推荐一个牛逼的AgentScope系统大家好，我是苏三，又跟大家见面了。前言最近我开发了一套基于AgentScope

大家好，我是苏三，又跟大家见面了。

前言

最近我开发了一套基于AgentScope的多智能体编排的企业智能招聘系统。

加上之前的项目，我一口气肝了14个SpringBoot项目，包含7个AI项目。

从0~1项目开发实战、系统架构、系统设计、表设计、高并发、微服务、分布式、集群、SaaS、多租户、Vue、小程序、AI Agent、LangChain、AgentScope、Spring AI、Spring AI Alibaba、RAG、KAG、Fucation Calling、MCP、向量检索、向量库、多Agent编排和协作什么都有。

今天给大家介绍一下这些项目，感兴趣的小伙伴，可以学习一下，嘎嘎香。

更多项目实战在Java突击队网：susan.net.cn/project

1.企业智能招聘系统

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。

1.1 项目定位

维度	说明
架构模式	Spring Cloud 微服务（Nacos 注册/配置中心）
后端	Spring Boot 4.1 + Java 25 虚拟线程 + MyBatis-Plus 3.5.16
前端	Vue 3 + TypeScript + Vite + Element Plus + Pinia
数据库	MySQL 8.0（8 个业务库 · 71 张表）+ Redis
异步	RabbitMQ（简历解析/筛选、智能出题、AI 面试开始/回答评估）
AI 编排	AgentScope 2.0（HarnessAgent）+ LangChain4j 0.29.1 模型适配
大模型	阿里云百炼 Qwen 系列 / DeepSeek（多厂商路由 + 自动降级）
语音	阿里云 NLS：一句话识别 ASR + 情感音色语音合成 TTS
存储	RustFS（S3 兼容对象存储）：简历、头像、面试音视频归档
检索增强	Elasticsearch 向量库（题库/JD/公司制度）+ Embedding

1.2 每个环节都有 AI 在干活

AI 能力	支撑模型	业务价值
AI 生成 JD	qwen3-max	填几个关键词，秒出一份结构化职位描述
AI 智能出题（RAG 增强）	qwen3-max + ES 检索	结合职位 JD、历史题库、候选人画像出针对性题目
AI 简历解析	qwen-vl-max（含图片/扫描件）	PDF/Word/图片简历自动结构化，姓名/经历/技能/项目一目了然
AI 智能筛选	qwen3-max	五维评分 + 录用建议，海量简历秒级初筛
AI 面试官	deepseek-v4 + 阿里云语音	免登录面试、异步开场、流式追问、语音作答、音视频归档
AI 人才推荐	deepseek-chat	人才库按岗位匹配智能推荐
内推匹配	deepseek-chat	内推人与职位自动匹配
Offer 接受度预测	deepseek-v4-flash	预测候选人接受 Offer 概率，辅助谈薪策略
新员工留任预测	deepseek-v4-flash	入职前预警留任风险
数据分析 AI 洞察	DeepSeek	从统计指标自动生成可读洞察
大模型测评集（Golden Set）	多模型可选	固定用例回归验证，Prompt/模型改动可量化对比
AI 成本大盘	-	Agent 级 Token 消耗、模型价格、调用量实时统计

所有能力遵循「LLM 优先、Agent 启发式兜底」：大模型不可用时自动降级到确定性实现，任何配置下业务都能跑通，不会因为模型挂了导致整个招聘流程停摆。

这不是"调一个 API 包装成 Agent"，而是接入了 AgentScope2 编排框架：

HarnessAgent 主控：统一调度、上下文管理、子 Agent 协作（agent_spawn）；
LangChain4j → AgentScope2 Model 适配器：既有 LLM 网关无缝接入编排框架，多模型路由能力不丢失；
子 Agent 编排：interview-evaluator（面试评估）与 interview-orchestrator（面试编排）按需协作，完成"评估 → 追问 → 总结"的完整面试闭环；
工作区记忆：.agentscope/workspace 持久化任务、会话、记忆（MEMORY），Agent 跨轮次"记得"上下文；
9 个领域 Agent：JD 生成、智能出题、简历解析、智能筛选、面试评估、Offer 预测、留任预测、内推匹配、人才推荐，全部可独立调用、可被编排；
全链路可观测：Agent 任务、事件流、Token 消耗真实落库，成本大盘直接可见。

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-user	用户服务	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（RAG 增强）、面试题库、在线测评、AI 面试官（邀请/异步开始/流式回答/语音 ASR·TTS/媒体归档）
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 + 流式）、AgentScope 2.0 多智能体、Embedding、大模型测评集（Golden Set）、AI 成本统计
smart-recruit-base	基础服务	8088	文件存储网关（RustFS）、消息通知 + WebSocket、系统配置、邮件

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
RabbitMQ	3.x	异步任务（简历解析/筛选、智能出题、AI 面试开始/回答评估），手动 ACK + 死信
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	RAG 向量库（题库/JD/公司制度检索，可选）
阿里云 NLS	-	一句话识别（ASR）+ 语音合成（TTS，情感音色）

2.企业智能知识库系统

企业级智能知识库系统，基于 Spring Cloud 微服务架构，将大语言模型（LLM）、检索增强生成（RAG）与知识图谱（KAG）深度结合，为企业提供从知识沉淀、智能检索到 AI 问答的全链路知识管理能力。

项目介绍

基于 Spring Cloud 微服务 + Nacos 注册中心，包含 10 个独立服务模块，通过 API Gateway 统一入口、RabbitMQ 异步事件总线实现服务间解耦。

kb-gateway（8080） ：API 网关卡，JWT 鉴权过滤、CORS、请求日志、统一响应格式化
kb-user-auth（8081） ：用户认证与权限管理，JWT 签发/校验、RBAC 权限模型、团队管理、邮箱验证
kb-document（8082） ：文档核心服务，文档 CRUD、分类树、标签、评论、收藏、审阅流程、版本历史与 Diff 对比、访问控制与分享、Markdown 编辑、自动保存、MongoDB 文档内容存储
kb-search（8083） ：全文检索引擎，ElasticSearch 搜索引擎、搜索建议与自动补全、搜索历史管理、RAG 混合检索对接
kb-file（8084） ：文件存储与处理，RustFS 分布式文件存储、Apache Tika 格式转换（25+ 文件类型）、FFmpeg 媒体转码、RabbitMQ 异步转码消费
kb-statistics（8085） ：数据统计与分析，仪表盘总览、文档/用户/评论统计、趋势分析、热点文档、分类分布、定时聚合任务
kb-ai（8086） ：AI 智能问答引擎，AI Chat 对话（Qwen/DeepSeek 多模型）、RAG 检索增强生成（文档切块 → Embedding → 向量索引 → 语义检索）、KAG 知识增强生成（LLM 实体关系抽取 → 图谱构建 → 图检索 → RAG+Graph 融合）、AI 辅助写作、对话历史管理、用户反馈收集
kb-graph（8088） ：知识图谱服务，Neo4j 图数据库存储、实体/文档节点与关系建模、图遍历与路径检索、子图查询、社区发现、实体合并
kb-foundation（8089） ：系统基础服务，系统配置管理、数据字典、通知管理（WebSocket STOMP 实时推送）、通知模板、操作日志（AOP 自动采集 + MQ 异步写入）
kb-common：公共模块，全局异常处理、统一响应体（Result）、AOP 操作日志注解与切面、JWT 工具、分布式雪花 ID、自定义业务异常、MyBatis Plus 自动填充

核心能力

文档全生命周期管理：草稿 → 提交审阅 → 审批通过/驳回 → 发布 → 归档，完整状态流转。Markdown 编辑器 + 实时自动保存至 MongoDB，支持批量导入导出。
版本历史与回溯：每次编辑生成版本快照，版本 Diff 对比，一键回滚到任意历史版本。
审阅流与协作：多级审阅流程，批量审批，嵌套评论线程，点赞收藏，访问控制与链接分享。
文件处理引擎：支持 PDF、Word、Markdown、HTML 等 25+ 文件格式上传，Apache Tika 驱动格式转换，FFmpeg 媒体转码，RustFS 分布式存储。
ElasticSearch 全文检索：关键词搜索、自动补全与搜索建议、搜索历史记录，与 RAG 语义检索互补形成双路召回。
RAG 检索增强生成：文档自动切块 → text-embedding-v3 向量化 → ElasticSearch 向量索引 → 向量 + 关键词双路混合检索（RRF 融合排序）→ LLM 上下文注入，回答附带来源引用。
KAG 知识增强生成：LLM 从文档切片中自动抽取实体与关系 → Neo4j 图谱构建 → 图遍历检索实体关联知识 → RAG + Graph 结果融合，将离散文档编织为结构化知识网络，回答不仅是片段匹配，更是关系推理。
知识图谱：Neo4j 存储文档实体、知识实体、文档切片节点与关系边，支持图遍历、路径查询、子图展开、社区发现、实体合并，让隐性知识关系显性化。
AI 对话与写作：多轮对话历史管理，流式响应，AI 辅助写作与文档问答，用户反馈闭环。
实时通知推送：WebSocket STOMP 协议实时推送审阅通知、系统公告，通知模板可配置。
数据统计与看板：仪表盘总览、文档/用户/评论多维统计、趋势分析、热点文档排行、分类分布、活跃用户排行，定时任务自动聚合。
操作审计：AOP 注解自动采集操作日志，RabbitMQ 异步写入，操作人员、操作类型、请求参数、执行结果全链路可审计。

技术栈

类别	技术选型
语言与框架	Java 21、Spring Boot 3.2.0、Spring Cloud 2023.0.0 + Alibaba Nacos
微服务组件	Nacos（注册中心 + 配置中心）、Spring Cloud Gateway、OpenFeign
ORM	MyBatis Plus + Druid 连接池
数据库	MySQL 8.0（业务数据）、MongoDB（文档内容/自动保存）、Neo4j（知识图谱）
搜索引擎	ElasticSearch（全文索引 + 向量索引）
缓存	Redis（Caffeine 本地缓存 + Redis 二级缓存）
对象存储	RustFS（分布式文件存储）
消息队列	RabbitMQ（异步事件：统计聚合、通知推送、操作日志、索引重建）
AI 模型	Qwen / DeepSeek（LLM 对话）、text-embedding-v3（向量化）
文档处理	Apache Tika（格式转换）、FFmpeg（媒体转码）
实时推送	WebSocket STOMP
构建与部署	Maven 多模块、Docker 容器化
API 文档	Knife4j（Swagger 增强）
前端	React 18 + TypeScript + Vite + Ant Design 5 + Zustand + React Router 6

技术亮点

微服务 + 事件驱动架构：10 个独立服务模块，Nacos 注册发现，Feign 声明式服务调用，RabbitMQ 异步事件总线串联「统计聚合、通知推送、操作日志、全文索引重建、KAG 图谱重建」等关键管线，模块边界清晰，可独立扩展。
RAG + KAG 双引擎融合：不是简单的文档片段检索——RAG 提供语义级别的模糊匹配，KAG 在此基础上通过 LLM 抽取实体关系构建知识图谱，将散落的文档内容编织为结构化知识网络。查询时 RAG 与 Graph 双路并行检索、结果融合排序，兼顾语义广度与逻辑深度。
混合检索 + RRF 融合：ElasticSearch 向量语义检索 + 关键词检索双路召回，RRF（Reciprocal Rank Fusion）融合排序，比单一检索方式命中率显著提升。
全链路异步解耦：RabbitMQ 驱动统计聚合、通知推送、操作日志写入、搜索引擎索引重建、KAG 图谱重建等关键流程，核心业务操作低延迟，非关键计算异步消化。

架构图：

部分页面截图：

3.智能代码审查AI Agent

项目描述

代码审查AI Agent(CodeGuardian AI) 是面向企业与团队的智能代码审查 Agent。

它将传统静态分析与大语言模型（LLM）深度结合，提供多语言、多维度、高上下文感知的代码问题识别与修复建议。

通过与 Git 仓库、CI/CD 流水线的无缝集成，项目在开发、提交、发布前审计等关键环节提供可审计、可落地的审查能力与专业报告。

核心功能

多范围审查：支持项目/目录/文件/代码片段/Git 项目审查，适配不同开发阶段与场景。
深度分析（AI+规则）：LLM 结合规则引擎（PMD/Checkstyle/SpotBugs/Semgrep），既有上下文推理又有规范落地。
RAG 增强：基于代码库与知识库的检索增强生成（Hybrid：BM25 + 向量检索 + Rerank），提供相似问题与修复示例。
Function Calling：以结构化工具调用驱动本地分析器与解析器（JavaParser/Semgrep），强制输出严格 JSON 结果（Finding/Report）。
专业报告：生成 HTML/Markdown/PDF 报告，包含问题分布、严重级别统计、位置与 Diff、可执行建议。
历史与检索：审查记录留存、分页与查询（名称/范围/时间）、二次检索与复盘。
规范与规则：内置阿里/Google/Airbnb/PEP8 规范模板，支持自定义规范（名称+要点）、权重调优。
Git 集成：支持 Git 地址配置（账户与令牌），拉取并增量分析模块级问题。
CI/CD 集成：REST API 与 Webhook，在 PR/MR、构建、发布前自动触发审查与阻断策略。
安全与合规：敏感信息脱敏、凭据仅会话态、审计日志与链路追踪。
基于Redis缓存的语义指纹功能，显著降低重复代码/相似代码的模型调用成本与耗时。

技术栈

语言与框架：Java 21、Spring Boot 3.x、Spring Web（REST）
解析与规则：JavaParser、Semgrep、PMD、Checkstyle、SpotBugs、Tree-sitter（可选）
AI 接入：Spring AI；RAG（Embedding + 向量库 + BM25）
数据与存储：PostgreSQL（任务/结果）、Redis（缓存）、MinIO（对象存储/大报告）
检索与向量：ElasticSearch/pgvector/VectorDB（可选，混合检索）
并发与事件：Java 21 虚拟线程（Loom）、Redis Streams（事件总线，可选）
构建与部署：Maven、Docker
观测与日志：Grafana/ELK、SLF4J + Logback
测试：JUnit 5

技术亮点

可演进单体 + 事件驱动：以模块化单体起步，内部事件总线组织审查管线，平滑演进为微服务。
虚拟线程并发：利用 Java 21 Loom 显著提升多文件/多模块并行分析吞吐。
混合检索与重排：BM25 + 向量检索 + Rerank，让上下文更精准、建议更可靠。
工具函数调用：LLM 与本地分析器协作，既智能又可落地，输出严格结构化结果。

系统架构图：

部分页面截图：

4 100万QPS短链系统

使用技术：JDK21、SpringBoot3.5.3、JPA、Redis、布隆过滤器、Sentinel、Nacos、Redisson、shardingsphere、HikariCP、guava、Prometheus、AlertManager、Grafana、ELK等。

这个系统拥有超高的并发，面包含的东西很复杂。

目前设计了32个数据库，每个数据库包含256张表。

每天可支持2.6亿以上的数据写入。

简历中加上短链系统面试机会一下子多了很多：

一周拿了3个offer：

100万QPS短链系统架构图如下：

该系统的亮点是：

使用了最新的JDK21和SpringBoot3.5.3
100万QPS的超高并发请求
数据库分库分表设计
多级布隆过滤器设计
限流和熔断的使用
Redis分片集群
改进后的雪花算法
Redis分布式锁的使用
Redis Stream的使用
多级缓存设计
多线程的处理
完整的单元测试覆盖
使用Prometheus对项目实时监控
使用Grafana创建监控仪表盘
使用AlertManager实现自动报警功能
接入钉钉报警
基于时间片的布隆过滤器
系统平滑8倍扩容
基于Docker容器化部署
支持多种短链生成算法
接口幂等性设计
数据双写机制
历史数据迁移程序
数据一致性校验程序
过期数据自动迁移程序
多个服务节点数据同步机制

等等。。。

基于时间片的布隆过滤器流程图如下：

短链系统平滑扩容方案如下：

通过这个项目，可以学到很多高并发、流量评估、分库分表、多级缓存、多级布隆过滤器、限流、熔断、多线程、监控、报警、数据扩容、集群、广播消息、单元测试编写等多方面的知识。

目前这个项目包含两端代码：

后端服务
前端服务

想进大厂的小伙伴们，一定不要错过这个项目，里面有很多加分项。

更多项目实战在Java突击队网：susan.net.cn/project

5.智能天气播报AI Agent

核心功能

天气数据获取：实时获取天气信息
智能播报：用自然语言播报天气
穿衣建议：根据天气推荐穿衣搭配
出行建议：基于天气条件的出行建议
语音播报：支持语音播报功能

技术栈

核心框架：

Spring Boot 3.x
Spring AI Alibaba Starter

AI服务：

通义千问 (天气解读)
阿里云语音合成

第三方API：

聚合数据API

数据存储：

Redis (天气数据缓存)

6.智能翻译助手AI Agent

核心功能

文本翻译支持中英日韩等多语言互译
文档翻译PDF、Word、Excel文档智能翻译
实时对话翻译聊天场景的实时翻译
术语库管理专业术语的定制化翻译
翻译质量评估自动评估翻译准确性
会员点数付费功能

技术栈

核心框架：

Spring Boot 3.x
Spring AI Starter
Elasticsearch
MinIO

AI服务：

通义千问 (文本理解和优化)
RAG

数据存储：

MySQL (翻译记录)
Redis (缓存)

前端：

Thymeleaf
Bootstrap (UI框架)
JavaScript ES6+
WebSocket

系统架构图：

部分页面截图：

这个项目是一个完整的AI商业应用，包含了完整的会员开通、下单、支付、获取点数、消费点数、续费等功能。

7 SaaS点餐系统

使用技术：JDK21、SpringBoot3.4.3、SpringCloud、SpringCloud Alibaba、Gateway、Mybatis、PostgesSQL、Redis、RocketMQ、ElasticSearch、Knife4j、Prometheus、Grafana、Minio、数据隔离等。

SaaS点餐系统是一套：DDD开发模式 + 多租户 + PostgesSQL 的复杂微服务系统。

包含了9个微服务。

系统整体架构如下：

数据隔离方案如下：

DDD开发模式的代码示例：

通过这个项目可以掌握DDD开发模型、多租户数据隔离的方案实现、PostgresSQL数据库的使用，还有微服务之间的数据交换，网关服务的统一处理，以及复杂系统的职责领域的划分。

页面效果：

8 商城微服务系统

susan_mall_cloud是微服务项目。

使用了目前业界比较新的技术：JDK17、Spring6、SpringBoot3.3.5、SpringCloud2024、SpringCloud Alibaba2023.0.1.0。

微服务后端包含了：

susan-mall-common （公共文件）
susan-mall-gateway （网关服务）
susan-mall-basic (基础服务)
susan-mall-auth （权限服务，包含用户和权限相关的）
susan-mall-product （商品服务）
susan-mall-order （订单服务）
susan-mall-pay （支付服务）
susan-mall-member （会员服务）
susan-mall-marketing （营销服务）
susan-mall-admin（后台管理系统API）
susan-mall-mobile（移动端API）

这个版本在商城已有技术基础之上，又增加了：SpringCloud Gateway、WebFlux、Seata、Skywaking、OpenFeign、Loadbalancer、Sentinel、Nacos、Canal、xxl-job、Prometheus、K8S等。

项目架构图：

目前包含了多端代码：

服务端的网关服务和6个微服务。
后台管理系统。
uniapp小程序。

下面是商城小程序真实的截图：

看起来是不是非常专业？

商城微服务项目很复杂，包含了目前业界微服务分布式系统中使用最主流的技术，强烈推荐一下。

无论在工作中，还是面试中，都可以作为加分项。

特别是SpringCloud Gateway中WebFlux的使用，微服务之间的异常处理，以及微服务之间的通信，都很值得一看。

9 商城系统

商城系统目前包含了：SpringBoot后端 + Vue管理后台 + uniapp小程序，三个端的完整代码。

商城项目中包含了：基于Docker部署教程、域名解析教程、按环境隔离、网络爬虫、推荐算法、支付宝支付、分库分表、分片算法优化、手写动态定时任务、手写通用分页组件、JWT登录验证、数据脱敏、动态workId、hanlp敏感词校验，手写分布式ID生成器、分布式限流、手写Mybatis插件、两级缓存提升性能、MQ消息通信、ES商品搜索、OSS服务对接、失败自动重试机制、接口幂等性处理、百万数据excel导出、WebSocket消息推送、用户异地登录检测、freemarker模版邮件发送、代码生成工具、重复请求自动拦截、自定义金额校验注解等等一系列功能。

系统架构图：