AI智能简历优化系统
项目简介：基于大模型完成简历上传解析、AI评分、问题诊断、优化建议、内容改写、Word下载、模拟面试题和生成记录管理，覆盖从简历诊断到求职准备的完整流程，并沉淀Prompt模板和改写策略。
本项目覆盖的技术点
学完能答的面试题
学完这个项目，下面 8 道面试题你都能结合项目细节讲出来。题目在 AIGC 面试刷题网可以免费看。
current_text，上传解析出的 original_text 一直保留，随时能对比和回退。系统架构
一张图看清整个系统的分层与核心链路，点开可缩放查看细节。
- 1接入层：简历工作台 + 管理端用户端上传解析、在线编辑、五项 AI 能力与导出；管理端维护模型配置、Prompt 模板和 AI 历史记录。
- 2简历文本链路PDFBox / Apache POI 解析 PDF、Word，HTML 用正则去标签，
original_text上传即存档，current_text是用户在线打磨的当前版本，导出 Word 用当前版本。 - 3五项 AI 能力共用一条管线当前简历 + 目标岗位套 Prompt 模板，
SpringAiModelFactory按库里配置构建 ChatClient；评分走同步调用解析 JSON，分析、建议、改写、面试题走 SSE 流式。 - 4改写结果「候选 → 采纳」AI 改写只生成候选版本，用户确认采纳才写回
current_text，不采纳就只留在 AI 历史记录里。 - 5一张表承载五类 AI 结果
resume_ai_record用type区分评分、分析、建议、改写、面试题，新增能力不用建表，历史查询与详情直接复用。 - 6存储与模型底座MySQL 8；
ai_model_config和prompt_template两张表让换模型、调提示词都不用改代码。
技术栈
用到的框架、中间件和模型。
技术难点与解法
每一项优化都针对一个真实问题，讲清楚问题、做法和背后的原理。
01大模型输出不稳定
- 问题
- 诊断评分要拿到分数、等级、分析三个字段，可模型常在 JSON 前后带解释文字，或者用 ```json 包起来，直接解析就报错。
- 做法
- Prompt 强约束只返回约定的 JSON；后端解析前截取第一个
{到最后一个}，解析失败记录原始输出、给前端友好提示。 - 原理
- 把不确定的 AI 输出工程化成确定的业务数据：约束负责大多数情况，兜底负责剩下的，接口永远不因模型抽风而 500。
02AI 改写不能覆盖原文
- 问题
- 用户要能改、能回退、能对比原始版本，可 AI 改写一旦直接覆盖，原来的简历就找不回来了。
- 做法
original_text存上传解析出的原文，current_text存正在打磨的版本；AI 改写只生成候选，用户采纳后才写回当前版本。- 原理
- AI 负责提议，人负责拍板：写回业务数据前留一道人工确认，过程可控、数据安全。
03长文本让用户干等
- 问题
- 问题分析、优化建议都是长文本，等模型全部生成完再返回，用户要盯着转圈好几秒。
- 做法
- 后端用
SseEmitter逐段推送模型的增量内容，前端用fetch+ReadableStream边收边展示。 - 原理
- SSE 是基于 HTTP 的单向推送，实现比 WebSocket 轻，正好匹配「服务端单向吐文本」的场景。
04每加一种 AI 能力就要建一张表
- 问题
- 评分、分析、建议、改写、面试题五种 AI 能力，各建一张表的话，历史查询和详情查看也要写五遍。
- 做法
- 全部落到
resume_ai_record一张表，用type区分；新增能力只扩展一个type，记录、查询、详情三套能力直接复用。 - 原理
- 同构的数据用一张表加类型字段承载，扩展成本从「加表加接口」降到「加一个枚举值」。
功能清单
按角色看这个系统都能做什么。
AI 配置3 项
- AI 模型配置维护服务商、接口地址、API Key、模型名称与启用状态
- Prompt 模板管理维护评分、分析、建议、改写、面试题各场景的 Prompt 模板
- AI 历史记录按用户、简历标题、模型、Prompt 编码、记录类型筛选，查看完整输入输出
系统3 项
- 系统首页查看平台整体数据与 AI 调用概况统计
- 用户信息管理系统所有用户，支持新增、编辑、删除、分页查询
- 个人资料登录、个人信息、修改密码
页面截图
共 6 张真实运行截图，点击大图查看高清原图。
点击放大你将获得
购买后可以拿到的全部内容。
喂饭级学习教程13 章
从登录注册、统一返回这些工程底座讲起，到诊断评分、问题分析、改写采纳、模拟面试题，按开发顺序一章一章讲。
完整源码 + SQL
Spring Boot 后端 + Vue3 前端完整源码，MySQL 建表脚本和初始化数据，附两份示例简历。
配套面试文档
电梯陈述、架构与选型、核心技术点深挖、高频面试题和难点包装，面试时照着讲。
环境安装文档
JDK、MySQL、Node.js、Maven 等开发环境的安装与配置。
项目运行文档
数据库初始化、前后端启动、模型配置，从零把项目跑起来。
常见问题
下单前最常被问到的几个问题。
这个项目是 Java 还是 Python？
后端是 Java（JDK 21 + Spring Boot 4.1 + Spring AI 2.0），前端是 Vue3。
模型需要自己准备吗？
需要自己在 DeepSeek 开放平台创建 API Key，在管理端「AI 模型配置」里填入即可，不用改代码。模型走接口调用，不需要显卡。
基础薄弱能学会吗？
教程是喂饭级的，从登录注册、统一返回这些工程底座讲起，每章都有验证步骤。基础不够的话，可以先按上面的「学习路径」从基础项目学起。
能写进简历、用作毕业设计吗？
可以，配套面试文档里有项目介绍、难点包装和高频追问，照着就能讲清楚。至于毕业设计，有小伙伴问过我，统一回答一下：AI 实战库板块的项目拿去做毕业设计，就四个字——降维打击。
源码能用于商业项目吗？
源码和教程本质上是给大家学习、提升技能的。如果需要商用，自己二次开发一下也没问题，但禁止原项目 + 教程转手倒卖。我是一个程序员，能看到你们学习我的教程提升能力，能听你们叫我一声大佬，挺幸福的！知足~
售后答疑
买完不是结束跟着教程学习，遇到问题不用自己硬扛。