AI 智能简历分析系统

一个面向招聘筛选场景的 AI 简历分析平台。系统支持简历批量上传、异步解析与 AI 分析、知识库匹配、评分展示、分析详情查看等流程，帮助招聘人员把重复的简历初筛工作沉淀成可追踪、可复用、可批量处理的工作台。

项目亮点

• 批量处理能力：支持一次上传多份简历，每份简历独立进入上传、排队、分析、完成或失败状态。
• 异步分析链路：上传成功后通过 Redis Stream 投递分析任务，前端无需长时间阻塞等待。
• 知识库驱动匹配：可维护招聘标准、岗位要求、筛选规则等知识库内容，AI 分析时会结合知识库进行匹配。
• 结构化分析结果：自动提取候选人姓名、邮箱、电话、地址、薪资期望、综合评分、评价和匹配明细。
• 状态自动刷新：简历列表和上传页都会持续查询后端状态，分析完成后自动更新页面。
• 文件内容解析：基于 Apache Tika 解析 PDF、Word、TXT、HTML 等常见简历格式。
• 容器化基础设施：PostgreSQL、Redis 和后端服务可通过 Docker Compose 快速启动。

功能展示

知识库管理

用于维护招聘标准、岗位要求、筛选规则等内容，作为 AI 分析简历时的参考依据。

批量简历上传

支持多文件拖拽上传，上传后每份简历会单独展示处理状态，并自动轮询分析进度。

简历列表

集中展示所有简历的处理状态、候选人姓名、评分和上传时间。处于待分析或分析中的简历会自动刷新状态。

分析详情

展示简历原文、候选人基础信息、AI 评分、综合评价、知识库匹配明细和失败原因。

技术架构

frontend
  Vue 3 + Vite + Element Plus
  负责上传交互、列表展示、状态轮询、详情展示

backend
  Spring Boot 3 + Spring Web + Spring Data JPA
  负责文件接收、内容解析、任务投递、AI 调用、结果持久化

infra
  PostgreSQL: 存储知识库、简历、分析结果
  Redis Stream: 承载简历分析异步任务队列
  Apache Tika: 解析不同格式的简历文本
  DeepSeek/OpenAI compatible API: 执行简历智能分析

目录结构

resumeAnalysis/
├── backend/                 # Spring Boot 后端服务
│   ├── src/main/java/       # Controller、Service、Consumer、Entity 等代码
│   ├── src/main/resources/  # application.yml、Flyway 迁移脚本
│   ├── Dockerfile
│   └── pom.xml
├── frontend/                # Vue 3 前端应用
│   ├── src/api/             # Axios API 封装
│   ├── src/views/           # 页面视图
│   ├── src/components/      # 公共组件
│   └── package.json
├── docs/screenshots/        # README 截图占位目录
└── docker-compose.yml

快速开始

1. 准备环境

• JDK 17+
• Maven 3.8+
• Node.js 18+
• Docker 和 Docker Compose
• DeepSeek 或 OpenAI 兼容接口 API Key

2. 配置 AI API Key

推荐使用环境变量，不要把真实 Key 提交到代码仓库。

$env:AI_API_KEY="你的 API Key"

后端默认读取：

ai:
  endpoint: https://api.deepseek.com/chat/completions
  api-key: ${AI_API_KEY:}
  model: deepseek-v4-pro

3. 启动基础设施

docker compose up -d postgres redis

4. 启动后端

cd backend
mvn spring-boot:run

后端默认端口：http://localhost:8080

5. 启动前端

cd frontend
npm install
npm run dev

前端默认端口：http://localhost:3000

Docker 启动后端

如果希望连同后端一起由 Docker Compose 启动：

docker compose up -d --build

服务说明：

• PostgreSQL: localhost:5432
• Redis: localhost:6379
• Backend: localhost:8080

前端仍可单独使用 npm run dev 启动，并通过 Vite 代理访问 /api。

核心流程

1. 用户上传一份或多份简历。
2. 后端保存文件，并使用 Apache Tika 解析文本内容。
3. 简历记录写入 PostgreSQL，初始状态为 PENDING。
4. 数据库事务提交后，后端向 Redis Stream 投递分析任务。
5. 消费者读取任务，将简历状态更新为 ANALYZING。
6. 后端调用 AI 接口，结合知识库生成结构化分析结果。
7. 分析完成后写回数据库，状态更新为 COMPLETED；异常时状态更新为 FAILED。
8. 前端列表页和上传页轮询状态，自动展示最新结果。

API 概览

方法	路径	说明
POST	/api/resume/upload	上传简历并创建分析任务
GET	/api/resume	查询简历列表
GET	/api/resume/{id}	查询简历详情
GET	/api/resume/{id}/status	查询简历分析状态
DELETE	/api/resume/{id}	删除简历
GET	/api/knowledge-base	查询知识库
POST	/api/knowledge-base	新增知识库内容

截图替换说明

README 中已预留截图路径：

docs/screenshots/knowledge-base.png
docs/screenshots/resume-upload.png
docs/screenshots/resume-list.png
docs/screenshots/resume-detail.png

你后续手动截图后，把图片放到对应路径即可自动在 README 中展示。

适用场景

• HR 简历初筛
• 校招或社招批量简历评估
• 岗位要求与候选人能力匹配分析
• 招聘知识库沉淀与复用
• 简历解析、评分和筛选流程演示

后续可扩展方向

• 增加批量导出分析报告
• 增加岗位维度和多知识库选择
• 增加分析任务重试和失败原因分类
• 支持更多 AI Provider 配置
• 增加候选人对比视图和筛选看板