[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"ad-slot-floating-promo":3,"$fj8aXdIAB9l70qA6nDGTDEYOGrcWRoQ0F2sP29VkzP0U":6,"ad-slot-course-detail-side":31},{"data":4,"_fetchedAt":5},[],1783500646326,{"id":7,"name":8,"icon":9,"description":10,"category":11,"price":12,"originalPrice":13,"content":14,"resources":15,"status":21,"tags":22,"type":28,"url":29,"orders":30},90,"AI 智能简历优化系统","resume","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。","AI_PROJECT",9900,14900,"\u003Ch2>一、项目技术栈\u003C\u002Fh2>\n\u003Cp>前后端分离\u003C\u002Fp>\n\u003Cp>\u003Cstrong>后端\u003C\u002Fstrong>：SpringBoot3 + MyBatis + PageHelper + Hutool\u003Cbr>\u003Cstrong>前端\u003C\u002Fstrong>：Vue3 + Element-Plus + Vue-Router + Axios\u003Cbr>\u003Cstrong>AI 技术\u003C\u002Fstrong>：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 \u002F PDFBox 文档解析\n\u003Cstrong>数据库\u003C\u002Fstrong>：MySQL  \u003C\u002Fp>\n\u003Cp>版本要求：\njdk 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\u003C\u002Fp>\n\u003Ch2>二、项目功能描述\u003C\u002Fh2>\n\u003Ch3>1. 管理员\u003C\u002Fh3>\n\u003Cp>登录、个人信息、修改密码\u003Cbr>系统首页：查看平台整体数据与 AI 调用概况统计\u003Cbr>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）\u003Cbr>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\u003Cbr>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\u003Cbr>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  \u003C\u002Fp>\n\u003Ch3>2. 用户\u003C\u002Fh3>\n\u003Cp>登录、注册、个人信息、修改密码、头像上传\u003Cbr>简历优化工作台：填写简历标题与目标岗位，上传 PDF \u002F Word \u002F TXT \u002F HTML 简历并自动解析文本\u003Cbr>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）\u003Cbr>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\u003Cbr>AI 问题分析：以 SSE 流式输出方式分析简历存在的问题\u003Cbr>AI 优化建议：生成可执行的修改建议\u003Cbr>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\u003Cbr>AI 模拟面试题：基于当前简历与目标岗位生成分类面试题\u003Cbr>当前简历下载：将当前简历文本导出为 Word 文档  \u003C\u002Fp>\n\u003Ch2>三、项目创新点\u003C\u002Fh2>\n\u003Col>\n\u003Cli>\u003Cstrong>"原始文本 + 当前文本"双版本机制\u003C\u002Fstrong>：上传解析后的 \u003Ccode>original_text\u003C\u002Fcode> 与用户持续优化的 \u003Ccode>current_text\u003C\u002Fcode> 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。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>AI 结果统一落库、以 type 区分\u003C\u002Fstrong>：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 \u003Ccode>resume_ai_record\u003C\u002Fcode> 表，通过 \u003Ccode>type\u003C\u002Fcode> 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。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>改写结果"候选 + 采纳"闭环\u003C\u002Fstrong>：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。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>结构化 JSON 输出约束大模型\u003C\u002Fstrong>：诊断评分强制模型返回 \u003Ccode>score \u002F level \u002F analysis\u003C\u002Fcode> 结构化字段，后端解析入库，避免自由文本难以复用的问题。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>SSE 流式输出提升体验\u003C\u002Fstrong>：问题分析、优化建议等长文本场景采用 \u003Ccode>SseEmitter\u003C\u002Fcode> + \u003Ccode>fetch\u002FReadableStream\u003C\u002Fcode> 边生成边展示，交互体验接近主流 AI 产品。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>模型与 Prompt 全部可配置\u003C\u002Fstrong>：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。\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Ch2>六、关键页面截图\u003C\u002Fh2>\n\u003Cp>（坐等武哥上传截图）\u003C\u002Fp>\n",[16,17,18,19,20],"源码+SQL","喂饭学习教程","配套面试文档","环境安装文档","项目运行文档","上架",[23,24,25,26,27],"Springboot3","SpringAI","LLM","Prompt","SSE","小试牛刀",null,0,{"data":32,"_fetchedAt":33},[],1783500646330]