一、项目概述
企业智能招聘系统是一套完整的企业级 AI 智能招聘管理平台。
它采用微服务架构设计，将传统招聘业务（职位发布、简历筛选、面试、Offer、合同、入职）与人工智能深度结合，覆盖从岗位创建、候选人触达到员工入职的全招聘生命周期。
系统内置 AgentScope 多智能体编排、LLM 多模型路由、AI 简历解析与筛选、AI 智能出题与面试评估、Offer/留存预测、AI 人才推荐、数据分析洞察等能力，并提供合同电子签章、消息通知、审计日志、页面水印等企业级功能。
更多项目实战在Java突击队网：susan.net.cn/project
1.1 项目定位
| 维度 | 说明 |
|---|---|
| 项目类型 | 企业级 AI 智能招聘管理平台 |
| 架构模式 | 微服务架构（Spring Cloud + Nacos） |
| 后端技术 | Spring Boot 4.1 + Java 25 虚拟线程 + Maven |
| 前端技术 | Vue 3 + TypeScript + Vite + Element Plus |
| 数据库 | MySQL 8.0（7 个业务库）+ Redis |
| 服务注册 | Nacos 注册中心 + 配置中心 |
| 文件存储 | RustFS（S3 兼容对象存储） |
| 搜索引擎 | Elasticsearch（人才库语义检索，可选） |
| AI 能力 | LLM 网关 + AgentScope 多智能体编排 + 视觉模型简历解析 |
| 大模型 | 通义千问（qwen3-max / qwen-vl-max）+ DeepSeek |
1.2 项目规模
| 指标 | 数值 |
|---|---|
| 后端微服务 | 7 个业务服务 + API 网关 + 公共模块 |
| 业务数据库 | 7 个（55 张业务表，数据库-per-服务） |
| REST 接口 | 315+ 个（Knife4j 在线调试） |
| AI Agent | 11 个（覆盖 12 类 AI 能力） |
| 多智能体编排 | 4 个子 Agent 协作 + 简历→Offer 五阶段流水线 |
| 前端应用 | 2 个（招聘管理端 + 招聘官网） |
| 可跟做教程 | 30+ 篇功能开发文档 |
1.3 系统架构图
二、后端微服务架构
项目采用 Spring Cloud 微服务架构，共包含 8 个 Maven 模块，通过 Nacos 实现服务注册与配置管理，通过 Spring Cloud Gateway 实现统一 API 网关。
2.1 模块清单
| 模块 | 服务名 | 端口 | 核心职责 |
|---|---|---|---|
| smart-recruit-common | 公共模块 | - | 通用工具类、DTO/VO、异常处理、统一配置 |
| smart-recruit-gateway | API 网关 | 8080 | 统一入口、路由转发、JWT 鉴权、限流、CORS |
| smart-recruit-system | 系统服务 | 8081 | 用户/角色/权限/部门、认证登录、系统配置、通知、审计日志 |
| smart-recruit-recruitment | 招聘服务 | 8082 | 职位管理、简历解析与 AI 筛选、候选人中心、官网职位、工作台动态/待办 |
| smart-recruit-interview | 面试服务 | 8083 | 面试管理、AI 智能出题、面试题库、在线测评、AI 评估报告 |
| smart-recruit-offer | Offer 服务 | 8084 | Offer 审批流、AI 接受度预测、合同管理（电子签章）、入职管理、AI 留任预测 |
| smart-recruit-talent | 人才服务 | 8085 | 人才库、AI 人才推荐、数据分析（定时快照 + AI 洞察）、工作台聚合 |
| smart-recruit-referral | 内推服务 | 8086 | 内推计划/职位/记录、内推排行榜、候选人投递 |
| smart-recruit-ai-engine | AI 引擎 | 8087 | LLM 网关（多模型路由）、AgentScope 多智能体、简历视觉解析、Agent 任务/事件/指标监控 |
2.2 技术选型
| 技术栈 | 版本 | 用途 |
|---|---|---|
| Spring Boot | 4.1.0 | 应用框架 |
| Spring Cloud | 2025.1.2 | 微服务治理 |
| Spring Cloud Alibaba | 2025.1.0.0 | Nacos 集成 |
| Java | 25 | 编程语言（虚拟线程） |
| Maven | 3.9+ | 项目构建 |
| Spring Cloud Gateway | 5.0.2 | API 网关（WebFlux） |
| MyBatis-Plus | 3.5.16 | ORM 框架 |
| MySQL | 8.0+ | 业务数据库 |
| Redis | 6.x/7.x | 缓存、验证码、限流 |
| Nacos | 2.x | 注册中心 + 配置中心 |
| LangChain4j | 0.29.1 | LLM 集成框架 |
| AgentScope | 2.0.x | 多智能体编排（面试评估/编排） |
| Knife4j | 4.3.0 | API 文档 |
| JWT (jjwt) | 0.12.6 | 身份认证 |
| RustFS | S3 兼容 | 分布式文件存储 |
| Elasticsearch | 8.x | 人才库向量/语义检索（可选） |
2.3 服务间调用关系
服务间通信采用 Spring 原生 @HttpExchange 声明式 HTTP 接口客户端，结合 @LoadBalanced RestClient 与 Nacos 实现服务发现与负载均衡，接口即文档、零手写 HTTP 代码。
三、核心功能模块
3.1 工作台
登录后的统一工作台，聚合全流程数据：
- 每日数据：今日/昨日/本月新增候选人、在招职位数；
- 流程概览：待面试、待发 Offer、本月入职、平均到岗天数；
- 招聘漏斗与部门招聘进度图表；
- 最近动态（活动流）与待办事项（默认各展示最新 20 条，可查看全部）。
3.2 职位管理
职位全生命周期管理：
| 功能 | 说明 |
|---|---|
| 职位 CRUD | 新建/编辑/查看/暂停/关闭职位 |
| 草稿与发布 | 新建默认草稿，发布后进入招聘流程，记录发布人 |
| AI 生成 JD | 异步调用大模型生成岗位职责/任职要求/加分项，超时不阻塞页面 |
| 职位统计 | 各状态职位数量与在招统计 |
3.3 简历筛选
简历处理是系统的核心链路之一：
- 简历解析支持 Word/PDF/图片（图片与扫描件走视觉大模型），解析失败自动标记人工复核；
- AI 筛选开关：上传时可选，开启后异步执行智能筛选，页面实时展示"筛选中→完成"进度与匹配度；
- 解析结果包含技能、工作经历、项目经历、教育背景、个人优势等结构化字段。
3.4 候选人中心
- 候选人档案：基本信息、联系方式、技能标签、求职状态、来源渠道；
- 与简历、职位申请、面试、Offer 全链路关联；
- 候选人阶段历史追踪。
3.5 面试管理
| 功能 | 说明 |
|---|---|
| 面试日程 | 日/周视图日程，安排/取消面试，支持 AI 出题状态列 |
| AI 智能出题 | 按职位方向（前端/后端/测试/算法等）异步生成题目，支持技术/项目/行为三类与题型分配 |
| 面试题库 | 套题管理（部门+职位联动），题目含题型/选项/答案/解读，支持 AI 智能出题直接填充题目列表 |
| 在线测评 | 新建测评（AI 出题或题库选题），发送候选人邮箱，自动评分 |
| AI 评估报告 | AgentScope 多智能体六维度评估（技能/沟通/逻辑/协作/学习/抗压），同步与流式两种方式 |
| 面试反馈 | 面试官反馈录入与汇总 |
3.6 Offer 管理
- Offer 创建、多级审批流（按部门配置审批节点）；
- AI 接受度预测：定时任务调用大模型，从薪资竞争力、职位匹配度、市场行情、候选人活跃度、公司品牌 5 个维度预测接受概率并给出建议，已预测的 Offer 不重复调用；
- Offer 编号、候选人、薪资结构管理。
3.7 合同管理
- 从 Offer 一键生成正式录用合同（自动带出公司信息、合同期限、薪资、职级）；
- 电子签章：候选人手写签名画板 + 候选人/HR 双签署流程，签署后合同生效；
- 合同作废（填写作废原因）、打印、签署记录；
- 合同状态彩色标识（草稿/待审批/已发送/已签署/生效中/已作废）。
3.8 入职管理
- 六步入职流程：资料收集 → 设备发放 → 账号开通 → 欢迎页 → 导师分配 → 入职培训；
- 员工状态：待入职/试用期/正式/已离职；
- 文档核验、设备发放记录；
- AI 留任预测：定时任务基于候选人画像 + 入职流程完成度 + 历史跳槽情况综合预测 6/12 个月留存风险，流程数据指纹（hash）未变化则跳过重复调用。
3.9 人才库
- 人才池管理（候选人与岗位匹配入库）；
- AI 人才推荐：选择岗位后异步匹配推荐（每次 8 人，支持"换一批"分页），推荐结果 Redis 缓存 15 分钟 + Caffeine 本地缓存 5 分钟双级缓存；
- Elasticsearch 语义检索人才（可选）。
3.10 数据分析
- 定时任务统计：候选人/面试/Offer 日快照由各模块定时任务预聚合，避免实时大查询；
- 数据看板：候选人漏斗、部门进度、趋势分析；
- AI 智能洞察：对统计结果调用大模型生成自然语言洞察。
3.11 内推管理
- 内推计划、计划职位、分享链接；
- 内推记录、奖金记录；
- 内推排行榜：按内推人数/奖金排名；
- 候选人通过分享页投递。
3.12 招聘官网
- 官网配置（Hero 区域、统计数据、文化价值观、行动号召、页脚、导航栏）；
- 热门职位 / 社会招聘 / 校园招聘职位维护（标签、职责、要求、加分项）；
- 独立官网前端（smart-recruit-careers :3001）。
3.13 系统管理
| 功能 | 说明 |
|---|---|
| 用户/角色/权限/部门 | RBAC 权限模型，菜单-按钮-接口三层权限 |
| 审计日志 | 记录谁在何时做了什么操作（操作人、IP、参数、耗时） |
| 系统设置 | 公开配置、官网配置、AI 权重配置、公司信息 |
| 页面水印 | 系统设置开关控制，展示当前登录账号、姓名与时间 |
| 消息通知 | 站内信（业务事件自动通知）、未读数角标、消息详情与跳转 |
3.14 AI 引擎（智能体监控）
四、AI 能力矩阵
| AI 能力 | 业务入口 | 实现方式 | 状态 |
|---|---|---|---|
| 简历解析（文本） | 简历筛选 → 上传简历 | Tika + LLM 结构化 | ✅ |
| 简历解析（图片/扫描件） | 简历筛选 → 上传图片简历 | qwen-vl-max 视觉模型 | ✅ |
| AI 智能筛选 | 简历筛选 → 开启 AI 筛选 | LLM 五维加权评分 + 降级启发式 | ✅ |
| AI 生成 JD | 职位管理 → 新建/编辑 → AI 生成 JD | LLM 异步生成 | ✅ |
| AI 智能出题 | AI 出题页 / 新建套题 → AI 智能出题 | LLM 异步任务 + 轮询 | ✅ |
| AI 面试评估 | 面试管理 → AI 评估报告 | AgentScope HarnessAgent 六维度 | ✅ |
| Offer 接受度预测 | Offer 详情 → AI 接受概率卡片 | 定时任务 + LLM 五维预测 | ✅ |
| 新员工留任预测 | 入职详情 → 留存预测 | 定时任务 + 指纹去重 + LLM | ✅ |
| AI 人才推荐 | 人才库 → 选择岗位匹配 | LLM 异步推荐 + 双级缓存 | ✅ |
| 数据分析 AI 洞察 | 数据分析 → AI 洞察 | LLM 生成自然语言洞察 | ✅ |
| 多 Agent 编排 | AI 引擎 → 全流程编排 | AgentScope 子 Agent 协作 | ✅ |
| 智能体监控 | AI 引擎 → 任务队列/事件流/Token | 真实任务与指标记录 + SSE | ✅ |
五、数据库设计
系统采用按服务分库设计，共 7 个 MySQL 业务库、55 张业务表。
5.1 数据库分布
| 数据库 | 对应服务 | 核心表 |
|---|---|---|
| smart_recruit_system | 系统服务 | 用户、角色、权限、部门、通知、审计日志、系统配置 |
| smart_recruit_recruitment | 招聘服务 | 职位、简历、候选人、申请、活动动态、AI 筛选结果、官网职位 |
| smart_recruit_interview | 面试服务 | 面试、评估、反馈、题库套题/题目、在线测评、AI 出题记录 |
| smart_recruit_offer | Offer 服务 | Offer、审批流配置/记录、合同、签署记录、入职/文档/设备 |
| smart_recruit_talent | 人才服务 | 人才池、人才活动、数据分析快照 |
| smart_recruit_referral | 内推服务 | 内推计划/职位/记录、奖金、排行榜、分享令牌 |
| smart_recruit_ai | AI 引擎 | Agent 信息/指标/任务/事件日志、AI 解析日志 |
5.2 设计原则
- 按服务分库：每个微服务独立数据库，数据层面解耦；
- 雪花算法主键：全局唯一 Long 型 ID，支持分布式扩展；
- 逻辑删除：核心表统一
deleted字段软删除； - 审计字段：
create_time/update_time/create_user_id/create_by/update_user_id/update_by六件套； - 索引规范：联合索引覆盖查询、清理前缀冗余单列索引，避免索引冗余；
- JSON 扩展：复杂结构（题库题目、AI 结果、审批节点）使用 JSON 列 + TypeHandler。
六、前端架构
6.1 技术栈
| 技术 | 版本 | 用途 |
|---|---|---|
| Vue | 3.5 | 核心 UI 框架 |
| TypeScript | 5.5 | 类型安全 |
| Vite | 6.0 | 构建工具 |
| Element Plus | 2.9 | UI 组件库 |
| Vue Router | 4.x | 客户端路由 |
| Pinia | 2.x | 状态管理 |
| Axios | 1.x | HTTP 客户端 |
| Chart.js | 4.x | 数据可视化 |
| mammoth | - | DOCX 简历/合同预览 |
6.2 前端应用
| 应用 | 端口 | 说明 |
|---|---|---|
| smart-recruit-frontend | 3000 | 招聘管理端（工作台 + 全业务模块） |
| smart-recruit-careers | 3001 | 招聘官网（职位浏览、投递、合同签署） |
6.3 主要页面
| 分类 | 页面 |
|---|---|
| 认证 | 登录、注册 |
| 工作台 | 工作台、最近动态、待办事项 |
| 招聘 | 职位管理、简历筛选、候选人中心、面试管理 |
| 面试 | AI 智能出题、面试题库、在线测评 |
| Offer | Offer 管理、合同管理、入职管理 |
| 人才 | 人才库、数据分析 |
| 内推 | 内推管理、内推排行榜 |
| 官网 | 官网配置、热门职位、社会招聘、校园招聘 |
| 系统 | 用户管理、角色管理、权限管理、部门管理、审计日志、系统设置 |
| AI 引擎 | 智能体监控 |
| 公开 | 招聘官网、合同签署页 |
6.4 前端工程亮点
- Axios 请求拦截体系：自动注入 Token、401 静默刷新 + 请求队列重放、业务错误统一提示；
- 路由懒加载 + 权限守卫：未登录跳登录页、无权限拦截；
- Element Plus 组件化：树形部门选择、分页表格、进度条、画板签名等企业级交互；
- 水印组件：可配置开关，全局展示当前用户与时间。
七、系统展示
更多项目实战在Java突击队网：susan.net.cn/project
八、项目亮点
8.1 架构亮点
1. 真正的微服务落地，不是"拆模块改个名"
7 个业务服务独立部署，每个服务拥有自己独立的 MySQL 业务库（7 个数据库、55 张表），通过 Nacos 注册与发现，服务间用声明式客户端互相调用，JWT 认证统一收敛到网关层——有明确的服务边界和调用关系，不是简单的 Maven 多模块。
① 网关统一鉴权，服务层零感知
网关 AuthFilter 在请求进入时就完成 JWT 校验，提取用户信息后通过 X-User-Id / X-Username / X-User-Role Header 向下游透传。下游服务不再重复处理认证逻辑，只需要从 Header 中读取用户身份即可——关注点分离，代码更清爽。
② 声明式 HTTP 客户端，接口即文档
服务间通信采用 Spring 原生 @HttpExchange 声明式调用，用接口 + 注解定义远程调用，完全不写 HTTP 连接代码：
@HttpExchange("/api/v1/agent-capabilities")
public interface AiAgentCapabilityClient {
@PostExchange("/interview/questions")
ApiResponse<List<Map<String, Object>>> generateInterviewQuestions(...);
}
所有服务启动后自动注册到 Nacos，支持健康检查、负载均衡、动态上下线；网关路由全部收敛到 YAML 配置（spring.cloud.gateway.server.webflux.routes），新增服务、新增路径改配置即生效，零代码。
spring:
cloud:
gateway:
server:
webflux:
routes:
- id: smart-recruit-system
uri: lb://smart-recruit-system
predicates:
- Path=/api/v1/auth/**, /api/v1/users/**, /api/v1/configs/**
2. LLM 网关多模型路由 + 自动降级，不是"硬编码接一个模型"
所有 AI 调用统一走 AI 引擎 LLM 网关，按 Agent 路由模型，Qwen / DeepSeek 双厂商主备切换、失败自动降级：
| Agent | 路由模型 |
|---|---|
| 简历视觉解析 | qwen-vl-max |
| AI 筛选 / AI 出题 / JD 生成 | qwen3-max |
| Offer 接受度 / 留任预测 | deepseek-v4-flash |
| 人才推荐 / 内推匹配 | deepseek-chat |
每次调用都真实记录 Token 消耗，喂给「Token 消耗分布（近 24h）」监控；切换模型、调整 Key 都无需改动业务代码。
3. AgentScope 2.0 多智能体编排，不是"单次调用大模型"
面试评估由编排主控调度 4 个子 Agent 通过 agent_spawn 协作完成，支持同步与 SSE 流式两种模式：
子 Agent 通过 SubagentDeclaration 声明，主控 prompt 触发 agent_spawn 调度：
- AgentScope 不直连大模型，通过适配器复用 LangChain4j 网关的统一路由、降级与计费，编排层与模型层彻底解耦；
- 除子 Agent 协作外，还有「简历 → Offer」五阶段全流程流水线（解析 → 筛选 → 人工审核 → 面试评估 → Offer 预测），每个阶段记录真实 Agent 任务，可一键运行、全程可观测。
4. 视觉模型简历解析，不是"只支持文字简历"
文本简历走 Tika 提取 + LLM 结构化；
图片与扫描件简历自动切换视觉大模型（qwen-vl-max），解析失败自动标记人工复核：
| 简历形态 | 处理链路 | 失败兜底 |
|---|---|---|
| PDF / DOCX / DOC 文本 | Tika 提取 → LLM 结构化 | 记录解析失败原因 |
| 图片 / 扫描件 PDF | qwen-vl-max 视觉解析 | 自动标记人工复核 |
解析结果包含技能、工作经历、项目经历、教育背景、个人优势等结构化字段，直接驱动后续 AI 筛选与人才入库。
5. 全链路异步化 + 定时预计算，不是"页面卡死等 AI"
AI 出题、简历解析、AI 筛选、JD 生成、人才推荐全部异步任务化：任务队列 + 前端轮询 + 实时进度展示，任何耗时调用都不阻塞页面；再叠加三层成本优化：
| 手段 | 说明 |
|---|---|
| 定时预测落库 | Offer 接受度、留任预测由定时任务预计算，详情页直接读库 |
| SHA-256 指纹去重 | 留任预测以入职 5 步数据指纹判断，数据未变化不重复调用大模型 |
| 双级缓存 | 人才推荐 Redis 15 分钟 + Caffeine 5 分钟，支持"换一批"分页 |
留任预测的指纹计算（入职 5 步数据 → SHA-256）。
6. 真实智能体监控，不是"写死的演示数据"
Agent 任务队列、实时事件流（SSE）、Token 消耗分布（近 24h）、成功率与健康度全部来自真实调用记录，每个 Agent 任务都可以追溯到具体业务操作（谁在哪个简历上触发了筛选、哪次面试触发了出题）。
7. 合同电子签章全流程，不是"上传一张图"
候选人手写签名画板 → 邮件签署链接 → 候选人 / HR 双签署 → 合同生效，签署记录、作废原因、打印输出完整留痕，是一套真正闭环的数字化合同流程。
8. 数据分析定时快照 + AI 洞察
候选人 / 面试 / Offer 日快照由各模块定时任务预聚合，接口直接读快照，彻底避免大数据量下的实时统计超时；AI 引擎再基于统计结果生成自然语言洞察与优化建议，大屏与报表既有真实数据又有智能解读。
9. Java 25 虚拟线程，高并发 IO 利器
AI 异步生成、SSE 事件流、邮件发送等高 IO 场景使用虚拟线程，资源占用大幅降低、吞吐量显著提升——每个请求一个虚拟线程，由操作系统级调度，几十万并发也不再是瓶颈。
10. LangChain4j → AgentScope 模型适配，编排与模型层解耦
AgentScope 不直连大模型，通过适配器复用 LangChain4j 网关的统一路由、降级与计费，两个框架各司其职、无缝衔接——编排层只关心"多智能体怎么协作"，模型层只关心"调哪个厂商、怎么降级、花了多少 Token"。
11. 多级降级链，任何故障页面都有数据
面试评估、简历筛选、Offer/留任预测都实现了多级降级，LLM 挂了、Agent 挂了、网络断了，页面依然有数据，异常永远不外露给用户。
| 场景 | 降级链 |
|---|---|
| 面试评估 | 多 Agent 编排 → 单 Agent → LLM 直调 → 启发式评分 |
| 简历筛选 | LLM 智能筛选 → 启发式评分 |
| Offer / 留任预测 | LLM → 本地 Agent → 默认值 |
12. 双级缓存人才推荐，相同岗位秒级返回
AI 人才推荐结果 Redis 15 分钟 + Caffeine 5 分钟双级缓存，支持"换一批"分页，相同岗位再次查询直接命中缓存，不重复消耗 Token、不重复调用大模型。
8.2 工程亮点
| 分类 | 亮点数 | 核心关键词 |
|---|---|---|
| 微服务架构 | 8 | 数据库-per-服务、网关鉴权透传、声明式客户端、配置驱动路由、虚拟线程、统一异常、公共收敛、一键初始化 |
| AI / LLM | 11 | 多模型路由降级、AgentScope 多智能体、视觉解析、异步任务、指纹去重、双缓存、多级降级、出题联动、真实监控、AI 洞察 |
| 业务与数据 | 7 | 简历流水线、电子签章、六步入职预警、消息联动、定时统计、安全审计、数据规范 |
| 前端工程 | 5 | Axios 拦截、路由守卫、双前端、类型安全、教程体系 |
1. 安全与审计一套不缺
JWT 认证 + RBAC 三级权限（菜单 / 按钮 / 接口）+ AOP 操作审计日志（谁在何时、从哪个 IP、做了什么）+ 可配置页面水印（账号 / 姓名 / 时间）+ 网关限流，企业级合规能力齐全。
2. 数据工程规范
雪花 ID、逻辑删除、审计六件套（create/update × 时间 / 人 ID / 用户名）、JSON 扩展列 + TypeHandler、索引前缀冗余清理，表结构规范可审计；init.sql 一键初始化 7 库 55 表 + 基础数据、schema.sql 随时核对结构。
3. 前端基础设施完备
Axios 请求拦截（Token 注入、401 静默刷新 + 请求队列重放、错误统一提示）、路由懒加载 + 权限守卫、双前端架构（管理端 :3000 + 招聘官网 :3001）、TypeScript 类型安全全覆盖。
请求 401 ──> 静默刷新 Token ──> 队列中等待的请求批量重放 ──> 用户零感知
刷新失败 ──> 清理登录态 ──> 1.5s 后跳转登录页
8.3 这套源码能带给你什么？
如果你是一个初中级后端开发：
- 微服务怎么拆、怎么做服务发现、怎么写
@HttpExchange声明式接口，这项目里全有； - JWT + RBAC 权限模型怎么设计、代码怎么写，直接看 smart-recruit-system；
- MyBatis-Plus 高级用法（分页、连表、逻辑删除、JSON 字段 TypeHandler）；
- Spring Cloud Gateway 5.x 的路由与鉴权怎么落地（配置驱动、白名单可配）；
- AOP 切面实现操作审计日志；
- 定时任务 + Java 25 虚拟线程异步化，怎么在真实业务里用。
如果你是一个前端开发：
- Vue 3 + TypeScript 企业级项目怎么组织目录和代码；
- Element Plus 深度使用（树形选择、表格、进度条、手写签名画板）；
- Axios 拦截器、Token 刷新、请求队列重放的完整方案；
- 招聘官网与合同签署这类公开页面的实现思路；
- Chart.js 数据可视化封装、Word 简历预览（mammoth）的落地方式。
如果你关注 AI / LLM：
- LLM 网关多模型路由 + 自动降级的完整实现；
- AgentScope 2.0 HarnessAgent 多智能体编排 +
agent_spawn协作调度； - 视觉大模型解析图片 / 扫描件简历的落地方式；
- 异步出题 + 轮询进度、定时预测 + 指纹去重、双级缓存推荐的工程实践；
- LangChain4j 在实际 Spring Boot 项目中的集成方式；
- 从「提示词设计」到「多级降级」的一整套 AI 工程方法论。
如果你是架构师或技术 Leader：
- 微服务怎么拆，每个服务的边界如何定义，7 个数据库的归属与理由；
- AI 能力如何分层（模型网关 / 编排层 / 业务 Agent），做到可插拔、可降级、可观测；
- 招聘全流程数据流（简历 → Offer → 入职）怎么建模；
- 一个「AI 能力真正跑在业务每个环节」的系统长什么样；
更多项目实战在Java突击队网：susan.net.cn/project
总结
企业智能招聘系统是一套功能完整、架构现代、AI 深度赋能的企业级智能招聘管理平台：以 7 个微服务 + 7 个业务库承载招聘全流程，以 11 个 AI Agent 与 AgentScope 2.0 多智能体编排构建 AI 能力层，315+ 个 REST 接口覆盖 55 张业务表，双前端面向 HR 与候选人双向开放。
核心能力总结：
- 招聘全流程闭环：职位 → 简历 → 筛选 → 面试 → Offer → 合同 → 入职，每个环节都有 AI 赋能；
- 11 个 AI Agent、12 类 AI 能力：简历解析（文本 + 视觉）、智能筛选、AI 出题、面试评估、JD 生成、Offer/留任预测、人才推荐、内推匹配、数据洞察、多 Agent 编排，全部异步化 + 定时预计算保证性能；
- 多智能体协作：AgentScope 2.0 HarnessAgent 编排 4 个子 Agent 完成面试评估，简历 → Offer 五阶段流水线可一键运行；
- 企业级工程能力：数据库-per-服务、网关统一鉴权、统一响应、审计日志、页面水印、合同电子签章，合规与安全能力完备；
- 可视化运维：Agent 任务队列、SSE 实时事件流、Token 消耗分布、成功率与健康度全部来自真实调用记录；
- 可跟做、可复制：40+ 篇功能开发教程，从零到完整功能一步不落。
这是一套可以直接用于企业生产环境的智能招聘基础设施，也是一套架构、AI、工程三位一体的高质量参考实现。
