Kongming Student Job Matching Agent

孔明职配是面向学生求职场景的 AI 岗位匹配与简历优化智能体。项目通过简历解析、岗位推荐、JD 分析、匹配解释、简历优化建议、模拟面试和 AI 求职助手，帮助学生完成从“理解自身画像”到“准备投递材料”的求职分析闭环。

项目简介

难以判断岗位与自身经历是否匹配是学生在求职过程中常见的问题，同时学生也缺少面向目标 JD 的具体简历优化建议。孔明职配将简历、岗位 JD、面试回答和用户追问统一到一个求职上下文中，使用轻量多智能体流程和模型代理生成可解释结果。

当前仓库已实现 Web Demo，主要面向以下场景：

学生上传或粘贴 PDF、图片、文本简历。
系统结构化提取学生画像、经历证据、技能和求职方向。
用户可以在简历编辑页修改结构化字段，并联动高亮原始 PDF 对应区域。
扫描版 PDF 或图片简历可通过本地 RapidOCR 获取文字及坐标信息。
岗位推荐优先检索本地岗位 RAG 知识库，再结合模型完成匹配分析。
系统生成岗位推荐，并给出匹配评分、关键词覆盖、风险和行动建议。
用户粘贴目标 JD 后进行二次分析。
用户进入模拟面试，获得面试追问和反馈。
用户通过 AI 助手进行连续求职问答。

核心功能

功能	当前实现
简历输入	支持文本文件、PDF、图片简历；PDF 优先读取文本层，质量不足时转视觉识别。
简历结构化	通过模型任务 `resume-structure` 提取姓名、学历、经历、技能、求职方向等字段。
简历编辑	支持编辑基础信息、教育、项目、竞赛、证书和语言能力，并联动高亮简历文档。
OCR 坐标识别	文本层不足时调用本地 RapidOCR，返回文字块和坐标用于字段定位。
岗位 RAG	基于 500 条岗位数据、SQLite/Qdrant、本地向量召回与重排返回可追溯岗位结果。
岗位推荐	优先使用岗位知识库召回结果，并通过模型补充匹配解释和行动建议。
本地匹配评分	`src/matchEngine.ts` 基于能力、经历、关键词、兴趣和成长潜力生成可解释评分。
JD 分析	支持用户输入岗位名称和 JD，生成岗位结构、投递优先级、优势、风险和行动建议。
简历优化	根据目标岗位和匹配差距生成个人总结、项目经历改写和技能关键词建议。
模拟面试	支持综合面、技术面、HR 面三种模式，包含语音输入、TTS 播报、Live2D/PNG 面试官兜底。
AI 求职助手	支持多轮对话，带入简历、岗位和匹配结果上下文。
报告导出	可导出 Markdown 分析报告。

使用的模型与算力环境

当前代码中的模型调用由后端代理统一封装：

前端调用：src/giteeAiClient.ts
开发环境代理：vite.config.ts 中的 /api/gitee-ai
Vercel API：api/gitee-ai.js
核心模型调用：server/giteeAiCore.js

竞赛环境使用 Gitee AI 模力方舟上的沐曦 Token 资源包，配置如下：

GITEE_AI_BASE_URL=https://ai.gitee.com/v1
GITEE_AI_API_KEY=your_gitee_ai_access_token
GITEE_AI_PACKAGE=1492
GITEE_AI_MODEL=Qwen3-4B
GITEE_AI_VISION_MODEL=Qwen3-VL-8B-Instruct
GITEE_AI_REQUEST_TIMEOUT_MS=90000

模型代理已收敛为 Gitee AI / 沐曦资源包专用路径：服务端仅接受 https://ai.gitee.com/v1，每次请求携带 X-Package: 1492，不再保留其他模型平台的运行时回退。当前使用文本模型 Qwen3-4B 和视觉模型 Qwen3-VL-8B-Instruct，并已补充脱敏调用记录与截图证据。

仓库结构

.
├── api/                         Vercel API 入口，转发模型请求
├── docs/                        项目架构、技术说明、部署、证据与运行文档
├── public/                      静态资源、Live2D/2D 面试官、PDF.js CMap
├── scripts/                     解析器与 UI 验证脚本
├── server/                      服务端模型代理核心逻辑
├── src/                         React 前端、智能体、解析器、页面和样式
├── index.html                   Vite HTML 入口
├── package.json                 Node 依赖和脚本
├── vite.config.ts               Vite 配置和本地 API 代理
├── vercel.json                  Vercel 安全头配置
└── tsconfig.json                TypeScript 配置

更完整的结构说明见项目架构与理解文档。

快速开始

环境要求：

Node.js 版本建议使用当前 Vite 7 可兼容版本，推荐 Node.js 20 或更新版本。
npm。

安装依赖：

npm install

本地开发：

npm run dev

浏览器访问 Vite 输出的本地地址，默认通常为：

http://localhost:5173

构建：

npm run build

预览构建产物：

npm run preview

配置说明

配置项	是否必填	用途	示例
`GITEE_AI_API_KEY`	模型能力必填	服务端模型代理鉴权	`your_model_api_key`
`GITEE_AI_BASE_URL`	比赛环境必填	Gitee AI OpenAI 兼容接口地址	`https://ai.gitee.com/v1`
`GITEE_AI_MODEL`	否	文本任务模型名称	`Qwen3-4B`
`GITEE_AI_VISION_MODEL`	否	图片/PDF 视觉兜底模型名称	`Qwen3-VL-8B-Instruct`
`GITEE_AI_PACKAGE`	否	Gitee AI / 沐曦 Token 资源包编号	`1492`
`GITEE_AI_REQUEST_TIMEOUT_MS`	否	服务端模型请求超时时间	`90000`
`VITE_GITEE_AI_API_URL`	否	前端覆盖模型代理地址	`/api/gitee-ai`
`VITE_AVATAR_MODE`	否	数字人模式标记	`static`

示例输入输出与运行流程

以下示例基于已脱敏的演示数据，展示从首页入口到简历分析、岗位推荐、模拟面试和 AI 助手的完整使用链路。

示例输入：学生简历 PDF、图片或文本内容，以及可选的目标岗位名称/JD。

示例输出：结构化学生画像、岗位推荐列表、岗位匹配评分、简历优化建议、模拟面试追问和 AI 助手多轮问答回复。

1. 首页与能力入口

首页展示项目定位、核心能力入口和岗位推荐/能力图谱预览。

首页 - 岗位推荐展示

首页 - 能力图谱展示

2. 简历解析与优化建议

用户上传或粘贴简历后，系统提取学生画像、项目经历、技能关键词和求职方向，并基于目标岗位生成简历优化建议。

简历解析结果

简历优化建议

3. 岗位推荐与匹配解释

系统根据学生画像生成岗位推荐列表，给出匹配分数、优先级、岗位职责、岗位要求和五维匹配评分。

岗位推荐列表

岗位详情与匹配评分

4. 模拟面试与 AI 助手

用户可以进入综合面、技术面或 HR 面模拟面试，也可以在 AI 助手中围绕简历诊断、岗位澄清、面试准备进行多轮问答。

模拟面试

AI 求职助手

5. 模型真实调用记录

项目已通过 Gitee AI / 沐曦 Token 资源包完成真实模型调用。下图为脱敏后的控制台调用记录，不包含访问令牌、Authorization header、Cookie 或完整 IP。

Gitee AI 真实调用记录

部署方法

当前项目包含 Vercel API 入口和 vercel.json 安全头配置，适合部署到 Vercel。

基本流程：

在部署平台连接仓库。
配置构建命令：npm run build。
配置输出目录：dist。
在部署平台配置 GITEE_AI_API_KEY 等环境变量。
部署后访问公网链接并验证简历上传、岗位推荐、JD 分析和模拟面试流程。

详细步骤见部署指南。

证据材料

仓库已补充 Demo 视频网盘链接、项目展示 PPT、核心页面运行截图、模型真实调用证据、脱敏日志说明和性能测试记录。材料清单见证据材料索引，整理说明见演示材料与证据指南。

性能测试与运行日志

仓库当前包含：

scripts/verify-parsers.cjs：解析器验证脚本。
scripts/verify-ui.cjs：Playwright UI 验证脚本，使用 Mock /api/gitee-ai 响应。

仓库已补充 Gitee AI / 沐曦 Token 资源包真实调用证据。相关材料见：

开源代码参考来源

项目开源参考与第三方依赖说明详见：

当前仓库根目录包含 Apache-2.0 许可证和 NOTICE 文件。原创代码按 Apache License 2.0 开源；第三方依赖、运行时资源和素材仍遵循其各自许可证或授权边界，不能仅用本仓库 License 覆盖。

本项目为 Nanshan von Neumann Team 面向学生求职匹配场景开发的 AI 智能体 Demo。项目核心包括简历解析、岗位推荐、JD 分析、匹配解释、简历优化、模拟面试和 AI 求职助手等功能。

本仓库当前公开发布目的为本次竞赛提交、评审展示、可复现检查和学习参考。参赛、评审、商业展示、二次分发或修改版本应保留原始项目来源、Apache License 2.0 文本、NOTICE 文件和作者/团队署名。项目名称、截图、文档、PPT、演示材料、品牌标识和非代码素材不因代码采用 Apache-2.0 而自动放弃署名权或其他未明确授予的权利。

安全边界

前端不直接保存或展示模型密钥。
模型请求通过 /api/gitee-ai 后端代理转发。
API 响应设置 Cache-Control: no-store、X-Content-Type-Options: nosniff、Referrer-Policy: no-referrer。
.gitignore 已排除 .env、.env.*、日志文件和构建产物。
用户简历内容当前主要保存在浏览器运行状态中；岗位知识库数据与索引仅保存在本地配置目录，不上传用户简历原文。
公开演示和日志发布前需要对姓名、手机号、邮箱、学校、证件号、API Key 等信息脱敏。

文档索引

本地开发

比赛模型调用使用 Gitee AI 模力方舟上的沐曦 Token 资源包。请参考 .env.example 在本地创建不提交的 .env.local，并通过安全方式填写访问令牌：

GITEE_AI_BASE_URL=https://ai.gitee.com/v1
GITEE_AI_PACKAGE=1492
GITEE_AI_MODEL=Qwen3-4B
GITEE_AI_VISION_MODEL=Qwen3-VL-8B-Instruct

首次使用扫描版 PDF 或图片简历前，先在 D 盘建立本地 OCR 环境：

npm run setup:ocr

首次构建岗位知识库时执行：

npm run setup:rag
npm run build:job-index
npm run setup:job-reranker
npm run verify:job-rerank

重排模型约占 2.3 GB，默认缓存到 D:\ai_models\kongming-rerankers\bge-reranker-v2-m3。缓存完成后，本地岗位检索会自动启用二阶段重排；页面请求不会联网下载模型。

启动前端和同源模型、OCR、岗位知识库代理：

npm run dev

生产环境的 Vercel 函数通过 /api/jobs/search 转发到独立岗位 RAG 服务，不会在 Serverless 函数中加载本地 Python、Qdrant 数据目录或重排模型。部署变量和容器运行说明见岗位 RAG 独立服务，配置后可运行：

npm run verify:job-remote

有文字层的 PDF 会继续使用 PDF.js；仅当文字层为空或质量不足时，系统才调用 RapidOCR，并把识别到的文字坐标用于简历字段高亮。OCR 置信度不足时，语义识别任务通过 Gitee AI / 沐曦视觉模型完成。