开源源码分享|开源智能面试与简历助手:不用死背面试题!这款开源 AI 求职助手,精准揪出简历短板

大家好，我是小新！每天都会准时和大家见面！

专门给大家推荐各类优质源代码，帮每一位开发者、创业者避开找源码的坑，高效获取实用资源

今天带来的是开源智能面试与简历助手！

春招在即，还在死记硬背面试题、反复修改简历却效果不佳？其实准备求职完全可以更高效。今天为你推荐一套基于 Spring AI 和 RAG 的开源智能面试与简历助手，包含简历智能分析、模拟面试、知识库问答等功能。项目前后端完整，可直接部署运行，非常适合练习开发、毕业设计，也能用于私有化部署和接单使用，详细内容马上来看！

源代码获取地址：

https://www.xinmi.cloud/972

Spring AI 与 RAG 的一体化学习样本

春招季一到，小新既要改简历又要模拟面试，却总觉得自己在「盲练」：不知道薄弱点在哪，也不知道面试官会从哪条线追问。他想要一套能落地跑起来的样本，最好把大模型、向量检索和异步任务串清楚，而不是只看一段演示视频。

这套工程把简历分析、模拟面试和知识库问答放在同一产品里，面向求职者与招聘侧都能讲清价值。小新读下来觉得，它更像「能写进项目经历」的完整链路，而不是零散调接口的玩具。

核心功能

小新先关心简历能不能「吃得进、出得来」。产品说明里写支持常见办公与文本格式，上传后走异步分析，状态从待处理到完成或失败都能在前端跟进，还带有失败重试与内容去重一类稳健性设计。分析结果可以导出成结构化报告，方便留存或二次整理。

模拟面试侧强调按简历内容出题、可配置追问条数，并在长对话场景用分批评估缓解上下文过长带来的不稳定，再汇总成改进建议与统计。知识库模块则负责文档分块、异步向量化与基于向量的检索增强问答，前端用流式输出呈现对话，整体体验接近日常使用的助手产品。

系统技术栈

后端采用 Java 21 与 Spring Boot 4.0，集成 Spring AI 2.0 对接大模型能力；数据层为 PostgreSQL 并配合 pgvector 做向量存储，Redis 承担缓存与基于 Stream 的异步消息。对象存储按 S3 兼容方式配置，文档解析使用 Apache Tika，PDF 导出使用 iText 8，对象映射采用 MapStruct，构建工具为 Gradle 8.14。前端为 React 18 与 TypeScript，构建使用 Vite，样式与路由分别采用 Tailwind CSS 4 与 React Router 7，并搭配动画与图表类库。仓库提供 docker-compose 编排，便于连同数据库、缓存与 MinIO 等依赖一并拉起。

特色主要在哪里？

小新觉得，把「简历—面试—知识库」三件事放在同一套前后端里，学习路径特别顺：先理解异步任务与状态机，再理解会话与评估策略，最后落到 RAG 与流式响应，知识点能互相印证。

对我们的生活/工作有什么帮助？

对正在求职的人，上传简历获得结构化反馈、再用同一平台练问答，比纯背题更接近真实准备节奏。对 HR 或内训同事，这是一套可私有化部署的参考实现，数据与模型密钥可按公司策略放在自有环境。对培训机构与高校指导教师，也能把它当作毕设或课程大作业的底座，在合规前提下做二次开发与演示环境搭建。

普通人如何实现盈利？

在遵守开源协议与模型商用条款的前提下，常见路径包括：为企业或学校做私有化部署与参数调优，按项目或人天计费；提供运维与升级服务，例如中间件备份、扩容与模型供应商切换；针对特定岗位或行业整理题库与知识库预处理流程，做定制化交付；或面向开发者做配套培训与文档辅导。前提是具备 Java 与基础 DevOps 能力，并如实评估效果边界，不夸大「包过」一类承诺。