AI Agent岗位匹配与求职规划系统
项目简介：基于简历解析、JD结构化抽取、MCP工具调用和Agent多步骤执行，实现岗位匹配评分、能力差距诊断、项目包装建议、改进计划和求职规划报告，适合岗位样本、职业规划闭环和Agent执行追踪。
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 25 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。
mcp_tool 表里启用的工具被包装成 ToolCallback，模型每调用一次就插入一条 agent_step，记下工具编码、参数和返回，最终答案存为 Final Answer 步骤。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：求职端 + 管理端用户端简历中心、项目经历、能力画像、AI 匹配和求职报告；管理端维护岗位 JD、技能标签、知识库、工具中心和 Agent 观测。
- 2求职资料准备（用户侧）上传简历自动提取文本并 AI 结构化解析，维护项目经历，再生成用户能力画像，画像是后面对标的输入。
- 3岗位知识底座（管理侧）岗位 JD 结构化解析、技能标签库、岗位样本库、求职知识库向量化，供 Agent 的五个工具读取。
- 4ReAct Agent
mcp_tool表里启用的工具被包成ToolCallback，模型必须先读用户画像和岗位 JD，其余三个工具调不调、调几次由模型按需决定；关掉的工具模型看不到。 - 5每一步都可追踪任务启动即建 Agent Run，模型每调一次工具就写一条
agent_step和一条mcp_tool_call_log。 - 6分析结果沉淀一次运行沉下六样东西：Agent Run、Agent Step、匹配评分、差距诊断、提升计划和 Markdown 求职规划报告。
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从单次问答升级成 Agent
- 问题
- 把简历和岗位 JD 一次性塞给模型，它只能泛泛而谈，拿不到技能标签、岗位样本、求职方法这些业务数据。
- 做法
- 用 Spring AI 实现 ReAct Agent：系统提示词要求先读画像和 JD，再按需查询技能标签、岗位样本和求职知识库，工具结果作为 Observation 回传给模型。
- 原理
- 先读画像和 JD 是硬要求，其余工具调不调、调几次由模型在运行时决定，这是 Agent 和固定流程的本质区别。
02工具要能在后台管，还要走业务逻辑
- 问题
- 工具写死在代码里，想停用、改描述都得改代码发版；让模型直接查库又不可控。
- 做法
mcp_tool表保存工具编码、说明和启用状态，启用的工具被包装成ToolCallback；模型调用时统一进入McpToolExecutorService，走确定性的业务 Service。- 原理
- 模型负责「选」，代码负责「做」：工具的定义可配置，执行永远在受控的业务代码里。
03Agent 过程像黑盒
- 问题
- 框架在内部自动循环调用工具，最后只给出一个结论，不知道模型读了什么、查了什么、哪一步出错。
- 做法
- 一次分析对应一条
agent_run，每次工具调用插入一条agent_step（Action、参数、Observation、状态、耗时），同时写mcp_tool_call_log；前台可查看完整调用轨迹。 - 原理
- 在工具回调里主动记录每一步，把框架托管的循环变成可查询、可复盘的过程。
04求职建议要有依据
- 问题
- 模型凭通用知识给求职建议，容易空泛，也和平台沉淀的求职方法对不上。
- 做法
- 求职知识库切片后生成向量，
career_knowledge_retrieve工具把目标岗位和能力要求拼成查询，按余弦相似度返回 TopK 分片给 Agent。 - 原理
- RAG 作为 Agent 的一个工具：需要知识时模型自己去检索，而不是每次都把整库塞进上下文。
功能清单
按角色看这个系统都能做什么。
系统配置3 项
- 后台首页查看用户、岗位、知识库、Agent 运行和求职报告等统计
- AI 模型配置与 Prompt 模板维护对话模型、向量模型和各类提示词模板
- 用户管理维护系统账号，区分管理员和普通用户
求职资料3 项
- 简历资料解析查看简历解析文本和结构化结果，清理异常数据
- 项目经历管理查看用户维护的项目经历，辅助排查画像和报告素材
- 用户能力画像查看画像、技能标签、优势、项目摘要和画像原文
岗位知识4 项
- 岗位 JD 管理维护平台岗位 JD，一键结构化解析成岗位画像
- 技能标签库维护岗位方向、技能分类、技能名称和难度等级
- 岗位样本库维护典型岗位样本，供 Agent 分析时参考
Agent 分析5 项
- 工具管理维护工具元数据和启用状态，工具被包装成 ToolCallback
- 工具调用日志查看每次工具调用的入参、出参、状态、耗时和错误
- 求职分析任务查看用户创建的分析任务、目标岗位和规划周期
页面截图
共 9 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27 章
从工程底座、简历与岗位资料讲起，到结构化解析、能力画像、工具中心、ReAct Agent 和求职报告，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 建表脚本和岗位、知识库初始化数据。
配套面试文档
项目介绍、技术架构、核心表设计、ReAct 与工具中心落地、高频面试题和亮点表达，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 + Spring AI 2），前端是 Vue3。
模型需要自己准备吗？
需要自己准备两个 API Key：DeepSeek 用于对话和 Agent 推理，阿里云百炼用于 Embedding 向量化，在管理端「AI 模型配置」里填入即可，不用改代码。模型都走接口调用，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。