模拟面试 + 简历写作 + 知识库,一个面向求职场景的 AI Agent 后端,配套 Vue 3 前端。
它同时是一个可被别的 AI 宿主调用的能力后端:同一套面试/检索能力通过 MCP 和 DSH Skill 暴露出去,所以你可以直接在 Claude、Cursor 或 DeepSeek Harness 里让 Agent 驱动一场模拟面试。
| 能力 | 说明 |
|---|---|
| 模拟面试 | 按方向出题 → 逐题判断追问还是换题 → 反问环节 → 生成评估报告;会话记忆存 Redis |
| 简历写作 | 素材追问、生成、judge 打分、定点重写、风格画像、时间线校验、发布 |
| 简历解析 | 导入既有简历(PDF/文本)→ 结构化后进入写作流水线 |
| 知识库 | 考察点检索,pgvector 向量检索 + 关键词 |
| Agent 对话 | 带工具的 Agent 演示入口(/api/agent/chat) |
| 层 | 选型 |
|---|---|
| 后端 | Spring Boot 4.1.1、JDK 25、Spring AI 2.0.0、Spring AI Agent Utils、MapStruct、SpringDoc |
| 存储 | PostgreSQL 16 + pgvector、Redis(Redisson)、阿里云 OSS(S3 兼容) |
| 模型 | 阿里云百炼 DashScope(OpenAI 兼容端点,同时提供 chat 与 embedding) |
| 前端 | Vue 3.5、Vite 8、TypeScript 6、Element Plus、Pinia、vue-router |
| 互操作 | MCP Server(streamable-http,/mcp)、DSH Skill |
后端按业务模块切分,common 与 infrastructure 提供横切能力:
cn.barneyfu.agentic
├── common/ agent、ai、config、exception、json、result、writing
├── infrastructure/ redis(会话记忆)、sse(流式推送)
└── modules/
├── agent Agent 对话演示(/api/agent)
├── career 方向与写作范式(/api/career)
├── chat 对话(/api/chat)
├── interview 模拟面试(/api/interview)
├── knowledge 知识库检索(/api/knowledge)
├── mcp MCP 工具暴露
├── resume 简历导入解析(/api/resume)
└── writer 简历写作流水线(/api/writer)
「一个带工具的 Agent(面试官)+ 状态机编排的固定角色 LLM 流水线」
全项目没有编排器、没有子 Agent、没有消息交接。10 处 agentLoop.run(...) 调用里只有 2 处带工具列表(面试官的三个动作、以及演示接口),其余 8 处是输入确定、输出结构化的单次固定角色调用——它们不需要观察-决策-行动循环。
阶段推进是按「已出主问题数 / 总题数」的比例计算的规则,不是 Agent 决策;唯一的 LLM 决策点是面试官的 FOLLOW_UP / NEXT 结构化输出。
设计阶段确实计划过协调器 + 4 个专业 Agent,实现时推翻了。理由与差异逐条记在 docs/agent-module-design.md 第 0 节,引用本项目架构时请以那一节为准。
同一份能力可以不动后端代码地被别处调用:
| 方式 | 位置 | 说明 |
|---|---|---|
| MCP Server | application.yaml 的 spring.ai.mcp.server 段 |
端点 http://localhost:8080/mcp,streamable-http 传输;与 Web 同进程,复用同一套 Service |
| DSH Skill | .dsh/skills/interviewer、.dsh/skills/resume-writer |
让宿主 Agent 按流程驱动后端,出题与评分口径仍只在后端一份 |
| DSH 原生工具插件 | dsh-plugin/fuagentic-cordis-tool |
用 DSH 原生工具机制注册 fuagentic_knowledge_search,与 MCP 版做对照 |
eval/ 下是一套可重复的评测:场景集 → 跑真实模型 → 生成 eval/reports/*.md 与 *.json → 与上一次运行对比。
它存在的意义是:改动 prompt 或工具后,能回答"这次到底变好了还是变差了",而不是凭感觉。
cd fuagentic
docker compose -f docker-compose.dev.yml up -d # PostgreSQL 16 + pgvector,含 init.sqlRedis 需要你自己起一个(默认 redis://localhost:6379,口令 123456,可用 REDIS_HOST / REDIS_PORT / REDIS_PASSWORD 覆盖)。
cp .env.example .env至少要填 AI_BAILIAN_API_KEY(阿里云百炼的 DashScope 密钥)——没有它后端启动会失败,因为它同时提供 chat 与 embedding。
其余按需:APP_STORAGE_*(OSS)、APP_AI_CONFIG_ENCRYPTION_KEY。
配置优先级:OS 环境变量 >
.env(或 IDEA 注入)> 代码默认值。.env已加入.gitignore。
cd fuagentic
mvn spring-boot:run默认端口 8080;Swagger UI 在 /swagger-ui.html,MCP 端点在 /mcp。
cd fu-agentic-ui
npm install
npm run devcd fuagentic
mvn test # 495 个测试,无需外部依赖FuAgenticApplicationTests.contextLoads 会真实启动 Spring 容器(需要 PostgreSQL),因此默认跳过。要跑它:
docker compose -f docker-compose.dev.yml up -d
FUAGENTIC_IT=true mvn test -Dtest=FuAgenticApplicationTestsfuagentic/
├── fuagentic/ 后端(Spring Boot 4 + Spring AI)
│ ├── src/main/java 模块化代码
│ ├── src/test 495 个测试
│ └── docker-compose.dev.yml
├── fu-agentic-ui/ 前端(Vue 3 + Vite + TS)
├── .dsh/ DSH Skill 与 overlay patch
├── dsh-plugin/ DSH 原生工具插件
├── eval/ 评测场景集与报告
├── docs/ 设计文档、学习笔记、问题归档
└── scripts/ 运维与验证脚本
- Redis 不在 compose 里,需要自行启动;没有 Redis 时面试会话记忆不可用。
- 模型能力依赖阿里云百炼;换 provider 需要改
spring.ai.openai.*指向其它 OpenAI 兼容端点,并确认 embedding 也兼容。 - 评测报告是历史快照,
eval/reports/里的数字对应各自运行时刻,不代表当前代码。 docs/里保留了开发过程的笔记与问题归档,其中部分内容与当前实现不完全同步——以代码和agent-module-design.md第 0 节为准。