基于大语言模型的个性化职业规划与智能企业匹配系统

智聘导航 - AI职业规划平台摘要智聘导航是一个基于大语言模型的智能职业规划系统，通过AI技术为用户提供个性化职业分析和企业匹配服务。平台采用Vue+Spring Boot技术栈，集成通义千问大模型，核心功能包括： AI职业分析 - 根据用户背景生成专业职业规划报告并推荐匹配企业企业库管理 - 支持多维度企业筛选，管理员可维护企业数据社区交流 - 提供求职经验分享和互动功能用户系统 - 基

山下一只虎

631人浏览 · 2025-12-10 00:57:58

山下一只虎 · 2025-12-10 00:57:58 发布

🚀 智聘导航 - AI驱动的智能职业规划平台

基于大语言模型的个性化职业规划与智能企业匹配系统

功能特性 • 技术栈 • 快速开始 • 项目截图

📖 项目简介

智聘导航是一个集成了AI大模型技术的智能职业规划平台，旨在帮助求职者进行个性化的职业分析和企业匹配。系统通过分析用户的技能、经验、教育背景和职业目标，利用通义千问大模型生成专业的职业规划报告，并智能推荐匹配的企业和岗位。

核心价值

✨ AI智能分析：基于通义千问大模型，深度分析用户背景，生成个性化职业规划报告
🎯 精准匹配：智能匹配最适合的企业和岗位，提高求职成功率
🏢 企业数据库：汇集优质企业信息，支持多维度筛选和搜索
👥 社区交流：用户可分享求职经验，互相学习成长
📊 历史记录：保存每次分析记录，方便回顾和对比

✨ 功能特性

1. AI职业分析

📝 填写技能特长、项目经验、教育背景、职业目标
🤖 调用通义千问API生成专业职业规划报告（Markdown格式）
🏢 智能推荐3-5家匹配企业
💾 自动保存分析记录，支持历史查看和删除

2. 企业库管理

🔍 支持按行业、规模、地点筛选企业
📋 展示企业详细信息：技术栈、岗位、薪资范围、公司描述
➕ 管理员功能：添加新企业信息
🗑️ 管理员功能：删除企业信息

3. 社区交流

💬 发布评论，支持分类：面试技巧、职业规划、行业资讯、求职心得
👍 点赞功能，支持互动
🔍 按分类筛选评论
📅 显示评论发布时间和作者信息

4. 用户系统

🔐 用户注册/登录（JWT认证）
👤 角色管理：普通用户（role=0）、管理员（role=1）
🔒 基于角色的权限控制（RBAC）

🛠️ 技术栈

前端技术

框架：Vue 2.6.11
路由：Vue Router 3.2.0
状态管理：Vuex 3.6.2
UI组件：Element UI 2.15.6
样式：Tailwind CSS 2.2.17
HTTP客户端：Axios 0.25.0
Markdown渲染：marked 4.3.0
构建工具：Vue CLI 4.5.0

后端技术

框架：Spring Boot 2.5.9
ORM：MyBatis-Plus 3.5.1
数据库：MySQL 8.0+
认证：JWT (java-jwt 3.19.0)
HTTP客户端：OkHttp 4.11.0
JSON处理：Jackson 2.17.0
工具类：Hutool、Apache Commons Lang3

AI集成

大模型：阿里云通义千问（qwen-plus）
API模式：DashScope兼容模式（OpenAI兼容）
调用方式：OkHttp直接调用REST API

开发工具

后端构建：Maven 3.6+
前端构建：npm/yarn
IDE推荐：IntelliJ IDEA / VS Code

📁 项目结构

ai_project/
├── ai_front/                 # 前端项目
│   ├── src/
│   │   ├── components/       # 公共组件
│   │   │   └── Header.vue    # 导航栏组件
│   │   ├── views/            # 页面组件
│   │   │   ├── Home.vue      # 首页
│   │   │   ├── AIAnalysis.vue    # AI分析页面
│   │   │   ├── Companies.vue     # 企业库页面
│   │   │   ├── Community.vue     # 社区页面
│   │   │   ├── Login.vue          # 登录页面
│   │   │   └── CompanyAdd.vue     # 添加企业页面（管理员）
│   │   ├── router/           # 路由配置
│   │   ├── utils/            # 工具类
│   │   │   └── request.js    # Axios封装
│   │   └── main.js           # 入口文件
│   └── package.json
│
├── ai_end/                   # 后端项目
│   ├── src/main/java/com/hello/springboot/
│   │   ├── controller/       # 控制器层
│   │   │   ├── AiController.java              # AI分析接口
│   │   │   ├── AiAnalysisRecordController.java # 历史记录接口
│   │   │   ├── CompanyController.java          # 企业接口
│   │   │   ├── CommentController.java          # 评论接口
│   │   │   └── UserController.java             # 用户接口
│   │   ├── service/          # 服务层
│   │   │   ├── impl/
│   │   │   │   └── AiAnalysisServiceImpl.java  # AI分析实现
│   │   │   └── ...
│   │   ├── entity/           # 实体类
│   │   │   ├── User.java
│   │   │   ├── Company.java
│   │   │   ├── Comment.java
│   │   │   └── AiAnalysisRecord.java
│   │   ├── mapper/           # 数据访问层
│   │   ├── config/           # 配置类
│   │   │   ├── CorsConfig.java        # 跨域配置
│   │   │   ├── InterceptorConfig.java # 拦截器配置
│   │   │   └── OpenAiConfig.java      # AI配置
│   │   └── utils/            # 工具类
│   │       └── TokenUtils.java        # JWT工具
│   ├── src/main/resources/
│   │   └── application.yml   # 配置文件
│   └── pom.xml              # Maven依赖
│
└── README.md                # 项目文档

🚀 快速开始

环境要求

JDK：1.8+
Node.js：14.0+
MySQL：8.0+
Maven：3.6+
通义千问API Key：需要阿里云DashScope账号

1. 克隆项目

git clone <your-repo-url>
cd ai_project

2. 数据库配置

2.1 创建数据库

CREATE DATABASE ai_project CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

2.2 执行SQL脚本

执行以下SQL文件创建表结构：

ai_end/ai_project.sql - 用户表、企业表、评论表
ai_end/ai_analysis_records.sql - AI分析记录表

3. 后端配置

3.1 修改数据库配置

编辑 ai_end/src/main/resources/application.yml：

spring:
  datasource:
    url: jdbc:mysql://localhost:3306/ai_project?serverTimezone=GMT%2b8
    username: root        # 修改为你的数据库用户名
    password: 123456      # 修改为你的数据库密码

server:
  port: 9090              # 后端服务端口

3.2 配置通义千问API

在 application.yml 中配置你的API Key：

dashscope:
  api-key: sk-your-api-key-here  # 替换为你的通义千问API Key
  base-url: https://dashscope.aliyuncs.com/compatible-mode/v1
  model: qwen-plus

💡 获取API Key：访问阿里云DashScope控制台申请API Key

3.3 启动后端服务

cd ai_end
mvn clean install
mvn spring-boot:run

后端服务将在 http://localhost:9090 启动

4. 前端配置

4.1 安装依赖

cd ai_front
npm install

4.2 配置API地址

检查 ai_front/src/utils/request.js 中的 baseURL：

const service = axios.create({
  baseURL: 'http://localhost:9090',  // 确保与后端端口一致
  timeout: 20000
})

4.3 启动前端服务

npm run serve

前端服务将在 http://localhost:8080 启动

5. 访问应用

打开浏览器访问：http://localhost:8080

📸 项目截图

1. 首页

在这里插入图片描述

功能说明：

展示平台核心价值和服务特色
统计数据展示（企业合作、成功案例、用户满意度）
快速入口：AI分析、企业库浏览

2. AI职业分析页面

在这里插入图片描述

功能说明：

📝 填写个人信息：技能、经验、教育背景、职业目标
🤖 一键生成AI职业规划报告（Markdown格式，支持富文本渲染）
🏢 智能推荐3-5家匹配企业，展示企业详细信息
📋 历史分析记录：查看、删除、重新查看历史分析

技术亮点：

集成通义千问大模型API
将企业数据库作为上下文提供给AI，实现精准推荐
支持Markdown格式报告渲染
自动保存分析记录到数据库

3. 企业库页面

在这里插入图片描述

功能说明：

🔍 多维度筛选：行业、规模、地点
📋 企业卡片展示：名称、行业、规模、薪资范围、技术栈、岗位
➕ 管理员功能：添加新企业（导航栏显示"新增企业信息"菜单）
🗑️ 管理员功能：删除企业（企业卡片右上角删除按钮）

4. 社区交流页面

在这里插入图片描述

功能说明：

💬 发布评论：支持分类（面试技巧、职业规划、行业资讯、求职心得）
👍 点赞功能：支持互动
🔍 分类筛选：按分类查看评论
📅 时间显示：展示评论发布时间

5. 登录页面

在这里插入图片描述

功能说明：

🔐 用户注册/登录
🔒 JWT Token认证
👤 角色管理：普通用户、管理员

🔧 技术亮点

1. AI大模型集成

挑战：集成通义千问API，实现智能分析和推荐

解决方案：

使用OkHttp直接调用DashScope兼容模式API（避免SDK依赖冲突）
构建包含企业数据库的上下文提示词，让AI基于真实数据推荐
解析AI返回的JSON格式结果，提取分析报告和推荐企业ID
实现兜底机制：如果AI未返回企业ID，使用关键词匹配推荐

核心代码：

// 构建包含企业数据的提示词
private String buildPrompt(AiAnalysisRequest req, List<Company> companies) {
    // 格式化企业数据为文本，提供给AI作为上下文
    StringBuilder companiesText = new StringBuilder();
    for (Company c : companies) {
        companiesText.append(String.format("ID:%d, 名称:%s, 行业:%s, 技术栈:%s\n",
            c.getId(), c.getName(), c.getIndustry(), 
            c.getTechStack().toString()));
    }
    // 构建完整的提示词...
}

2. 依赖冲突解决

挑战：OpenAI Java SDK与Spring Boot的Jackson版本冲突

解决方案：

使用dependencyManagement统一管理Jackson版本（2.17.0）
显式声明所有Jackson模块版本，避免传递依赖冲突
最终采用OkHttp直接调用API，避免SDK依赖问题

3. 前后端分离架构

前端：

Vue 2 + Vue Router实现SPA
Axios封装统一请求拦截器（自动添加JWT Token）
响应拦截器统一处理错误和数据提取

后端：

Spring Boot RESTful API
MyBatis-Plus简化CRUD操作
JWT拦截器实现统一认证
全局异常处理

4. 角色权限控制（RBAC）

实现：

用户表role字段：0=普通用户，1=管理员
前端：Header.vue根据user.role动态显示管理员菜单
后端：JwtInterceptor解析Token获取用户信息
管理员功能：添加/删除企业

5. 历史记录功能

实现：

创建ai_analysis_records表存储分析记录
分析完成后自动保存记录
支持查看历史、删除记录、重新查看详情

📊 数据库设计

核心表结构

1. users（用户表）

id：主键
username：用户名（唯一）
password：密码（加密）
name：昵称
role：角色（0=用户，1=管理员）

2. companies（企业表）

id：主键
name：企业名称
industry：行业
scale：规模
location：地点
salary_range：薪资范围
tech_stack：技术栈（JSON）
positions：岗位（JSON）
description：描述
website：官网

3. comments（评论表）

id：主键
user_id：用户ID
content：内容
category：分类（字符串）
likes：点赞数

4. ai_analysis_records（AI分析记录表）

id：主键
user_id：用户ID
skills：技能
experience：经验
education：教育背景
career_goal：职业目标
analysis_result：分析结果（文本）
recommended_company_ids：推荐企业ID（JSON）
created_at：创建时间

🔐 API接口文档

认证相关

用户注册

POST /user/register
Body: { username, password, name }

用户登录

POST /user/login
Body: { username, password }
Response: { code, msg, data: { id, username, name, role, token } }

AI分析相关

生成分析报告

POST /ai/analysis
Headers: { Authorization: Bearer {token} }
Body: { skills, experience, education, career_goal }
Response: { 
  code, msg, 
  data: { 
    analysis: "职业规划报告（Markdown）",
    companies: [企业列表]
  }
}

获取历史记录

GET /ai/records?current=1&size=10
Headers: { Authorization: Bearer {token} }

删除历史记录

DELETE /ai/records/{id}
Headers: { Authorization: Bearer {token} }

企业相关

获取企业列表

GET /company?current=1&size=10&industry=互联网

获取行业列表

GET /company/industries

添加企业（管理员）

POST /company
Headers: { Authorization: Bearer {token} }
Body: { name, industry, scale, location, ... }

删除企业（管理员）

DELETE /company/{id}
Headers: { Authorization: Bearer {token} }

评论相关

获取评论列表

GET /comment?current=1&size=10&category=面试技巧

发布评论

POST /comment
Headers: { Authorization: Bearer {token} }
Body: { content, category }

点赞评论

POST /comment/{id}/like
Headers: { Authorization: Bearer {token} }

🐛 常见问题

1. 后端启动失败：Jackson版本冲突

解决方案：确保pom.xml中已统一Jackson版本为2.17.0

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>com.fasterxml.jackson</groupId>
            <artifactId>jackson-bom</artifactId>
            <version>2.17.0</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>