کار با Dossier: از پروفایل تا پیگیری Using Dossier

گواهینامه گرفتی؛ حالا اولین رانندگی

روزی که گواهینامه می‌گیری، هنوز راننده نشده‌ای. اولین بار که تنها پشت فرمان می‌نشینی، نمی‌دانی آینه را چقدر تنظیم کنی یا صندلی را کجا بگذاری. یک جلسه‌ی کامل با یک همراه آرام کافی است تا همه‌چیز سر جایش بنشیند.

در درس قبل Dossier را نصب کردی. این درس همان جلسه‌ی اول رانندگی است. قدم‌به‌قدم تنظیمات را انجام می‌دهی، پروفایل و رزومه‌ی پایه را می‌سازی، اولین درخواست را از یک آگهی درست می‌کنی و آن را روی بورد پیگیری جلو می‌بری. آخر درس هم می‌بینی همین ابزار را چطور برای یک موقعیت دکتری به کار ببری.

یادت باشد رابط Dossier انگلیسی است. اسم دکمه‌ها و منوها را همان‌طور که روی صفحه می‌بینی، به انگلیسی آورده‌ایم.

نقشه‌ی جلسه‌ی اول

بخش اول: تنظیمات

قدم ۱: انتخاب راه هوش مصنوعی

به Settings → AI provider برو. این‌جا تصمیم می‌گیری خواندن آگهی و نوشتن پیش‌نویس‌ها با کدام مدل انجام شود. سه راه داری و هر سه درست‌اند.

راه الف: بدون هوش مصنوعی. هیچ مدلی انتخاب نکن. پروفایل، رزومه‌ی پایه با تم‌ها و PDF، و خروجی گرفتن از داده‌ها کار هوش مصنوعی نیستند. ولی خواندن آگهی، تطبیق و نوشتن رزومه و نامه‌ی اختصاصی کار مدل است و باید خودت انجامشان بدهی. اگر دیدی در نسخه‌ی تو ساختن درخواست بدون مدل ممکن نیست، پیگیری را در جدول درس دوم ادامه بده.

راه ب: مدل محلی با Ollama. مدل روی کامپیوتر خودت اجرا می‌شود و پروفایل، آگهی‌ها و مدارکت از سیستمت خارج نمی‌شوند. رایگان است، ولی کندتر است و حافظه‌ی زیادی می‌خواهد. فایل Compose که در درس قبل گرفتی می‌تواند Ollama را هم کنار Dossier اجرا کند. در پوشه‌ی ~/dossier:

این دستور به Compose می‌گوید Ollama را هم روشن کند:

echo "COMPOSE_PROFILES=ai" >> .env

این دستور تغییر را اعمال می‌کند و Ollama را بالا می‌آورد:

docker compose up -d

و این دستور مدل qwen2.5:7b را دانلود می‌کند (حدود ۴٫۷ گیگابایت؛ صبور باش):

docker compose exec ollama ollama pull qwen2.5:7b

این مدل با تنظیمات Dossier حدود ۶ گیگابایت حافظه لازم دارد. اگر کامپیوترت حافظه‌ی کمتری دارد، مدل کوچک‌تر qwen2.5:3b را بگیر (حدود ۲ گیگابایت دانلود و حدود ۳ گیگابایت حافظه)؛ متن‌هایش ساده‌تر است ولی کار می‌کند:

docker compose exec ollama ollama pull qwen2.5:3b

حالا در Settings → AI provider → Local model آدرس سرور را http://ollama:11434 بگذار، مدل را از فهرست انتخاب کن و Test connection را بزن. راهنمای پروژه این مدل‌ها را «پیشنهاد» می‌داند، نه نتیجه‌ی آزمون دقیق.

انتظارت را واقع‌بینانه نگه دار: روی پردازنده‌ی معمولی، خواندن یک آگهی یک تا دو دقیقه و ساختن یک درخواست کامل چند دقیقه طول می‌کشد. اگر مدام خطای زمان (timeout) دیدی، مدل کوچک‌تر را امتحان کن.

اگر به‌جای Ollama از برنامه‌ی LM Studio استفاده می‌کنی، سرورش را در تب Developer همان برنامه روشن کن و در Settings → AI provider → LM Studio آدرس http://host.docker.internal:1234 را بگذار.

راه ج: مدل آنلاین. گزینه‌های OpenAI-compatible، Anthropic و Mistral با کلید API خودت کار می‌کنند. سریع‌ترند، ولی سرویس آنلاین آگهی، پروفایل بدون اطلاعات تماس و پیش‌نویس‌ها را دریافت می‌کند. کلیدها رمزنگاری‌شده ذخیره می‌شوند و هیچ‌وقت به مرورگر برنمی‌گردند. بعضی از این سرویس‌ها برای همه‌ی کشورها در دسترس نیستند؛ فقط طبق قوانین و شرایط خود سرویس استفاده کن. اگر در دسترست نیست، راه الف یا ب کاملاً کافی است.

هر راهی را انتخاب کردی، گزینه‌ی Never invent experience را روشن نگه دار (به‌طور پیش‌فرض روشن است). این گزینه پیش‌نویس‌ها را به واقعیت‌های پروفایلت محدود می‌کند و هر چیزی را که پیدا نکند علامت می‌زند.

قدم ۲: منبع آگهی (اختیاری)

بخش Find jobs تا وقتی در Settings → Job search منبعی انتخاب نکنی خاموش است. اگر آگهی‌ها را خودت از سایت‌ها پیدا می‌کنی و متنشان را paste می‌کنی، می‌توانی این قدم را کاملاً رد کنی.

در فهرست یک منبع سوم هم می‌بینی: سایت کاریابی دولتی آلمان (Bundesagentur für Arbeit). خود راهنمای پروژه می‌گوید این منبع غیررسمی است و شرایط استفاده‌ی آن سایت دسترسی خودکار را مجاز نمی‌داند. پیشنهاد ما این است که از JSearch یا Adzuna استفاده کنی.

جست‌وجو از شهر، کشور و نقش فعلی پروفایلت شروع می‌شود. محل، شعاع (۱۰ تا ۲۰۰ کیلومتر)، تازگی آگهی و گزینه‌ی Remote only را می‌توانی عوض کنی. جست‌وجوهای قبلی در Past searches می‌مانند تا برگشتن به آن‌ها سهمیه‌ات را مصرف نکند.

اگر خواستی، ایجنت روزانه را هم در Settings → Job agent روشن کن: یک جست‌وجو، ساعت اجرا و یک حداقل امتیاز می‌دهی. هر روز آگهی‌های تازه را امتیاز می‌دهد و بهترین‌ها را در صفحه‌ی Agent با دلیلشان نشان می‌دهد. آن‌جا می‌توانی Prepare draft، Approve یا Dismiss بزنی. هیچ‌وقت چیزی نمی‌فرستد. این منبع‌ها هم ممکن است برای همه‌ی کشورها در دسترس نباشند؛ فقط طبق شرایط خودشان استفاده کن.

بخش دوم: پروفایل و رزومه‌ی پایه

قدم ۳: ساختن پروفایل

اگر رزومه‌ای داری (PDF، Word یا Markdown)، پروفایل را با وارد کردن آن شروع کن. یادت باشد اگر مدل آنلاین انتخاب کرده‌ای، کل متن رزومه، حتی اطلاعات تماس، برای خواندن به آن سرویس فرستاده می‌شود؛ صفحه‌ی وارد کردن قبلش این را می‌گوید. اگر نمی‌خواهی، اول اطلاعات تماس را از فایل حذف کن یا پروفایل را دستی پر کن. خواندن رزومه کار مدل است؛ پس اگر راه الف (بدون هوش مصنوعی) را انتخاب کرده‌ای، پروفایل را دستی پر کن.

بعد بخش‌ها را یکی‌یکی بازبینی کن: اطلاعات پایه، مهارت‌ها و زبان‌ها، سوابق، پروژه‌ها، تحصیلات، انتشارات و معرف‌ها. چند نکته:

• دستاورد، نه وظیفه: در هر سابقه بنویس چه چیزی را بهتر کردی، با عدد واقعی اگر داری.
• پروژه‌ها را جدی بگیر: پایان‌نامه، پروژه‌ی درسی یا کار متن‌باز نشان می‌دهد چه بلدی، به‌خصوص اگر سابقه‌ی کاری کمی داری.
• انتشارات کلمه‌به‌کلمه می‌روند: همان‌طور که در رزومه می‌خواهی دیده شوند بنویس؛ با سبک ارجاع، پررنگ و ایتالیک.
• به نوار قدرت نگاه کن: فقط چیزهای لازم را می‌شمارد. وقتی پر شد، پروفایلت آماده‌ی ساختن مدارک است.

پروفایل مهم‌ترین سرمایه‌گذاری تو در این برنامه است. هر رزومه و نامه‌ای بعداً فقط از همین‌جا ساخته می‌شود.

قدم ۴: رزومه‌ی پایه

به بخش رزومه برو. از بین دوازده تم یکی را انتخاب کن و پیش‌نمایش زنده را ببین. برای بیشتر رشته‌ها یک تم ساده و خوانا بهترین است. اگر خواستی، با سازنده‌ی تم رنگ و جزئیات را تغییر بده. بعد PDF بگیر و یک بار کامل بخوانش: تاریخ‌ها، املای اسم‌ها، ترتیب بخش‌ها.

بخش سوم: اولین درخواست

قدم ۵: ساختن درخواست از یک آگهی

به New application برو و متن کامل آگهی را paste کن. فرض کن نیما، کارشناس ارشد آمار، این آگهی را پیدا کرده است:

Junior Data Analyst (m/f/d), GreenGrid Energy, Hamburg (hybrid). You have a degree in statistics, mathematics or a related field, strong SQL and Python (pandas), and experience with Tableau or a similar BI tool. You communicate clearly in English; German at B1 level or higher is a plus. Send your CV and cover letter to jobs@greengrid.example.

برنامه جزئیات و شرایط آگهی را بیرون می‌کشد و با پروفایل نیما مقایسه می‌کند. اطلاعاتی که در صفحه‌ی تطبیق می‌بینی از این نوع است:

آگهی، شرکت، نیما و جدول ساختگی‌اند. جدول ظاهر واقعی صفحه‌ی برنامه نیست؛ فقط نشان می‌دهد چه نوع اطلاعاتی می‌گیری.

کمبود آلمانی را برنامه پنهان نمی‌کند و چیزی هم از خودش نمی‌سازد. تصمیم با نیماست: در نامه صادقانه بگوید در حال یادگرفتن آلمانی است، نه این‌که سطحش را بالاتر بنویسد. بعد لحن را انتخاب می‌کند و برنامه رزومه و کاورلتر اختصاصی را می‌نویسد. اگر آگهی به زبان دیگری بود، مدارک را می‌شود به همان زبان هم نوشت.

قدم ۶: اصلاح با چت، برگشت و نسخه‌ها

پیش‌نویس اول تقریباً هیچ‌وقت نسخه‌ی نهایی نیست. در چت کنار درخواست، تغییر مشخص بخواه. درخواست‌های کوتاه و دقیق بهتر جواب می‌دهند:

• Move the energy-consumption project to the top of the projects section.
• Make the second paragraph of the cover letter shorter and more concrete.
• Mention that I am taking a German B1 course, without overstating my level.

هر بخش را هم می‌توانی دستی ویرایش یا دوباره تولید کنی؛ حتی فرستنده، تاریخ، گیرنده، سلام و امضای نامه. اگر تغییری را نپسندیدی، برش گردان، یا به هر نسخه‌ی قبلی برگرد. یادداشت‌های خصوصی هم بگذار، مثلاً «اسم مدیر تیم را از لینکدین پیدا کنم»؛ این یادداشت‌ها هیچ‌وقت برای مدل فرستاده نمی‌شوند.

قانون طلایی: قبل از ارسال، رزومه و نامه را خط‌به‌خط خودت بخوان. هر عدد، اسم و ادعا باید درست و مال خودت باشد. اگر چیزی علامت «بررسی کن» داشت، حتماً بررسی‌اش کن.

قدم ۷: PDFها و ایمیل

PDF رزومه و کاورلتر را دانلود کن. برنامه یک ایمیل هم آماده می‌کند، خطاب به همان آدرسی که آگهی گفته. متنش را مثل مدارک ویرایش کن، بعد یا کپی‌اش کن یا در برنامه‌ی ایمیلت باز کن و PDFها را پیوست کن.

بدون Gmail متصل، Dossier هیچ ایمیلی نمی‌فرستد؛ ارسال کار خود توست. حتی با Gmail متصل هم بدون تأیید تو چیزی فرستاده نمی‌شود. بعد از ارسال، وضعیت درخواست را به Sent تغییر بده تا پیگیری درست کار کند.

بخش چهارم: پیگیری

قدم ۸: بورد و جدول

همه‌ی درخواست‌ها در Applications روی یک بورد ستونی هستند، از Draft تا پیشنهاد کاری. هر وقت اتفاقی افتاد، کارت را با کشیدن به ستون بعدی ببر: ارسال شد، دعوت به مصاحبه آمد، جواب منفی رسید. اسم دقیق ستون‌های میانی را در نسخه‌ی خودت ببین. نمای جدول هم همین درخواست‌ها را برای مرور سریع و مرتب‌سازی نشان می‌دهد.

یک قانون ساده: هر تغییری را همان روز روی بورد ثبت کن. بوردی که به‌روز نیست، از نداشتن بورد بدتر است چون اعتماد بی‌جا می‌سازد.

قدم ۹: خواندن داشبورد

داشبورد چهار چیز اصلی نشان می‌دهد: قیف درخواست‌ها (برای ۳۰ روز، ۹۰ روز یا کل زمان)، نمودار هفته‌به‌هفته، کارهایی که ارزش نگاه کردن دارند (همراه با مصاحبه‌های پیش رو)، و تقویم. این عددها را این‌طور بخوان:

• ارسال زیاد، مصاحبه‌ی کم: احتمالاً مدارک یا انتخاب آگهی‌ها مشکل دارد. به آگهی‌های مرتبط‌تر و نامه‌های دقیق‌تر فکر کن، نه تعداد بیشتر.
• پیش‌نویس‌های زیاد که ارسال نشده‌اند: گلوگاه کار خود توست. هر پیش‌نویس را یا تمام کن یا کنار بگذار.
• نمودار هفتگی با هفته‌های خالی: ریتم کار به هم خورده. یک روال ثابت هفتگی کمک می‌کند.

روال هفتگی

ابزار وقتی جواب می‌دهد که به عادت تبدیل شود. یک نمونه‌ی ساده:

اختیاری: اتصال Gmail و تقویم گوگل

این بخش پیشرفته است و بدون آن هم همه‌چیز کار می‌کند. با وصل کردن حساب گوگل، درخواست را از آدرس جیمیل خودت با PDFها می‌فرستی، جواب کارفرماها کنار هر درخواست دیده می‌شود، هوش مصنوعی جواب را می‌خواند و پیش‌نویس پاسخ می‌نویسد، و مصاحبه‌ها با تقویم گوگل در دو جهت هماهنگ می‌مانند. تا تأیید نکنی، چیزی فرستاده نمی‌شود و وضعیتی عوض نمی‌شود.

چون گوگل اجازه نمی‌دهد یک ورود برای همه‌ی سرورها کار کند، هر نصب «کلاینت OAuth» خودش را لازم دارد. خلاصه‌ی قدم‌ها طبق راهنمای پروژه:

1. در Google Cloud Console یک پروژه بساز و Gmail API و Google Calendar API را فعال کن.
2. OAuth consent screen را از نوع External تنظیم کن، خودت را به‌عنوان کاربر آزمایشی اضافه کن و بعد آن را منتشر کن (In production). اگر در حالت Testing بماند، گوگل دسترسی را بعد از ۷ روز قطع می‌کند.
3. یک OAuth client ID از نوع Web application بساز. آدرس بازگشت (redirect URI) را دقیقاً همان‌طور که در Settings → Google نشان داده می‌شود کپی کن.
4. شناسه و رمز کلاینت را در Settings → Google وارد کن و Connect Google account را بزن.

چه اجازه‌هایی می‌خواهد؟ موقع اتصال خودت انتخاب می‌کنی Dossier چه کار کند: فرستادن ایمیل، خواندن ایمیل، و استفاده از تقویم. گوگل هشدار می‌دهد که برنامه «تأییدنشده» است، چون برنامه‌های خواننده‌ی ایمیل فقط بعد از بررسی امنیتی تأیید می‌شوند. این کلاینت مال خود توست، پس طبق راهنمای پروژه از بخش Advanced ادامه می‌دهی.

چه چیزی خوانده می‌شود؟ به‌طور پیش‌فرض فقط ایمیل‌های رشته‌هایی که Dossier فرستاده و ایمیل شرکت‌هایی که به آن‌ها درخواست داده‌ای نگه داشته می‌شود. اگر مدل آنلاین داری، هر جوابی که هوش مصنوعی می‌خواند به آن سرویس هم می‌رود. دکمه‌ی Disconnect دسترسی را در گوگل لغو می‌کند. سرویس‌های گوگل هم ممکن است برای همه‌ی کشورها در دسترس نباشند؛ فقط طبق شرایط خودشان استفاده کن.

اختیاری: کانکتور Claude

اگر از Claude استفاده می‌کنی، می‌توانی در Settings → Claude connector گزینه‌ی Let Claude connect را روشن کنی. بعد از Claude چیزهایی مثل «کدام آگهی‌ها به من می‌خورند؟» یا «وضعیت درخواست‌هایم چیست؟» می‌پرسی.

محدودیت نصب خانگی: Claude در وب، دسکتاپ و موبایل از سرورهای Anthropic به Dossier وصل می‌شود؛ پس Dossier باید یک آدرس عمومی HTTPS داشته باشد، یعنی روی سرور نصب شده باشد. نصب خانگی روی localhost این را ندارد. روی همان کامپیوتر، فقط اپ خط فرمان Claude می‌تواند به آن وصل شود. دستورش طبق راهنما این است و بعد از آن، داخل Claude با /mcp وارد می‌شوی:

claude mcp add --transport http dossier http://localhost:3000/api/mcp

هرچه Claude از این راه می‌خواند، تحت حساب Claude تو و شرایط آن به Anthropic می‌رسد. Claude هم مثل بقیه‌ی سرویس‌های آنلاین برای همه‌ی کشورها در دسترس نیست؛ فقط طبق قوانین و شرایط خودش استفاده کن. دکمه‌ی Disconnect Claude همه‌ی اتصال‌ها را قطع می‌کند.

عادت‌های پشتیبان‌گیری

• هر هفته یک خروجی: Settings → Your data → Export و نگه داشتن فایل در جایی غیر از همان کامپیوتر، مثلاً یک فلش یا فضای ابری شخصی.
• قبل از هر به‌روزرسانی: خروجی و دامپ پایگاه داده، طبق درس قبل.
• یک کپی از .env کنار پشتیبان‌ها، در جای امن.
• پایان کار: وقتی جاب‌سرچ تمام شد، یک خروجی نهایی بگیر و اگر خواستی با Delete everything همه‌چیز را پاک کن.

مثال کامل: یک موقعیت دکتری

گفتیم Dossier برای کاریابی ساخته شده. حالا ببینیم یک دانشجو چطور آن را برای اپلای دکتری به کار می‌برد، و کجا سراغ جدول می‌رود.

پریا کارشناس ارشد مهندسی آب است و این موقعیت دکتری فاندد را پیدا کرده:

Doctoral researcher (PhD) in urban flood modelling, fully funded for 4 years. Requirements: MSc in civil or water engineering; experience with hydrological or hydraulic modelling (e.g. SWMM or HEC-RAS); programming in Python or MATLAB; publications are an advantage; English at C1 level. Send a CV, a motivation letter and the contact details of two referees to the project lead.

پریا، موقعیت دکتری و جزئیات آن ساختگی‌اند.

ستون‌هایی که پریا در جدول برای اپلای تحصیلی نگه می‌دارد:

• توصیه‌کننده‌ها: اسم، تاریخ درخواست، فرستاده‌اند یا نه.
• مهلت دقیق: با منطقه‌ی زمانی دانشگاه، و مهلت‌های مرحله‌ای (مثلاً برای بورس جدا).
• هزینه‌ی اپلیکیشن و وضعیت پرداخت، برای برنامه‌هایی که هزینه دارند.
• پورتال: آدرس پورتال دانشگاه. رمز پورتال را در جدول ننویس؛ جایش در مدیر رمز عبور است.
• مدارک خاص: ریزنمرات ترجمه‌شده، نمره‌ی زبان و تاریخ اعتبارش، نمونه‌ی نوشتار.
• شناسه‌ی پیوند: اسم یا کد همان درخواست در Dossier، تا دو ابزار به هم وصل بمانند.

برای برنامه‌های ارشد و دکتری‌ای که آگهی موقعیت ندارند (مثل بسیاری از برنامه‌های آمریکای شمالی که دانشجو را از طریق کمیته‌ی پذیرش انتخاب می‌کنند)، ارزش Dossier کمتر است: SOP آن‌ها ساختار متفاوتی دارد و بهتر است خودت بنویسی. آن‌جا جدول ابزار اصلی است و Dossier در بهترین حالت فقط برای CV و پیگیری کمک می‌کند.

ببینش ویدیو

اگر راه مدل محلی را انتخاب کرده‌ای، این ویدیو کار با Ollama را از پایه نشان می‌دهد. در Dossier لازم نیست دستورهای ویدیو را بزنی، ولی می‌فهمی پشت صحنه چه می‌گذرد.

نگاه یک اپلای‌کننده‌ی باتجربه

• کیفیت به کمیت می‌چربد. پنج درخواست دقیق و اختصاصی معمولاً از بیست درخواست کپی‌شده بهتر جواب می‌گیرد.
• کمبودها را جمع کن. اگر یک کمبود در چند آگهی تکرار شد، آن را به برنامه‌ی یادگیری‌ات اضافه کن، نه به رزومه‌ات.
• صدای خودت را حفظ کن. نامه‌ای که هوش مصنوعی نوشته را همیشه یک بار با کلمه‌های خودت بازنویسی کن؛ مصاحبه‌کننده بعداً با خود تو حرف می‌زند.
• بورد را هر روز یک دقیقه ببین. این یک دقیقه جلوی فراموش کردن یک مصاحبه یا یک پیگیری را می‌گیرد.

اشتباه‌های رایج

• شروع از درخواست، نه پروفایل: با پروفایل نیمه‌کاره، همه‌ی پیش‌نویس‌ها ضعیف می‌شوند.
• ارسال بدون بازخوانی: مدل ممکن است تأکید یا لحن را اشتباه بگیرد.
• خاموش کردن Never invent experience: این سپر صداقت توست.
• ثبت نکردن ارسال روی بورد: داشبورد عدد غلط نشان می‌دهد و پیگیری‌ها جا می‌مانند.
• انتظار اتصال claude.ai به نصب خانگی: بدون آدرس عمومی HTTPS ممکن نیست.
• نگرفتن خروجی: داده‌ها فقط روی کامپیوتر توست.

این مبحث کجای نقشه است؟

این درس آخر دوره است. از «چرا به یک سیستم برای اپلای نیاز داری؟» شروع کردیم، با جدول ساده‌ی گوگل‌شیت یا اکسل ادامه دادیم، ابزارهای آماده را مقایسه کردیم، Dossier را شناختیم و نصبش کردیم، و حالا با آن کار کردی. هر وقت ابزار برایت سنگین شد، برگشتن به جدول درس دوم شکست نیست؛ مهم داشتن یک سیستم است، نه پیچیده‌ترین سیستم.

تمرین

این تمرین‌ها عملی‌اند. بعد از انجام هر کدام، جواب را باز کن.

چک‌لیست یک‌صفحه‌ای

یک بار، در جلسه‌ی اول:

• راه هوش مصنوعی انتخاب شد و Test connection موفق بود (یا آگاهانه بدون مدل کار می‌کنم).
• Never invent experience روشن است.
• منبع آگهی انتخاب شد یا آگاهانه رد شد.
• پروفایل بازبینی شد و نوار قدرت پر است.
• رزومه‌ی پایه با یک تم خوانا PDF شد و کامل خوانده شد.
• اولین خروجی گرفته شد و جای امن ذخیره شد.

برای هر درخواست:

• متن کامل آگهی paste شد.
• کمبودها خوانده شدند و برای هر کدام تصمیم گرفته شد.
• رزومه و نامه با چت اصلاح و خط‌به‌خط بازخوانی شدند.
• PDFها دانلود شدند و ایمیل به دست خودم فرستاده شد.
• کارت روی بورد به Sent رفت.
• برای اپلای تحصیلی: ردیف جدول با توصیه‌کننده‌ها، مهلت و مدارک خاص پر شد.

هر هفته:

• آگهی‌های تازه مرور شدند.
• بورد به‌روز است و داشبورد نگاه شد.
• پیگیری درخواست‌های بی‌جواب برنامه‌ریزی شد.
• یک خروجی تازه گرفته شد.

قبل از هر به‌روزرسانی: خروجی، دامپ پایگاه داده، و یک کپی از .env.

منابع

• Choosing an AI provider (Dossier wiki)
• Choosing a job source (Dossier wiki)
• Connecting Gmail and Calendar (Dossier wiki)
• Connecting Claude (Dossier wiki)