# interview-guide
**Repository Path**: archking/interview-guide
## Basic Information
- **Project Name**: interview-guide
- **Description**: 基于 Spring Boot 4.0 + Java 21 + Spring AI + PostgreSQL + pgvector + RustFS + Redis，实现简历智能分析、AI模拟面试、知识库RAG检索等核心功能。非常适合作为学习和简历项目，学习门槛低，帮助提升求职竞争力、主打就业的实战项目。
- **Primary Language**: Unknown
- **License**: AGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 43
- **Created**: 2026-01-09
- **Last Updated**: 2026-01-09
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
**智能 AI 面试官平台** - 基于大语言模型的简历分析和模拟面试系统
[](https://openjdk.org/)
[](https://spring.io/projects/spring-boot)
[](https://react.dev/)
[](https://www.typescriptlang.org/)
[](https://www.postgresql.org/)
---
## 项目介绍
InterviewGuide 是一个集成了简历分析、模拟面试和知识库管理的智能面试辅助平台。系统利用大语言模型（LLM）和向量数据库技术，为求职者和 HR 提供智能化的简历评估和面试练习服务。
## 系统架构
**提示**：架构图采用 draw.io 绘制，导出为 svg 格式，在 Github Dark 模式下的显示效果会有问题。
**异步处理流程**：
简历分析、知识库向量化和面试报告生成采用 Redis Stream 异步处理，这里以简历分析和知识库向量化为例介绍一下整体流程：
```
上传请求 → 保存文件 → 发送消息到 Stream → 立即返回
↓
Consumer 消费消息
↓
执行分析/向量化任务
↓
更新数据库状态
↓
前端轮询获取最新状态
```
状态流转： `PENDING` → `PROCESSING` → `COMPLETED` / `FAILED`
## 技术栈
### 后端技术
| 技术 | 版本 | 说明 |
| --------------------- | ----- | ------------------------- |
| Spring Boot | 4.0 | 应用框架 |
| Java | 21 | 开发语言 |
| Spring AI | 2.0 | AI 集成框架 |
| PostgreSQL + pgvector | 14+ | 关系数据库 + 向量存储 |
| Redis | 6+ | 缓存 + 消息队列（Stream） |
| Apache Tika | 2.9.2 | 文档解析 |
| iText 8 | 8.0.5 | PDF 导出 |
| MapStruct | 1.6.3 | 对象映射 |
| Gradle | 8.14 | 构建工具 |
技术选型常见问题解答：
1. 数据存储为什么选择 PostgreSQL + pgvector？PG 的向量数据存储功能够用了，精简架构，不想引入太多组件。
2. 为什么引入 Redis？
- Redis 替代 `ConcurrentHashMap` 实现面试会话的缓存。
- 基于 Redis Stream 实现简历分析、知识库向量化等场景的异步（还能解耦，分析和向量化可以使用其他编程语言来做）。不使用 [Kafka](https://javaguide.cn/high-performance/message-queue/kafka-questions-01.html) 这类成熟的消息队列，也是不想引入太多组件。
3. 构建工具为什么选择 Gradle？个人更喜欢用 Gradle，也写过相关的文章：[Gradle核心概念总结](https://javaguide.cn/tools/gradle/gradle-core-concepts.html)。
### 前端技术
| 技术 | 版本 | 说明 |
| ------------- | ----- | -------- |
| React | 18.3 | UI 框架 |
| TypeScript | 5.6 | 开发语言 |
| Vite | 5.4 | 构建工具 |
| Tailwind CSS | 4.1 | 样式框架 |
| React Router | 7.11 | 路由管理 |
| Framer Motion | 12.23 | 动画库 |
| Recharts | 3.6 | 图表库 |
| Lucide React | 0.468 | 图标库 |
## 功能特性
### 简历管理模块
- 多格式支持：PDF、DOCX、DOC、TXT
- 异步简历分析
- 实时显示分析进度（待分析/分析中/已完成/失败）
- 简历分析失败自动重试（最多 3 次）
- 基于内容哈希检测重复
- PDF 简历分析报告导出
### 模拟面试模块
- 基于简历生成个性化面试问题
- 实时问答交互
- 针对面试提供针对性改进建议
- 异步生成模拟面试评估报告
- 展示面试表现趋势
- 面试统计信息
- PDF 简历分析报告导出
### 知识库管理模块
- 多格式支持（PDF、DOCX、DOC、TXT、Markdown）
- 文档上传和自动分块
- 异步向量化处理
- RAG 检索增强生成
- 流式响应（SSE）
- 智能问答对话
- 知识库统计信息
### TODO
- [x] 问答助手的 Markdown 展示优化
- [x] 知识库管理页面的知识库下载
- [x] 异步生成模拟面试评估报告
- [x] Docker 快速部署
- [ ] 添加 API 限流保护
- [ ] 前端性能优化（虚拟列表等）
- [ ] 模拟面试增加追问功能
- [ ] 打通模拟面试和知识库
## 效果展示
### 简历与面试
简历库：
简历上传分析：
简历分析详情：
面试记录：
面试详情：
模拟面试：
### 知识库
知识库管理：
问答助手：
## 项目结构
```
interview-guide/
├── app/ # 后端应用
│ ├── src/main/java/interview/guide/
│ │ ├── App.java # 主启动类
│ │ ├── common/ # 通用模块
│ │ │ ├── config/ # 配置类
│ │ │ ├── exception/ # 异常处理
│ │ │ └── result/ # 统一响应
│ │ ├── infrastructure/ # 基础设施
│ │ │ ├── export/ # PDF 导出
│ │ │ ├── file/ # 文件处理
│ │ │ ├── redis/ # Redis 服务
│ │ │ └── storage/ # 对象存储
│ │ └── modules/ # 业务模块
│ │ ├── interview/ # 面试模块
│ │ ├── knowledgebase/ # 知识库模块
│ │ └── resume/ # 简历模块
│ └── src/main/resources/
│ ├── application.yml # 应用配置
│ └── prompts/ # AI 提示词模板
│
├── frontend/ # 前端应用
│ ├── src/
│ │ ├── api/ # API 接口
│ │ ├── components/ # 公共组件
│ │ ├── pages/ # 页面组件
│ │ ├── types/ # 类型定义
│ │ └── utils/ # 工具函数
│ ├── package.json
│ └── vite.config.ts
│
└── README.md
```
## 快速开始
环境要求：
| 依赖 | 版本 | 必需 |
| ------------- | ---- | ---- |
| JDK | 21+ | 是 |
| Node.js | 18+ | 是 |
| PostgreSQL | 14+ | 是 |
| pgvector 扩展 | - | 是 |
| Redis | 6+ | 是 |
| S3 兼容存储 | - | 是 |
### 1. 克隆项目
```bash
git clone https://github.com/Snailclimb/interview-guide.git
cd interview-guide
```
### 2. 配置数据库
```sql
-- 创建数据库
CREATE DATABASE interview_guide;
-- 连接数据库并启用 pgvector 扩展（可选，启动后端SpringAI框架底层会自动创建）
CREATE EXTENSION vector;
```
### 3. 配置环境变量
```bash
# AI API 密钥（阿里云 DashScope）
export AI_BAILIAN_API_KEY=your_api_key
```
### 4. 修改应用配置
编辑 `app/src/main/resources/application.yml`：
```yaml
spring:
# PostgreSQL数据库配置
datasource:
url: jdbc:postgresql://${POSTGRES_HOST:localhost}:${POSTGRES_PORT:5432}/${POSTGRES_DB:interview_guide}
username: ${POSTGRES_USER:postgres}
password: ${POSTGRES_PASSWORD:123456}
driver-class-name: org.postgresql.Driver
jpa:
hibernate:
ddl-auto: create #首次启动用 create，表创建成功后，改回 update
# Redisson配置 (使用 spring.redis.redisson，参考官方文档)
redis:
redisson:
config: |
singleServerConfig:
address: "redis://${REDIS_HOST:localhost}:${REDIS_PORT:6379}"
database: 0
connectionMinimumIdleSize: 10
connectionPoolSize: 64
subscriptionConnectionMinimumIdleSize: 1
subscriptionConnectionPoolSize: 50
# RustFS (S3兼容) 存储配置
app:
storage:
endpoint: ${APP_STORAGE_ENDPOINT:http://localhost:9000}
access-key: ${APP_STORAGE_ACCESS_KEY:wr45VXJZhCxc6FAWz0YR}
secret-key: ${APP_STORAGE_SECRET_KEY:GtKxV57WJkpw4CvASPBzTy2DYElLnRqh8dIXQa0m}
bucket: ${APP_STORAGE_BUCKET:interview-guide}
region: ${APP_STORAGE_REGION:us-east-1}
```
⚠️**注意**：
1. JPA 的 `ddl-auto` 首次启动用 `create`，表创建成功后，改回 `update`。
2. 如果本地已经 Minio 的话，可以用其替换 RusfFS。
### 5. 启动服务
**后端：**
```bash
./gradlew bootRun
```
后端服务启动于 `http://localhost:8080`
**前端：**
```bash
cd frontend
pnpm install
pnpm dev
```
前端服务启动于 `http://localhost:5173`
## Docker 快速部署
本项目提供了完整的 Docker 支持，可以一键启动所有服务（前后端、数据库、中间件）。
### 1. 前置准备
- 安装 [Docker](https://www.docker.com/products/docker-desktop/) 和 Docker Compose
- 申请阿里云百炼 API Key（用于 AI 对话功能）
### 2. 快速启动
在项目根目录下执行：
```bash
# 1. 复制环境变量配置文件
cp .env.example .env
# 2. 编辑 .env 文件，填入 AI 配置
# vim .env
# 必填：AI_BAILIAN_API_KEY=your_key_here
# 可选：AI_MODEL=qwen-plus # 默认值为 qwen-plus
# # 也可以改为 qwen-max、qwen-long 等其他可用模型
# 3. 构建并启动所有服务
docker-compose up -d --build
```
### 3. 服务访问
启动完成后，您可以通过以下地址访问各个服务：
| 服务 | 地址 | 默认账号 | 默认密码 | 说明 |
| ---------------- | ---------------------------------------------- | ------------ | ------------ | ---------------------- |
| **前端应用** | [http://localhost](http://localhost) | - | - | 用户访问入口 |
| **后端 API** | [http://localhost:8080](http://localhost:8080) | - | - | Swagger/接口文档 |
| **MinIO 控制台** | [http://localhost:9001](http://localhost:9001) | `minioadmin` | `minioadmin` | 对象存储管理 |
| **MinIO API** | `localhost:9000` | - | - | S3 兼容接口 |
| **PostgreSQL** | `localhost:5432` | `postgres` | `password` | 数据库 (包含 pgvector) |
| **Redis** | `localhost:6379` | - | - | 缓存与消息队列 |
### 4. 常用运维命令
```bash
# 查看服务状态
docker-compose ps
# 查看后端日志
docker-compose logs -f app
# 停止并移除所有服务
docker-compose down
# 清理无用镜像（构建产生的中间层）
docker image prune -f
```
## 使用场景
| 用户角色 | 使用场景 |
| --------------- | -------------------------------------- |
| **求职者** | 上传简历获取分析建议，进行模拟面试练习 |
| **HR/招聘人员** | 批量分析简历，评估候选人能力 |
| **培训机构** | 提供面试培训服务，管理知识库资源 |
## 常见问题
### Q: 数据库表创建失败/数据丢失
这大概率是 JPA 的 `ddl-auto` 配置不对的原因。`ddl-auto` 模式对比：
| 模式 | 行为 | 适用场景 |
| -------- | ------------------------------- | ------------- |
| create | 无条件删除并重建所有表 | 开发/测试环境 |
| update | 对比现有 schema，只执行增量更新 | 开发环境 |
| validate | 只验证，不修改 | 生产环境 |
| none | 什么都不做 | 生产环境 |
对于新数据库，推荐：
```yaml
# 首次启动用 create
jpa:
hibernate:
ddl-auto: create
# 表创建成功后，改回 update
jpa:
hibernate:
ddl-auto: update
```
记得改回 **update**，否则每次重启都会删除所有数据！
### Q: 知识库向量化失败
当 `initialize-schema: false` 时，Spring AI **不会自动创建** `vector_store` 表。
```java
spring:
ai:
vectorstore:
pgvector:
initialize-schema: true
```
建议开发环境设置为 true，方便快速启动。生产环境设置为 false，手动管理数据库 schema，避免意外变更。
### Q: 简历分析失败
检查一下阿里云 DashScope API KEY 是否配置正确（申请地址：）。
### Q: 简历分析一直显示"分析中"？
检查 Redis 连接和 Stream Consumer 是否正常运行。查看后端日志确认是否有错误。
### Q: PDF 导出失败？
检查 iText 依赖是否正确，确认字体文件存在。
## 贡献
欢迎提交 Issue 和 Pull Request！
## 许可证
AGPL-3.0 License（只要通过网络提供服务，就必须向用户公开修改后的源码）