AI 人才培养与精准就业智能体

面向学生 · 学校 · 企业三方协同的 AI 人才培养与精准就业系统：简历解析与画像、能力四维评分、智能岗位匹配、个性化成长路径、AI 模拟面试。

English: An AI agent system for talent development and job matching across students, schools, and enterprises — resume profiling, skill scoring, job matching, growth planning, and mock interviews.

---

功能特性

能力	说明
简历解析与画像	支持 PDF / Word 等格式；MinerU 精准解析 + LLM 结构化画像
能力四维评分	专业能力、通用能力、软技能、成长潜力
智能岗位匹配	Embedding 召回 + Reranker 精排，输出匹配分与理由
成长路径规划	基于缺口技能生成个性化学习 / 发展建议
AI 模拟面试	结构化问答与反馈
三端协同	学生端、学校端、企业端各自工作台

界面预览

首页	学生画像	岗位匹配

成长路径	模拟面试	企业端

更多截图见 docs/assets/ui-redesign/。

技术栈

层	技术
前端	Next.js 14 (App Router) · Tailwind · shadcn/ui · ECharts · Zustand
后端	FastAPI · SQLAlchemy 2 · Alembic · Pydantic Settings
数据	PostgreSQL 16 + pgvector · Redis 7
AI	DeepSeek-V4 (flash/pro) · Qwen3-Embedding-8B · Qwen3-Reranker-8B · MinerU
部署	Docker Compose · 可选外部 Caddy 反代

环境要求

• Docker & Docker Compose（Docker Desktop 4.x+ 或 Docker Engine 24+）
• 可选本地开发：Python 3.11+、Node.js 20+

快速开始

1. 克隆并配置环境变量

git clone https://github.com/bbbstyyy/RJDemo.git
cd RJDemo
cp .env.example .env

启动前必须修改 .env 中的：

变量	要求
JWT_SECRET_KEY	≥32 字节随机串；占位符会被启动校验拒绝
POSTGRES_PASSWORD	与 DATABASE_URL 中密码一致的强密码

生成示例：

# macOS / Linux
openssl rand -base64 48

AI 相关密钥（可选，但影响功能完整度）：

变量	不填时的影响
DEEPSEEK_API_KEY	LLM 能力关闭（画像深化、面试、规划等）
EMBEDDING_API_KEY	向量检索 / 匹配召回不可用
MINERU_API_TOKEN	富格式简历解析降级或不可用

完整变量说明见 docs/configuration.md。

2. 启动开发环境

make up        # postgres + redis + api (:8000) + web (:3000)
make migrate   # 数据库迁移

服务	地址
前端	http://localhost:3000
API 交互文档	http://localhost:8000/docs
健康检查	http://localhost:8000/api/v1/health

常用命令：

make logs      # 跟踪日志
make down      # 停止服务
make test      # 后端测试
make lint      # 后端 lint
make clean     # 停止并删除 volume

3. 生产部署（可选）

# 首次：创建与外部 Caddy 共享的网络
docker network create caddy_net

make up-prod
make migrate-prod

• 生产 overlay 不对外暴露 3000/8000；由加入 caddy_net 的 Caddy 反代
• 示例配置：docs/Caddyfile.example
• 完整步骤：docs/docker-deployment.md
• 上线检查：docs/docker-deployment-checklist.md

项目结构

.
├── backend/                 # FastAPI：API、Alembic、LLM/Embedding 客户端
├── web/                     # Next.js 14 前端
├── data/                    # 样例与脚本（开源范围见 data/README.md）
├── docs/                    # 部署、API、配置、运维文档
├── scripts/                 # 备份 / 健康检查等运维脚本
├── docker-compose.yml       # 基础编排
├── docker-compose.override.yml   # 开发：端口与热重载
├── docker-compose.prod.yml  # 生产：加入 caddy_net、收紧暴露
├── Makefile                 # up / migrate / test / seed …
├── .env.example             # 环境变量模板（无密钥）
└── LICENSE                  # MIT

数据说明

开源仓库默认不包含完整生产语料（岗位库、真实简历等）。data/ 仅保留：

• 合成简历目录与脚本
• job manifest schema / 占位
• 采集与 seed 脚本

详见 data/README.md 与 docs/data-initialization.md。
若本地已有语料，可用：

make seed            # jobs + resumes
make seed-jobs       # 仅岗位
make seed-resumes    # 仅简历

文档索引

文档	内容
docs/docker-deployment.md	开发 / 生产部署、排障、备份恢复
docs/docker-deployment-checklist.md	部署前后检查清单
docs/caddy-network-setup.md	外部 Caddy 与 caddy_net
docs/api.md	/api/v1 叙事版接口说明
docs/configuration.md	全部环境变量
docs/operations.md	运维约定
docs/data-initialization.md	数据初始化
docs/vector-scaling-plan.md	向量检索扩展规划
backend/README.md	后端包说明与本地运行
data/README.md	数据目录与开源范围

本地开发（非 Docker）

后端：

cd backend
python -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
pip install -e ".[dev]"
# 确保根目录 .env 已配置，且本机 Postgres / Redis 可用
uvicorn app.main:app --reload --app-dir .

前端：

cd web
npm install
npm run dev

配置统一从仓库根目录 .env 与 backend/app/core/config.py 读取，请勿在业务模块中直接 os.getenv。

贡献

欢迎 Issue 与 Pull Request。

1. Fork 本仓库并创建分支：git checkout -b feature/your-change
2. 后端改动请跑通：make lint、make typecheck、make test
3. 提交清晰的 commit message，并说明动机与验证方式
4. 打开 PR，描述变更范围与测试结果

安全相关问题请通过 GitHub Security Advisory 或私信维护者，不要在公开 Issue 中贴利用细节。

许可证

本项目以 MIT License 发布。

Copyright (c) 2026 bbbstyyy