版本: v4.0 (Java Spring Boot + AgentScope 重构)
核心定位: 基于 Multi-Agent 架构与混合 RAG 的面经收集、结构化图谱分析与智能对练系统。
当前求职者在复习"大模型/Agent开发"面经时面临三大痛点：
- 数据非结构化与噪音大: 小红书/牛客网面经多为长截图，包含大量寒暄废话，难以提取结构化考点。
- 缺乏时效性与标准答案: LLM 技术迭代极快（如 MCP、Agentic RAG 等），依靠死记硬背或大模型幻觉生成的答案往往是过时或错误的。
- 缺乏宏观统计与个性化追踪: 无法得知"字节最近最爱考什么"，也无法追踪自己对某道题的掌握程度。
- 多模态面经提取: 支持文本和图片输入，利用 Vision LLM + OCR 进行结构化提取，智能分类（knowledge/project/behavioral/scenario/algorithm），过滤无效内容。
- 异步解析流程: 提交后立即返回任务 ID，Worker 后台解析，用户可随时查看进度和编辑结果，确认后入库。
- 两阶段检索架构: ONNX 本地 Embedding 向量召回 + BGE-Reranker 交叉编码器精排，兼顾速度与准确率。
- Multi-Agent 异步答疑: RabbitMQ 削峰填谷，ReActAgent 调度带联网搜索能力的子 Agent 异步生成最新标准答案。
- 混合存储架构: Qdrant 向量库（语义检索） + PostgreSQL（元数据） + Neo4j 图数据库（考频统计与知识点关联） + Redis（缓存）。
- 语音交互: WebSocket 实时语音识别（讯飞 ASR），支持语音输入面经和对话。
- 智能聚类与岗位归一化: KMeans 定时聚类 + LLM 岗位名归一化，自动发现考点群组。
- DDD 架构: 领域驱动设计，清晰的分层架构，高可维护性和可测试性。
- 多用户隔离: 所有数据按用户隔离，支持多用户并行使用。
┌─────────────────────────────────────────────────────────────────────────────┐
│ interfaces/ (接口层) │
│ REST Controllers: chat, interview, extract, questions, stats, favorites │
│ DTOs: Java records 作为请求/响应模型 │
│ WebSocket: 实时语音识别 │
└─────────────────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────────────┐
│ application/ (应用层) │
│ Services: 用例编排（Chat, Interview, Question, Retrieval, Ingest, Stats） │
│ Agents: ReActAgent 执行器（Chat, Interview, Vision, Answer, Scorer, Title） │
│ Workers: 后台任务（Answer, Extract, Clustering, Reembed, PositionNorm） │
└─────────────────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────────────┐
│ domain/ (领域层) │
│ question: Question, ExtractTask 聚合 │
│ interview: InterviewSession 聚合 │
│ chat: Conversation 聚合 │
│ memory: Memory, SessionSummary 聚合 │
│ favorite: Favorite 聚合 │
│ shared: Enums, Domain Exceptions, Events │
│ Repository Protocol: 仓库接口定义 │
└─────────────────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────────────┐
│ infrastructure/ (基础设施层) │
│ persistence: PostgreSQL JPA, Qdrant gRPC, Neo4j driver │
│ messaging: RabbitMQ Producer, Consumer │
│ adapters: ONNX Embedding/Reranker, Redis Cache, Tavily Search, OCR, ASR │
│ tools: AgentScope @Tool（SearchQuestions, WebSearch, KnowledgeGraph） │
│ config: Spring @ConfigurationProperties, Bean 配置 │
│ observability: Health Indicators, OTLP Telemetry │
└─────────────────────────────────────────────────────────────────────────────┘
OfferCatcher/
├── src/main/java/com/zju/offercatcher/
│ ├── domain/ # 领域层 (DDD 核心)
│ │ ├── chat/ # 对话领域
│ │ │ ├── aggregates/ # Conversation 聚合根
│ │ │ ├── entities/ # Message 实体
│ │ │ └── repositories/ # Repository 接口
│ │ ├── interview/ # 模拟面试领域
│ │ ├── question/ # 题库领域 (Question, ExtractTask)
│ │ ├── memory/ # 记忆领域 (Memory, SessionSummary)
│ │ ├── favorite/ # 收藏领域
│ │ └── shared/ # 共享内核 (Enums, Exceptions)
│ │
│ ├── application/ # 应用层
│ │ ├── agent/ # Agent 执行器
│ │ │ ├── ChatAgentService # 对话 ReActAgent
│ │ │ ├── InterviewAgentService # 面试编排 Agent
│ │ │ ├── MemoryAgentService # 记忆提取 Agent
│ │ │ ├── VisionExtractorAgent # 面经提取 Agent
│ │ │ ├── AnswerSpecialistAgent # 答案生成 Agent
│ │ │ ├── ScorerAgent # 评分 Agent
│ │ │ ├── TitleGeneratorAgent # 标题生成 Agent
│ │ │ └── PromptLoader # Prompt 模板加载器
│ │ ├── service/ # 应用服务 (用例编排)
│ │ │ ├── ChatApplicationService
│ │ │ ├── InterviewApplicationService
│ │ │ ├── QuestionApplicationService
│ │ │ ├── RetrievalApplicationService
│ │ │ ├── IngestFlowService
│ │ │ ├── ClusteringApplicationService
│ │ │ ├── PositionNormalizationService
│ │ │ └── StatsApplicationService
│ │ └── worker/ # 后台任务
│ │ ├── AnswerGenerationWorker
│ │ ├── AnswerTaskConsumer # RabbitMQ 消费者
│ │ ├── ExtractTaskWorker
│ │ ├── ClusteringWorker
│ │ ├── PositionNormalizationWorker
│ │ └── ReembedWorker
│ │
│ ├── infrastructure/ # 基础设施层
│ │ ├── persistence/
│ │ │ ├── postgres/ # JPA Entity + Repository Impl
│ │ │ ├── qdrant/ # QdrantVectorStore + QuestionRepository
│ │ │ └── neo4j/ # Neo4jClient (图数据库)
│ │ ├── messaging/ # RabbitMQ Producer, Consumer
│ │ ├── adapters/ # 外部服务适配器
│ │ │ ├── embedding/ # ONNX BGE-M3 Embedding
│ │ │ ├── reranker/ # ONNX BGE-Reranker
│ │ │ ├── cache/ # Redis Cache
│ │ │ ├── websearch/ # Tavily 联网搜索
│ │ │ ├── ocr/ # EasyOCR 微服务
│ │ │ └── asr/ # 讯飞语音识别
│ │ ├── tools/ # AgentScope @Tool 函数
│ │ ├── config/ # @ConfigurationProperties 配置
│ │ ├── observability/ # HealthIndicator, Telemetry
│ │ └── common/ # SnowflakeId, CacheKeys
│ │
│ └── interfaces/ # 接口层
│ ├── controller/ # REST Controller (10 个)
│ ├── dto/ # Request/Response DTO (9 组)
│ ├── websocket/ # Speech WebSocket Handler
│ └── config/ # WebMvcConfig, GlobalExceptionHandler
│
├── src/main/resources/
│ ├── application.properties # 应用配置
│ └── prompts/ # Agent Prompt 模板 (9 个)
│
├── src/test/java/ # 测试 (226 个，全部通过)
├── compose.yaml # Docker Compose (基础设施服务)
├── pom.xml # Maven 配置
└── CLAUDE.md # AI 编码指导
| 类别 |
技术 |
| 语言 |
Java 21 |
| 框架 |
Spring Boot 3.5.14 |
| Agent 框架 |
AgentScope 1.0.11 |
| 向量数据库 |
Qdrant (gRPC) |
| 关系数据库 |
PostgreSQL (JPA) |
| 图数据库 |
Neo4j |
| 消息队列 |
RabbitMQ |
| 缓存 |
Redis |
| Embedding |
ONNX BGE-M3 (本地部署) |
| Reranker |
ONNX BGE-Reranker-Base (本地部署) |
| LLM |
DeepSeek / OpenAI / SiliconFlow / DashScope |
| Web 搜索 |
Tavily |
| OCR |
EasyOCR (Python 微服务) |
| ASR |
讯飞语音识别 (WebSocket) |
| 可观测性 |
OpenTelemetry (OTLP) + Actuator |
| ID 生成 |
Hutool Snowflake (64-bit) |
- JDK 21
- Docker & Docker Compose
- Maven Wrapper (项目自带
./mvnw)
docker compose up -d
# 验证服务
# PostgreSQL: localhost:5432 (root/root, offer_catcher_v2)
# Qdrant: localhost:6333 (HTTP), localhost:6334 (gRPC)
# RabbitMQ: localhost:5672 (guest/guest), http://localhost:15672
# Neo4j: localhost:7687 (bolt), http://localhost:7474
# Redis: localhost:6379
在项目根目录创建 .env 文件：
# LLM API Keys
DEEPSEEK_API_KEY=sk-xxxxx
OPENAI_API_KEY=
SILICONFLOW_API_KEY=sk-xxxxx
DASHSCOPE_API_KEY=sk-xxxxx
# Web Search
TAVILY_API_KEY=tvly-xxxxx
# 外部服务
QDRANT_HOST=localhost
REDIS_HOST=localhost
REDIS_PASSWORD=
RABBITMQ_HOST=localhost
NEO4J_URI=bolt://localhost:7687
NEO4J_USER=neo4j
NEO4J_PASSWORD=password
OCR_SERVICE_URL=http://localhost:8001
# 编译
./mvnw clean compile
# 运行所有测试
./mvnw test
# 启动应用 (端口 8000)
./mvnw spring-boot:run
访问 http://localhost:8000/actuator/health 查看健康检查。
所有接口使用 X-User-Id 请求头进行用户隔离。完整 API 可通过 Swagger UI 查看（启动后访问 /swagger-ui.html）。
| 端点 |
方法 |
说明 |
/api/v1/extract/text |
POST |
文本同步提取 |
/api/v1/extract/image |
POST |
图片上传提取 (multipart) |
/api/v1/extract/image/base64 |
POST |
Base64/URL 图片提取 |
/api/v1/extract/submit |
POST |
提交异步解析任务 |
/api/v1/extract/tasks |
GET |
获取任务列表 |
/api/v1/extract/tasks/{id} |
GET |
获取任务详情 |
/api/v1/extract/tasks/{id} |
PUT |
编辑解析结果 |
/api/v1/extract/tasks/{id}/confirm |
POST |
确认入库 |
/api/v1/extract/tasks/{id}/cancel |
POST |
取消任务 |
/api/v1/extract/tasks/{id} |
DELETE |
删除任务 |
| 端点 |
方法 |
说明 |
/api/v1/questions |
GET |
题目列表（支持 company/position/type/mastery/keyword/clusterId 过滤） |
/api/v1/questions |
POST |
创建题目 |
/api/v1/questions/{id} |
GET/PUT/DELETE |
单个题目 CRUD |
/api/v1/questions/{id}/regenerate |
POST |
重新生成答案 |
/api/v1/questions/{id}/publish |
POST |
发布到公共库 |
/api/v1/questions/batch/answers |
POST |
批量获取答案 |
| 端点 |
方法 |
说明 |
/api/v1/search |
POST |
语义搜索（向量召回 + Rerank 精排） |
| 端点 |
方法 |
说明 |
/api/v1/chat/stream |
POST |
SSE 流式对话 |
/api/v1/conversations |
GET/POST |
会话列表 / 创建 |
/api/v1/conversations/{id} |
GET/DELETE |
会话详情 / 删除 |
/api/v1/conversations/{id}/title |
PUT |
更新标题 |
/api/v1/conversations/{id}/generate-title |
POST |
AI 自动生成标题 |
| 端点 |
方法 |
说明 |
/api/v1/interview/sessions |
GET/POST |
面试列表 / 创建 |
/api/v1/interview/sessions/{id} |
GET/DELETE |
面试详情 / 删除 |
/api/v1/interview/sessions/{id}/answer |
POST |
SSE 流式：提交答案并获取反馈 |
/api/v1/interview/sessions/{id}/hint |
POST |
SSE 流式：获取提示 |
/api/v1/interview/sessions/{id}/skip |
POST |
跳过当前题 |
/api/v1/interview/sessions/{id}/pause |
POST |
暂停面试 |
/api/v1/interview/sessions/{id}/resume |
POST |
恢复面试 |
/api/v1/interview/sessions/{id}/end |
POST |
结束面试 |
/api/v1/interview/sessions/{id}/report |
GET |
面试报告 |
| 端点 |
方法 |
说明 |
/api/v1/stats/overview |
GET |
总览统计 |
/api/v1/stats/companies |
GET |
公司维度统计 |
/api/v1/stats/positions |
GET |
岗位维度统计 |
/api/v1/stats/entities |
GET |
考点实体统计 |
/api/v1/stats/clusters |
GET |
聚类统计 |
| 端点 |
方法 |
说明 |
/api/v1/favorites |
GET/POST |
收藏列表 / 添加 |
/api/v1/favorites/{id} |
DELETE |
取消收藏 |
/api/v1/favorites/by-question/{questionId} |
DELETE |
按题目取消收藏 |
/api/v1/favorites/check |
POST |
批量检查收藏状态 |
| 端点 |
方法 |
说明 |
/api/v1/score |
POST |
用户答案评分 |
| 端点 |
方法 |
说明 |
/api/v1/memory/me |
GET |
获取完整记忆画像 |
/api/v1/memory/me/content |
GET |
获取记忆内容 |
/api/v1/memory/me/preferences |
GET/PUT |
偏好管理 |
/api/v1/memory/me/behaviors |
GET/PUT |
行为模式管理 |
| 端点 |
说明 |
ws://host/ws/speech |
实时语音识别（讯飞 ASR） |
应用启动后自动运行以下定时任务（可通过 application.properties 控制开关和频率）：
| Worker |
频率 |
说明 |
| ExtractTaskWorker |
每 5s |
轮询处理未完成的异步解析任务 |
| AnswerGenerationWorker |
每 10s |
轮询未生成答案的题目，异步生成 |
| AnswerTaskConsumer |
实时 |
RabbitMQ 消费者，接收答案生成任务 |
| ReembedWorker |
每 60s |
检测题目变更，重建 Qdrant 向量 |
| ClusteringWorker |
每小时 |
KMeans 聚类 + Neo4j 图同步 |
| PositionNormalizationWorker |
每天 |
LLM 岗位名归一化 |
# 全量测试
./mvnw test
# 单个测试类
./mvnw test -Dtest=ChatApplicationServiceTest
# 单个测试方法
./mvnw test -Dtest=ChatApplicationServiceTest#testMethod
# SpotBugs 代码质量检查
./mvnw verify
- 多用户隔离设计: 所有 API 通过
X-User-Id 头标识用户，领域层全面支持用户级数据隔离。
- Agent 高可用: Agent 实例无状态，每次请求创建新实例，避免并发问题。
- ONNX 本地推理: Embedding 和 Reranker 均在本地 ONNX Runtime 运行，无需调用外部 API，降低延迟和成本。
- 懒加载 Neo4j: 图数据库连接按需建立，不影响启动速度。
MIT