基于Springboot3+SpringAI+LLM+Prompt+SSE的AI 智能简历优化系统

一、项目技术栈

前后端分离

后端：SpringBoot3 + MyBatis + PageHelper + Hutool
前端：Vue3 + Element-Plus + Vue-Router + Axios
AI 技术：OpenAI 兼容大模型（Chat Completions）+ Prompt 模板引擎 + 结构化 JSON 输出 + SSE 流式输出 + Apache POI / PDFBox 文档解析 数据库：MySQL

版本要求： jdk 不低于 17，MySQL 5.7 或者 8，node.js 版本 18 以上，maven 版本建议 3.8 及以上，navicat 建议不低于 16

二、项目功能描述

1. 管理员

登录、个人信息、修改密码
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（新增、编辑、删除、分页查询、头像展示）
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：维护各类 AI 场景（评分、分析、建议、改写、面试题）的 Prompt 模板
AI 历史记录：查看所有用户的 AI 调用记录，支持按用户、简历标题、模型、Prompt 编码、记录类型筛选，并查看完整输入输出详情

2. 用户

登录、注册、个人信息、修改密码、头像上传
简历优化工作台：填写简历标题与目标岗位，上传 PDF / Word / TXT / HTML 简历并自动解析文本
当前简历文本：在线编辑并保存当前简历版本（区分原始解析文本与当前优化文本）
AI 诊断评分：对当前简历进行结构化打分，返回分数、等级与诊断分析
AI 问题分析：以 SSE 流式输出方式分析简历存在的问题
AI 优化建议：生成可执行的修改建议
AI 简历改写与采纳：生成改写后的完整简历正文，用户确认后一键采纳为当前简历
AI 模拟面试题：基于当前简历与目标岗位生成分类面试题
当前简历下载：将当前简历文本导出为 Word 文档

三、项目创新点

1. "原始文本 + 当前文本"双版本机制：上传解析后的 original_text 与用户持续优化的 current_text 分离保存，既保留原始简历，又能维护正在打磨的版本，AI 分析、改写、下载均基于当前文本。
2. AI 结果统一落库、以 type 区分：诊断评分、问题分析、优化建议、简历改写、模拟面试题全部沉淀到同一张 resume_ai_record 表，通过 type 区分，新增 AI 能力无需新建表，天然复用历史查询与详情查看。
3. 改写结果"候选 + 采纳"闭环：AI 改写不会自动覆盖原文，生成的是候选版本，用户确认采纳后才写回当前简历，保障简历内容安全可控。
4. 结构化 JSON 输出约束大模型：诊断评分强制模型返回 score / level / analysis 结构化字段，后端解析入库，避免自由文本难以复用的问题。
5. SSE 流式输出提升体验：问题分析、优化建议等长文本场景采用 SseEmitter + fetch/ReadableStream 边生成边展示，交互体验接近主流 AI 产品。
6. 模型与 Prompt 全部可配置：API Key、模型名称、Prompt 内容均从数据库读取，不写死在代码里，切换模型或调整提示词无需改动业务代码。

六、关键页面截图

（坐等武哥上传截图）