基于 Spring Boot 4.0 + Java 21 + Spring AI 2.0 的智能面试辅助平台

前端技术

技术选型常见问题解答

为什么选择 Spring AI？

Spring AI 是 Spring 官方推出的 AI 集成框架，提供了统一的 LLM 调用抽象。

1. 统一抽象：一套代码支持多种 LLM 提供商（OpenAI、阿里云 DashScope、Ollama 等），切换模型只需修改配置。
2. Spring 生态集成：与 Spring Boot 无缝集成，支持自动配置、依赖注入、声明式调用。
3. 内置向量存储支持：原生支持 pgvector、Milvus、Pinecone 等向量数据库，简化 RAG 开发。
4. 结构化输出：通过 BeanOutputConverter 将 LLM 输出直接映射为 Java 对象，无需手动解析 JSON。

// 示例：Spring AI 结构化输出
var converter = new BeanOutputConverter<>(ResumeAnalysisDTO.class);
String result = chatClient.prompt()
    .system(systemPrompt)
    .user(userPrompt + converter.getFormat())
    .call().content();
return converter.convert(result); // 直接得到 Java 对象

数据存储为什么选择 PostgreSQL + pgvector？

本项目需要同时存储结构化数据（简历、面试记录）和向量数据（文档 Embedding）。

选择 pgvector 的理由：

• 架构简单：不引入额外组件，降低部署和运维复杂度。
• 性能够用：HNSW 索引支持毫秒级检索，万级文档场景完全够用。
• 事务一致性：向量数据和业务数据在同一数据库，天然支持事务。
• SQL 查询：可以结合 WHERE 条件过滤，比如'只在某个分类的知识库中检索'。

-- pgvector 相似度搜索示例
SELECT content, 1-(embedding <=> $1) as similarity 
FROM vector_store 
WHERE metadata->>'category'='Java' 
ORDER BY embedding <=> $1 
LIMIT 5;

PostgreSQL 最大的优势在于其强大的可扩展性。开发者可以在不修改内核的情况下，像'即插即用'一样为数据库安装各种功能强大的插件，这让 PostgreSQL 变成了一个无所不能的'数据瑞士军刀'。

• AI 向量检索？ 有官方推荐的 pgvector 扩展，性能强大，生态成熟。
• 全文搜索？ 内置支持，或使用 pg_bm25 等扩展。
• 时序数据？ 有顶级的 TimescaleDB 扩展。
• 地理信息？ 有行业标准的 PostGIS 扩展。

这种'一站式'解决能力，正是其魅力所在。它意味着许多项目不再需要依赖 Elasticsearch、Milvus 等大量外部中间件，仅凭一个增强版的 PostgreSQL 即可满足多样化需求，从而极大地简化了技术栈，降低了开发和运维的复杂度与成本。

为什么引入 Redis？

本项目主要有两个场景用到了 Redis：

1. Redis 替代 ConcurrentHashMap 实现会话的缓存。
2. 基于 Redis Stream 实现简历分析、知识库向量化等场景的异步（还能解耦，分析和向量化可以使用其他编程语言来做）。

为什么引入 Redis Stream？为何不选择 Kafka、RabbitMQ 等更成熟的消息队列？

简历分析、知识库向量化等 AI 任务耗时较长（10-60 秒），不适合同步处理。需要消息队列实现异步解耦。

选择 Redis Stream 的理由：

• 复用现有组件：Redis 已用于会话缓存，无需引入新中间件。
• 功能满足需求：支持消费者组、消息确认（ACK）、持久化。
• 运维简单：对于中小型项目，Redis Stream 完全够用。

构建工具为什么选择 Gradle？

SpringBoot 官方现在用的就是 Gradle，加上国内现在都是 Maven 更多，换个 Gradle 还更新颖一些。

为什么使用 MapStruct？

项目中有大量 Entity ↔ DTO 转换需求，MapStruct 是编译时代码生成的对象映射框架：

为什么使用 Apache Tika？

系统需要解析多种格式的文档（PDF、Word、TXT），Apache Tika 是 Apache 基金会的文档解析库：

• 格式支持全：PDF、DOCX、DOC、TXT、HTML、Markdown 等上百种格式。
• 自动识别：根据文件内容自动检测格式，无需依赖文件扩展名。
• 文本提取：统一的 API 提取纯文本，屏蔽格式差异。

// Tika 解析示例
Tika tika = new Tika();
String content = tika.parseToString(inputStream); // 自动识别格式并提取文本

为什么使用 SSE 而不是 WebSocket？

知识库问答需要流式输出（像 ChatGPT 那样逐字显示），有两种技术选择：

选择 SSE 的理由：

• 场景匹配：LLM 流式输出是单向的（服务端 → 客户端），不需要双向通信。
• 实现简单：基于 HTTP，天然支持重连、跨域。
• Spring 支持好：Flux<ServerSentEvent<String>> 一行代码搞定。

前端为什么选择 React + TypeScript + Tailwind CSS？

效果展示

简历与面试

简历库：

简历上传分析：

简历分析详情：

面试记录：

面试详情：

模拟面试：

知识库

知识库管理：

问答助手：