對話。這個反饋讓 Summer 知道問題是否被解決。

如果使用者沒按 👍 就關閉對話，下次回來時會看到：「上次聊到⋯後來有進展嗎？」。這種跨 session 的關心讓 Summer 感覺有記憶，不只是每次從零開始的陌生人。

目標建立後，Summer 會在回應結尾引導使用者前往 /goals 儀表板查看完整的目標路線圖，讓使用者知道目標已經被記錄且可以隨時追蹤進度。

對長期規劃的支援

當使用者提到「我想五年內成為 CTO」這類模糊目標時，Summer 不再直接給一次性建議，而是先引導使用者把目標具體化（SMART 提問），然後產出結構化的 roadmap。使用者可以在 /goals 頁面看到自己的目標卡片與進度條，隨時追蹤。

使用者的控制權

所有目標相關的 UI 都是 opt-in：goal input 可以跳過、achievement prompt 可以忽略、proactive follow-up 只發生在有未完成目標時。使用者不會被強迫設定目標，但當需要時，Summer 會引導而非直接回答。

已知 UX 風險與解法

總結

這次設計將 CareerWise 從純被動回應升級為具備目標設定與監控能力的主動教練系統。對照原本的六個問題：

讓 Summer 不只是回答問題，而是陪使用者一起設定目標、追蹤進度、達成結果。

參考資料

• Agent Design Pattern — Chapter 11: Goal Setting and Monitoring
• Agent 的目標設定與監控：從自我審查到多代理協作