围绕目标岗位和项目经历，完成多轮面试、回答复盘与针对性复练。
职智达是一款围绕目标岗位、简历和个人知识资料开展训练的 AI 模拟面试平台，当前重点覆盖 Java 后端面试场景，同时支持通过自定义岗位与材料开展其他方向的面试练习。练习结束后，可以从评价定位回答原文，结合相关资料查漏补缺，再把需要加强的能力加入下一次训练。
功能特性 · 项目架构 · 快速开始 · 技术栈 · 本地开发 · 项目结构 · 文档
| 模块 | 功能 |
|---|---|
| 岗位与简历 | 提取 JD 要求、关联简历证据，支持文档导入、AI 优化、版本比较与恢复 |
| 模拟面试 | 岗位面试、项目深挖和专项训练，可选择教学练习或正式模拟，并设置难度与轮数 |
| 能力复盘 | 定位回答原文与引用依据，查看能力观察，发起复练并对照前后表现 |
| 题库与知识库 | 题目筛选与组练、个人笔记导入、带引用的资料问答和自测题生成 |
| 训练计划 | 围绕能力目标生成训练草稿，确认后创建任务，根据跨场证据调整后续计划 |
项目采用前后端分离架构：React 负责交互，Spring Boot 后端按业务划分模块，MySQL 保存业务数据与任务状态。API 受理请求，Worker 执行面试、资料导入等后台任务；两者默认在同一进程运行，也可使用同一后端镜像分进程部署。
flowchart TB
Web["浏览器 · React / TypeScript<br/>求职材料 / 模拟面试 / 能力复盘"]
Entry["Nginx（容器部署） / Vite（本地开发）<br/>静态资源与 /api 代理"]
App["Spring Boot 模块化后端<br/>REST API / SSE / Worker"]
Web -->|"HTTP / SSE"| Entry
Entry --> App
subgraph Data["数据与任务基础设施"]
MySQL[("MySQL<br/>业务数据 / 材料快照 / 任务 / Outbox")]
MQ["RabbitMQ<br/>面试任务 / 资料导入与索引通知"]
Coordination["Redis · 协调实例<br/>共享配额 / 提交频控 / 协调租约"]
Cache["Redis · 缓存实例<br/>题目版本快照"]
end
subgraph Intelligence["模型与资料检索"]
Model["AI 适配层 · LangChain4j<br/>DeepSeek / 内置 Mock"]
MCP["MCP 资料服务<br/>只读技术参考资料"]
RAG["混合 RAG<br/>BGE 嵌入服务 + PostgreSQL / pgvector"]
end
App --> MySQL
App <-->|"任务投递与消费"| MQ
App --> Coordination
App --> Cache
App --> Model
App --> MCP
App -->|"BM25 + 向量融合"| RAG
MySQL 保存任务检查点与跨会话学习记忆，RabbitMQ 负责 Worker 调度与延迟重试。两个 Redis 实例分别承担协调与缓存。标准 Docker 部署使用 BM25 与 BGE 向量融合检索；MCP 提供技术参考资料。开启个人历史使用偏好后，Agent 可以检索历史能力观察及原始证据。
后端以 cn.edu.whu.zhizhida 为根包，业务模块通过各自的 api 契约协作。ArchUnit 与 SQL 边界测试约束跨模块访问。
| 模块 | 主要职责 |
|---|---|
auth / application |
账号认证、演示空间，以及账号生命周期中的跨模块流程 |
jobs / resume |
目标岗位与 JD 提取、简历导入与优化、版本管理 |
interview |
面试会话、能力规划、追问策略、异步命令与 Worker 执行 |
evaluation / learning |
回答评价与引文核验、跨场能力观察、学习目标和训练计划 |
questionbank / knowledge |
题目版本与组练、资料导入与索引、知识问答和资料自测 |
ai |
模型协议适配、工具调用接口、MCP 与向量服务接入 |
quota / observability / health |
用量配额、运行指标与链路追踪、健康检查 |
sequenceDiagram
autonumber
participant UI as 浏览器
participant API as API
participant DB as MySQL
participant Pub as Outbox 发布器
participant MQ as RabbitMQ
participant Worker as Worker
participant AI as 模型与工具
UI->>API: 提交回答、requestId、expectedTurn
API->>DB: 同一事务写入任务与 Outbox
API-->>UI: HTTP 202 + 任务 ID
par 后台执行
Pub->>DB: 读取待投递记录
Pub->>MQ: 发布任务通知
MQ-->>Pub: 发布确认
Pub->>DB: 标记已投递
MQ->>Worker: 消费任务通知
Worker->>DB: 领取任务并取得执行租约
Worker->>AI: 在数据库事务外调用模型与工具
AI-->>Worker: 返回问题、反馈与引用
Worker->>Worker: 校验结构化输出与引用原文
Worker->>DB: 核对租约与轮次，事务提交结果和最终事件
Worker-->>MQ: 消费确认
and 进度订阅
UI->>API: 订阅 SSE
loop 直到任务结束
API->>DB: 读取持久化事件与任务状态
API-->>UI: 返回进度与完成状态
end
end
UI->>API: 获取已保存的会话结果
API-->>UI: 返回本轮问答与评价
相同 requestId 的相同命令可安全重试，Worker 提交前再次校验租约和预期轮次。任务受理后即可订阅进度，SSE 断线后按事件序号续读，持续连接失败时退回状态查询。
- 任务可靠性：任务与 Outbox 同事务写入；消息重复投递时检查任务终态和租约，避免重复提交同一轮结果。
- 材料与评价可追溯：开场固定岗位、简历和资料版本；回答与资料引文核对原文及位置，复盘可定位到本场使用的材料。
- 动态规划与取证：非正式模拟（含专项训练）默认使用 v6，模型依据回答调整追问和能力顺序，保存验证目标与计划修订；默认
A1、phased-v2执行策略支持检查主张、修订取证，最终评价遵守证据检查结果。 - 跨场训练教练：模型通过工具检索题目、提出训练草稿；开启自动调整后，当前批次完成才生成下一批待确认草稿。确认后创建任务，验收要求进入训练上下文，指导出题和追问。
- 前端状态恢复：保留待提交回答和简历草稿，处理版本冲突与账号切换，支持中断后继续练习。
| 方式 | 组成与用途 | 配置入口 |
|---|---|---|
| 标准部署 | 一个后端进程运行 API 与 Worker，配合前端和中间件完成完整流程 | docker-compose.yml |
| 分进程部署 | API 受理请求与发布任务，Worker 消费任务；共享数据库、协调 Redis 和资料导入目录 | 叠加 docker-compose.split.yml |
| 混合 RAG | 标准部署内置 BGE 与 pgvector；源码运行使用项目内启动脚本 | RAG 配置说明 |
更详细的事务边界、检索规则与源码入口见架构文档，部署步骤见启动与故障排查。
安装 Docker 与 Docker Compose，在项目根目录执行：
docker compose --profile app up -d --build打开 http://localhost，点击 进入独立演示空间。每次进入都会创建一份独立的演示数据，可直接使用预置岗位、简历和笔记。
推荐体验路径：选择演示岗位与简历 → 开始 3 轮面试 → 查看能力复盘 → 发起复练或加入训练计划。
默认使用内置 Mock 模型，无需 API Key。接入 DeepSeek 时，在根目录 .env 中设置 AI_PROVIDER=deepseek、DEEPSEEK_API_KEY 和账号可用的 DEEPSEEK_MODEL，再执行启动命令。
查看服务状态可运行 docker compose --profile app ps。更多配置见 .env.example 和启动与故障排查。
下表为默认配置。Docker 列表示“宿主机 → 容器”；源码启动使用本机端口连接中间件。
| 服务 | Docker 端口映射 | 本机开发端口 | 用途 |
|---|---|---|---|
| 前端 | 80 → 80 | 5173 | 页面入口，代理 /api 请求 |
| 后端 | 8080 → 8080 | 8080 | REST API、SSE，接口文档 /doc.html |
| MySQL | 3307 → 3306 | 3307 | 业务数据与任务状态 |
| Redis 协调实例 | 6379 → 6379 | 6379 | 共享配额、租约与提交频控 |
| Redis 缓存实例 | 6380 → 6379 | 6380 | 题目快照缓存 |
| RabbitMQ | 5672 → 5672 | 5672 | 异步任务通知 |
| RabbitMQ 管理页 | 15672 → 15672 | 15672 | 队列管理 |
| MCP 资料服务 | 容器内 18091，不映射宿主机 | 18091 | 只读技术资料检索 |
端口可在 .env.example 对应配置项中调整；FRONTEND_PORT 用于 Docker，DEV_FRONTEND_PORT 用于本机 Vite。Docker 默认前端监听所有网卡，其他已映射端口监听本机回环地址。
Docker 内置的 BGE 与 pgvector 仅在容器网络提供服务。源码运行通过 node scripts/enable-rag.mjs 配置 18092 嵌入服务与 15432 → 5432 向量库。RAG 与分进程部署说明
| 层次 | 技术 |
|---|---|
| 前端 | React 18、TypeScript、Ant Design、Zustand、Vite |
| 后端 | Java 21、Spring Boot 4、Spring Security、MyBatis-Plus |
| 数据与消息 | MySQL 8.4、Flyway、Redis、RabbitMQ |
| 模型与检索 | LangChain4j、DeepSeek、MCP、本地 BGE、pgvector |
| 文档处理 | Apache PDFBox、Apache POI |
| 观测与测试 | Actuator、Micrometer、OpenTelemetry、JUnit、ArchUnit、Playwright、GitHub Actions |
准备 JDK 21、Maven、Node.js 22.14+ 和 Docker Compose，在项目根目录运行：
node scripts/dev.mjs --mock-aiWindows 也可运行 .\start.cmd --mock-ai。启动器准备依赖服务、编译后端并启动 Vite，就绪后访问 http://127.0.0.1:5173。前端使用 pnpm 9.15.9 管理依赖。
| 检查 | 工作目录 | 命令 |
|---|---|---|
| 前端检查与构建 | frontend/ |
pnpm lint、pnpm test、pnpm build |
| 后端单元与架构测试 | backend/ |
mvn test |
| 接口契约 | 项目根目录 | node scripts/api-contract.mjs check |
| 浏览器核心流程 | frontend/ |
完成构建和浏览器安装后执行 pnpm test:e2e |
GitHub Actions 先校验四种 Compose 配置组合、接口契约和交付包登记，再运行单元测试、MySQL/Redis 集成测试、覆盖率检查、完整脚本测试、容器构建和浏览器验收。完整命令、浏览器前置条件及模型评测记录见开发与验证和测试与评测记录。
已完成真实模型单轮生命周期与引用专项复核、6 项 RabbitMQ 派发与故障回放、前端与 MCP 的 11 项容器检查；后端、BGE、前端及 MCP 镜像均完成构建。面试相关回归测试 276 项通过。各项样本、模型用量与验证范围见运行验收。
业务接口使用 Bearer Token 认证。面试开场与回答返回 HTTP 202 和任务 ID，客户端通过任务查询或 SSE 跟踪进度，再读取会话结果。
.
├── frontend/ # React 页面、状态管理与浏览器验收
├── backend/ # Spring Boot 业务模块、数据库迁移与测试
├── services/
│ ├── mcp-reference/ # 只读技术资料服务
│ └── embedding/ # 本地向量嵌入服务
├── contracts/ # OpenAPI 与评测契约
├── scripts/ # 启动、验证与打包脚本
├── docs/ # 使用指南、架构与评测记录
├── .github/workflows/ # CI 工作流
├── docker-compose.yml # 标准部署
├── docker-compose.split.yml # API / Worker 拆分部署
├── .env.example # 环境配置示例
└── LICENSE # MIT 许可证
| 文档 | 内容 |
|---|---|
| 使用指南 | 材料准备、面试、复盘、题库和训练计划 |
| 启动与故障排查 | Docker、源码启动、模型接入和运行配置 |
| 架构与代码入口 | 任务事务、模块职责、检索与中间件协作 |
| 开发与验证 | 接口示例、提示词维护、测试与源码打包 |
| 测试与评测记录 | 评测方法、运行结果和原始证据 |
| Agent 与中间件运行验收 | 模型、引用、RAG、消息故障与容器的专项结果 |