# career

**Repository Path**: oneto7/career

## Basic Information

- **Project Name**: career
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-10-06
- **Last Updated**: 2026-10-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 职径（CareerPath）

> 以「目标职位 + 简历」为活底座的成长飞轮持续学习平台。
>
> 认知差距 → 针对性学习 → 反复拷打检验 → 能力沉淀 → 更新底座 → 下一圈。

不是单次面试模拟工具、不是刷题平台、不是通用 chatbot。核心差异：以目标职位为锚点，把市场真实要求翻译成个人成长路径，持续学习、持续检验、持续沉淀——长期平台，用户有理由回来。

## 核心飞轮

```
        ┌─────────────────────────────────────────┐
        │                                         │
        ↓                                         │
目标职位 + 简历（活底座，随成长更新）                  │
        │                                         │
        ↓                                         │
   能力与目标认知（评估报告：AI 语义匹配 + 竞争优势/短板/路线图）  │
        │                                         │
        ↓                                         │
   针对性学习（AI 规划路径 + 学习笔记 RAG 索引）        │
        │                                         │
        ↓                                         │
   反复拷打（快速练习 + 模拟面试，SSE 流式）            │
        │                                         │
        ↓                                         │
   更新能力画像 → 更新简历 → 飞轮转下一圈              │
        └─────────────────────────────────────────┘
```

**两个关键反哺让飞轮自转**：
1. **检验 → 更新简历**：简历是活的底座，随能力成长更新（新增技能 ≥60 自动追加到简历 skills）。
2. **沉淀 → 反哺出题**：学习笔记自动索引到 RAG，下次练习/面试时被检索引用，沉淀被用上才有价值。

## 技术栈

| 层 | 选型 | 说明 |
|---|---|---|
| 语言/包管理 | Python 3.12 + **uv** | |
| Web | FastAPI + Pydantic v2 + uvicorn | 全链路 async，SSE 流式必备 |
| ORM/迁移 | SQLAlchemy 2.0（async）+ SQLModel + Alembic | |
| AI 编排 | **LangGraph**（低层 API 手写 node/edge/state/checkpoint） | 不用 `create_react_agent` 等黑盒预置 |
| LLM 接入 | langchain-openai（OpenAI 兼容协议，BYOK 路由） | 覆盖 DeepSeek / GLM / Kimi |
| 向量 | PostgreSQL + **pgvector**（HNSW，cosine；主库 pg18 + 0.8.6） | |
| Embedding/Rerank | **bge-m3（1024 维）+ bge-reranker-v2-m3**，移动云网关服务端推理 | 无本地 torch 依赖；成本由平台通道额度承接 |
| 文档解析 | PyMuPDF（PDF）+ python-docx（DOCX）+ PaddleOCR（扫描件降级，可选） | |
| 任务队列 | **arq**（Redis broker，内置 cron） | 简历解析/报告生成/JD 雷达全进 worker |
| 认证 | PyJWT + passlib[bcrypt]；双 token（2h access + 7d refresh） | refresh 落库可吊销 |
| 密钥加密 | cryptography（AES-256-GCM） | BYOK key 加密存储 |
| 存储 | MinIO | 简历/知识库文件 |

## 模块结构

```
app/
├── common/          # 配置、异常、统一响应、trace、加密
├── auth/            # 认证、用户、BYOK API Key 管理
├── aicore/          # LangGraph 配置 + RAG + 记忆 + 工具 + prompt
│   ├── config/      # ChatModel 工厂 + BYOK 路由
│   ├── tool/        # ProfileQueryTool / KnowledgeSearchTool 等
│   ├── rag/         # RAG service + ETL + 重排
│   └── prompt/      # 各场景 prompt
├── growth/          # 【核心飞轮】
│   ├── profile/     # 能力画像（技能矩阵 + EWMA 聚合 + AI 总结）
│   ├── practice/    # 快速练习（四模式出题 + 评分 + 技能分回写 + 草稿暂存）
│   ├── learning/    # 学习路径（AI 规划 + 里程碑 + stale 标记）
│   ├── notes/       # 学习笔记（质量评估 + RAG 索引）
│   └── trajectory/  # 进步轨迹（快照聚合）
├── resume/          # 简历解析 + 多版本 + AI 改写 + 随成长更新
├── interview/       # 模拟面试（手写 StateGraph：出题/评分/追问/总结，SSE 流式）
├── market/          # 市场情报（JD 雷达 + 技能趋势 + 面经搜索 + 周报）
├── position/        # 目标职位（JD CRUD + 版本化 + 技能要求解析）
└── knowledge/       # 知识库（文档管理 + 向量索引）
```

## 业务逻辑红线

- **分数来自纯代码数据聚合（可信），AI 只生成总结文本**——AI 不得编造分数或事实。
- **BYOK 优先**：用户 key 优先路由（花自己的额度），平台 key 仅兜底且有日额度约束。
- **闭环红线**：每条业务逻辑必须同时满足——有业务价值（服务飞轮某一环）、有可用性（有入口有出口）、成闭环（产出回流画像/简历/知识库）。

## 本地开发

```bash
uv sync                                   # 安装依赖（自动准备 Python 3.12）
docker compose up -d                       # PostgreSQL(5433)/Redis(6380)/MinIO(9000,9001)
uv run alembic upgrade head               # 建表 + pgvector 扩展
uv run uvicorn app.main:app --reload      # API 服务，文档在 /docs
uv run arq app.worker.WorkerSettings      # 任务队列 worker（简历解析/报告/雷达）
uv run pytest -m "not integration"        # 单元测试（离线可跑）
uv run pytest -m integration              # 集成测试（需基础设施可达）
uv run ruff check app tests               # Lint（提交前必过）
```

配置参考 `.env.example`。关键配置项：

- `DATABASE_URL` — PostgreSQL（需 pgvector 扩展）
- `REDIS_URL` — arq broker
- `JWT_SECRET` / `API_KEY_ENCRYPTION_SECRET` — 认证与 BYOK 加密
- `PLATFORM_LLM_*` — 平台兜底 LLM 通道（留空则仅 BYOK）
- `BOCHA_API_KEY` — 博查搜索 API（JD 雷达 + 面经搜索）

## 文档

- **产品方案**：`careerpath-project-plan.md`（做什么/为什么）
- **技术方案**：`careerpath-tech-design.md`（怎么做：架构/数据模型/API/AI 设计/降级/测试）
- **开发约定**：`AGENTS.md`

## 部署

```bash
docker compose up -d                       # 基础设施
uv run alembic upgrade head               # 迁移
uv run gunicorn app.main:app -k uvicorn.workers.UvicornWorker -w 4
uv run arq app.worker.WorkerSettings      # 独立进程
```

前端见 [careerpath-ui](https://gitee.com/oneto7/careerpath-ui.git)。

## License

Private.