AI 驱动的技能学习与岗位匹配系统
Skill Forest 解决一个每个程序员都遇到的问题：岗位 JD 写了一堆技术要求，我到底该学什么？怎么学？学到什么程度才算够？
它的工作方式很简单：
- 粘贴岗位 JD → AI 自动拆解成技能树（大类→中类→小类），判断每个技能的掌握程度要求
- 生成学习任务 → 每个岗位对应一组可执行的任务，关联到技能树
- 追踪进度 → 标记每个技能的学习状态（认识→熟悉→熟练→完全掌握）
- 深入学习 → 点击任意任务进入学习模式：AI 生成教程、对话答疑、出题测评
- 全局总览 → 仪表盘展示各领域完成度，自动计算你最适合哪个岗位
你输入越多的岗位 JD，系统就越了解整个行业的要求，技能树越完整，合并重复项，帮你看到技术领域的全景图。
粘贴任意岗位的 JD 原文（支持复制自 Boss 直聘、猎聘、LinkedIn 等），AI 自动完成：
- 技能提取：识别 JD 中提到的所有技术能力
- 三级分类：大类（如 AI/机器学习）→ 中类（如 机器学习框架）→ 小类（如 PyTorch）
- 程度判定：根据 JD 措辞判断要求程度（了解→认识、熟悉→熟悉、精通→熟练、专家→完全掌握）
- 合并去重：与已有技能对比，相似度 ≥ 80% 自动建议合并
- 任务生成：针对每个技能生成 5-10 个可执行的学习任务
输入：「熟练掌握Linux环境下的C/C++、Python；熟悉PyTorch框架...」
↓ AI 分析
输出：
🌳 编程语言
├── C/C++ [熟练] → 任务：用 C++ 实现一个内存池
└── Python [熟练] → 任务：用 Python 写一个异步爬虫
🌳 AI/机器学习
└── 机器学习框架
└── PyTorch [熟悉] → 任务：用 PyTorch 训练一个 CNN 分类器
- 三级层次树：大类 / 中类 / 小类 / 具体技能，无限展开
- 跨岗位共享：同一个技能被多个岗位要求时自动关联，不会重复
- 掌握程度追踪：四级标准（认识→熟悉→熟练→完全掌握）
- 学习状态：未开始 / 进行中 / 已完成
- 来源追溯：每个技能可以看到来自哪些岗位的要求
- 按岗位组织，支持按状态、岗位筛选
- 一键切换完成状态（勾选即完成）
- 每个任务展示关联的技能和要求的掌握程度
- 「开始学习」按钮 → 进入深度学习模式
点击任意任务的「开始学习」，AI 自动生成一份零基础入门教程：
- 从最基础的概念开始，假设没有先验知识
- 用类比和生活例子解释抽象概念
- Markdown 格式，带标题层次、代码块、列表
- 包含「常见疑问」小节，预判初学者的困惑
- 教程缓存到本地，秒开；支持重新生成
仿 DeepSeek 官网风格的对话界面：
- 多会话管理：每个任务可以创建多个对话，切换自如
- 深度思考模式：开关控制是否展示 AI 的推理过程（可折叠）
- 上下文注入：每次对话自动附带任务的技能信息 + 教程全文作为参考资料
- 历史管理：消息持久化，20 对滑动窗口
- Markdown 渲染：AI 回复支持完整的 Markdown 格式
学完后点击「测评」，AI 自动出一套完整试卷：
- 选择题：15 道，覆盖关键知识点
- 大题：3 道简答/论述，考察理解深度
- 名词解释：5 道，检验概念掌握
- 自动评分：提交后 AI 逐题评分，给出详细解析
- 分数统计：圆环图展示得分率
- 测评中的错题自动入库，永久保留
- 展示：你的答案 vs 正确答案 vs AI 解析
- 按技能筛选，按复习状态分类
- 标记「已复习」追踪进度
- 统计面板：总错题数、未复习数
- 总体完成度：环形图展示技能完成率
- 各领域进度：按大类（编程语言 / AI / 系统...）展示完成度柱状图
- 最佳匹配岗位：自动计算你最适合投哪个岗位
- 最深入领域：展示你掌握程度最高的技术方向
- 待办提醒：还有多少任务未完成
┌──────────────────────────────────────────────────────────┐
│ 浏览器 (React 18) │
│ ┌─────────┐ ┌─────────┐ ┌──────────┐ ┌──────────────┐ │
│ │ 仪表盘 │ │ 技能树 │ │ 岗位管理 │ │ 学习页面 │ │
│ │ Dashboard│ │SkillTree │ │ Jobs │ │ Learning │ │
│ └────┬─────┘ └────┬─────┘ └────┬─────┘ └──────┬───────┘ │
│ └─────────────┴────────────┴──────────────┘ │
│ │ HTTP / JSON │
└─────────────────────────┼──────────────────────────────────┘
│
┌─────────────────────────┼──────────────────────────────────┐
│ FastAPI (Python) │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌─────────────┐ │
│ │ Skills │ │ Jobs │ │ Todos │ │ Learning │ │
│ │ Router │ │ Router │ │ Router │ │ Router │ │
│ └────┬─────┘ └────┬─────┘ └────┬─────┘ └──────┬──────┘ │
│ └─────────────┴────────────┴──────────────┘ │
│ │ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ DeepSeek Service │ │
│ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────┐ │ │
│ │ │ JD 分析 │ │ 教程生成 │ │ 聊天对话 │ │出题评分│ │ │
│ │ └──────────┘ └──────────┘ └──────────┘ └────────┘ │ │
│ └──────────────────────────────────────────────────────┘ │
│ │ │
│ ┌─────┴─────┐ │
│ │ SQLite │ │
│ └───────────┘ │
└──────────────────────────────────────────────────────────┘
│
┌─────┴─────┐
│ DeepSeek │
│ API (v4) │
└───────────┘
skills ──M:N── skill_jobs ──M:N── jobs
│ │
│ M:N │ 1:N
│ │
└── todo_skills ──M:N── todo_items ──┘
│
│ 1:1
├── learning_modules (教程缓存)
│
│ 1:N
├── chat_sessions ── 1:N ── chat_messages
│
│ 1:N
├── quiz_attempts
│
└── error_book
两张核心表完全独立：技能表不依赖岗位，任务表属于岗位但关联技能。这意味着：
- 同一个技能被多个岗位要求时，只存在一条技能记录
- 你在学「Python」时，同时为多个岗位的匹配度加分
- 删除岗位不会删除共享的技能
- Python ≥ 3.8
- Node.js ≥ 18
- DeepSeek API Key（免费注册获取，新用户有赠送额度）
# 1. 克隆或下载项目
git clone <your-repo-url>
cd skill-forest
# 2. 配置 API Key
# 编辑 backend/config.py，将第 7 行替换为你的密钥
# DEEPSEEK_API_KEY = "sk-你的真实密钥"
# 3. 安装依赖
pip install -r requirements.txt # Python 后端
npm install # 前端
# 4. 启动
python -m uvicorn backend.main:app --host 127.0.0.1 --port 8765 &
npx vite --host --port 5173浏览器打开 http://localhost:5173
💡 Windows 用户也可以直接双击
setup.bat→start.bat
三种方式任选其一：
# 方式 1：直接写入 config.py
DEEPSEEK_API_KEY = "sk-你的密钥"
# 方式 2：环境变量
export DEEPSEEK_API_KEY="sk-你的密钥" # Linux/Mac
set DEEPSEEK_API_KEY=sk-你的密钥 # Windows
# 方式 3：.env 文件（复制 .env.example 为 .env，填入密钥）- 点击左侧导航「💼 岗位」
- 点击「+ 新岗位」
- 粘贴一份岗位 JD（可以从招聘网站直接复制）
- 可选填岗位名称、公司、原始链接
- 点击「开始分析」
- 等待 AI 分析完成（通常 10-30 秒）
- 检查技能分类和合并建议，确认保存
- 点击左侧「🌳 技能树」
- 左侧面板展示三级分类层次
- 点击任意技能查看详情
- 在右侧修改掌握程度和学习状态
- 点击左侧「✅ 工作任务」
- 找到想学的任务，点击「开始学习」
- 教程 Tab：阅读 AI 生成的入门教程
- 对话 Tab：向 AI 提问，深入理解
- 测评 Tab：生成试卷，检验学习成果
- 在技能树中更新每个技能的掌握程度
- 在任务列表中勾选完成的任务
- 回到仪表盘查看全局进度
| 分类 | 技术 | 说明 |
|---|---|---|
| 前端框架 | React 18 + TypeScript | 组件化 UI |
| 构建工具 | Vite 8 | 极速 HMR |
| UI 组件库 | Ant Design 5 | 企业级组件（Tree, Table, Card 等） |
| 状态管理 | Zustand 4 | 轻量、TS 原生 |
| 路由 | React Router 6 | SPA 路由 |
| Markdown | react-markdown + remark-gfm | 教程 & 对话渲染 |
| 后端框架 | FastAPI | 异步 Python Web 框架 |
| ORM | SQLAlchemy 2.0 | 数据库抽象 |
| 数据库 | SQLite | 零配置，单文件存储 |
| 数据校验 | Pydantic 2 | 请求/响应模式校验 |
| AI 模型 | DeepSeek V4 Pro / Flash | 分析、生成、对话、评分 |
| API 协议 | OpenAI-compatible SDK | 标准化的 LLM 调用 |
- FastAPI 而不是 Express：Python 生态有更好的 AI/LLM SDK 支持（openai 库），且字符串处理（diff 相似度计算）更方便
- SQLite 而不是 PostgreSQL：单用户桌面应用，零配置是最佳选择
- React + Ant Design 而不是 Vue + Element：Ant Design 的 Tree 组件对三级树形结构支持极好
- Zustand 而不是 Redux：对于这种规模的应用，Zustand 的零样板代码优势明显
- 放弃 Electron：不打包 150MB+ 的桌面壳，浏览器同样体验，且前后端分离更容易调试
skill-forest/
├── backend/ # Python 后端
│ ├── main.py # FastAPI 入口，CORS，路由注册
│ ├── config.py # API Key、数据库路径等配置
│ ├── database.py # SQLAlchemy 引擎 + Session 管理
│ │
│ ├── models/ # ORM 模型（SQLite 表定义）
│ │ ├── skill.py # 技能表
│ │ ├── job.py # 岗位表
│ │ ├── todo_item.py # 任务表
│ │ ├── associations.py # 多对多关联表
│ │ └── learning.py # 学习模块（教程/聊天/测评/错题）
│ │
│ ├── schemas/ # Pydantic 请求/响应校验
│ │ ├── skill.py, job.py, todo.py
│ │ ├── analysis.py # DeepSeek 分析相关
│ │ ├── dashboard.py # 仪表盘统计
│ │ └── learning.py # 学习模块
│ │
│ ├── services/ # 业务逻辑层
│ │ ├── deepseek_service.py # DeepSeek API 客户端（重试/恢复）
│ │ ├── skill_service.py # 技能 CRUD + 合并
│ │ ├── job_service.py # 岗位 CRUD + 分析保存
│ │ ├── todo_service.py # 任务 CRUD
│ │ ├── dashboard_service.py # 聚合统计
│ │ └── learning_service.py # 教程/聊天/测评/错题本
│ │
│ ├── routers/ # FastAPI 路由（29 个端点）
│ ├── prompts/ # AI 系统提示词
│ └── utils/ # 工具（相似度计算、树构建）
│
├── src/ # React 前端
│ ├── main.tsx # 入口
│ ├── App.tsx # 路由定义
│ │
│ ├── components/
│ │ ├── layout/ # AppLayout, Sidebar
│ │ ├── dashboard/ # 仪表盘
│ │ ├── skills/ # 技能树 + 详情面板
│ │ ├── jobs/ # 岗位列表 + 输入弹窗 + 详情
│ │ ├── todos/ # 任务列表
│ │ ├── analysis/ # 分析进度 + 合并预览
│ │ ├── learning/ # 学习页面（教程/聊天/测评/错题本）
│ │ └── common/ # 通用组件
│ │
│ ├── store/ # Zustand 状态管理（5 个 store）
│ ├── types/ # TypeScript 类型定义（6 个文件）
│ ├── services/ # API 客户端（fetch 封装）
│ ├── hooks/ # 自定义 hooks
│ └── styles/ # 全局样式
│
├── data/ # SQLite 数据库文件（自动创建）
├── setup.bat # 一键安装依赖
├── start.bat # 一键启动
├── requirements.txt # Python 依赖
├── package.json # npm 依赖
└── README.md
后端启动后可访问 http://127.0.0.1:8765/docs 查看自动生成的 Swagger 文档。
| 模块 | 端点 | 说明 |
|---|---|---|
| Dashboard | GET /api/dashboard |
仪表盘聚合统计 |
| Skills | GET/POST /api/skills |
技能列表 / 创建 |
GET /api/skills/tree |
技能树（嵌套结构） | |
GET/PUT /api/skills/:id |
技能详情 / 更新 | |
POST /api/skills/merge |
合并两个技能 | |
| Jobs | GET/POST /api/jobs |
岗位列表 / 保存分析结果 |
GET/DELETE /api/jobs/:id |
岗位详情 / 删除 | |
| Todos | GET/POST /api/todos |
任务列表 |
GET/PUT /api/todos/:id |
任务详情 / 更新 | |
| Analysis | POST /api/analysis/preview |
JD 分析预览 |
| Learning | POST /api/learning/tutorial/generate |
生成教程 |
GET /api/learning/tutorial/:todo_id |
获取教程 | |
CRUD /api/learning/chat/sessions |
对话会话管理 | |
POST /api/learning/chat/send |
发送消息 | |
POST /api/learning/quiz/generate |
生成测评 | |
POST /api/learning/quiz/submit |
提交评分 | |
CRUD /api/learning/errors |
错题本管理 |
技能表和任务表是独立的。技能是跨岗位共享的知识单元，任务是某个岗位下的学习动作。同一个「Python」技能可能被 5 个岗位要求，但只有一个技能记录。你在技能树上把 Python 标记为「熟练」，所有关联岗位的匹配度同时提升。
经过实际测试，80% 是一个合理的平衡点：
- 太低（60%）：本不相关的技能被错误合并（如「Python」和「Python 测试框架」）
- 太高（95%）：几乎不会触发合并（如「PyTorch」和「Pytorch」）
- AI 判断：DeepSeek 在分析时比较所有现有技能，回传
merge_confidence - 本地校验：对不确定的情况（0.75-0.85），用
difflib.SequenceMatcher二次计算（名称 70% + 描述 30% 加权）
AI 对话每次发送消息时，system message 始终包含：任务目的 + 技能水平 + 教程全文。消息历史保留最近 20 对（约 5K-10K token），超出部分截断并加提示。
欢迎提交 Issue 和 PR。
# 后端热重载
python -m uvicorn backend.main:app --reload --port 8765
# 前端热重载
npx vite --host --port 5173- Python：遵循 PEP 8
- TypeScript：
tsc --noEmit零错误 - 导入风格：后端使用
backend.xxx绝对导入，前端使用@/路径别名
MIT License
Built with ❤️ using React, FastAPI, SQLite, and DeepSeek AI