元旦假期，我开源了智Neng面试平台知识库！

你好，我是 Guide。利用元旦假期，我开源了一个基于 Spring Boot + Java + Spring AI + PostgreSQL + pgvector + RustFS + Redis 的大模型项目，实现了简历智Neng分析、AI 模拟面试、知识库 RAG 检索等核心功Neng。

项目背景

在当前的就业环境下求职者需要面对激烈的竞争，而 HR 也需要高效的工具来筛选合适的候选人。因此，我决定开发一个智Neng面试辅助平台，帮助求职者geng好地准备面试，同时为 HR 提供智Neng化的简历评估和面试练习服务。

快速开始

要运行这个项目，你需要准备好相应的环境。 环境要求

Java 环境

Node.js 环境

PostgreSQL 数据库

Redis 缓存服务

RustFS 存储服务

. 配置数据库

你需要创建一个 PostgreSQL 数据库，并启用 pgvector 。

-- 创建数据库
CREATE DATABASE interview_guide;
-- 连接数据库并启用 pgvector 
CREATE EXTENSION vector;

. 配置环境变量

你需要配置 AI API 密钥，Ke以通过以下方式设置环境变量：

# AI API 密钥
export AI_BAILIAN_API_KEY=your_api_key

. 修改应用配置

编辑 app/src/main/resources/application.yml 文件，根据你的实际环境配置数据库、Redis 和存储服务：

spring:
  datasource:
    url: jdbc:postgresql://localhost:5432/interview_guide
    username: your_username
    password: your_password
  data:
    redis:
      host: localhost
      port: 6379
app:
  storage:
    endpoint: http://localhost:9000
    access-key: your_access_key
    secret-key: your_secret_key
    bucket: interview-guide
redisson:
  config: |
    singleServerConfig:
      address: "redis://localhost:6379"
      database: 0
      idleConnectionTimeout: 10000
      connectTimeout: 10000
      timeout: 3000
      retryAttempts: 3
      retryInterval: 1500
      password: null
      subscriptionsPerConnection: 5
      clientName: null
      subscriptionConnectionMinimumIdleSize: 1
      subscriptionConnectionPoolSize: 50
      connectionMinimumIdleSize: 24
      connectionPoolSize: 64
      dnsMonitoringInterval: 5000

. 启动服务

后端：

使用 Gradle 作为构建工具，执行以下命令启动后端服务：

./gradlew bootRun

后端服务将启动于 http://localhost:8080

前端：

进入前端项目目录，执行以下命令启动前端服务：

cd frontend
pnpm install
pnpm dev

前端服务将启动于 http://localhost:3000

项目架构与技术选型

本项目采用了前后端分离的架构，后端基于 Spring Boot + Java + Spring AI 实现核心业务逻辑，前端使用现代前端技术栈构建用户界面。

异步处理流程

为了提高系统性Neng，我们采用了 Redis Stream 进行异步处理。当用户上传简历或进行其他操作时系统会将任务消息发送到 Redis Stream，然后立即返回响应。后台消费者会消费这些消息并执行相应的任务，如简历分析和向量化处理。

上传请求 → 保存文件 → 发送消息到 Stream → 立即返回
                              ↓
                          Consumer 消费消息
                              ↓
                        执行分析/向量化任务
                              ↓
                          geng新数据库状态
                              ↓
                       前端轮询获取Zui新状态

状态流转： PENDING → PROCESSING → COMPLETED / FAILED

技术选型常见问题解答

为什么选择 PostgreSQL + pgvector？ PG 的向量数据存储功NengNeng够满足需求，精简架构，不想引入太多组件。

为什么引入 Redis？ 简历分析和知识库向量化采用 Redis Stream 进行异步处理，提高了系统的响应速度和吞吐量。

构建工具为什么选择 Gradle？

开源协议与贡献指南

本项目采用 AGPL- License。欢迎提交 Issue 和 Pull Request！

欢迎访问我的开源项目,一起完善这个智Neng面试平台！

---