docs(course): 建立Agent学习路线并新增第一课
This commit is contained in:
bruce
@@ -1,18 +1,20 @@
|
||||
# JobRadar · 职途雷达
|
||||
|
||||
JobRadar 是一套面向个人使用的智能岗位发现与决策系统。项目计划从指定招聘网站采集岗位信息，依据可配置规则完成筛选，并结合联网检索与大模型分析补充企业性质、岗位匹配度、判断依据和置信度，最终形成可追溯的个人岗位库。
|
||||
JobRadar 是一套面向个人使用、以 Agent 为核心的智能岗位发现与决策系统。Agent 根据用户目标制定执行步骤，调用岗位采集、企业调查、规则筛选、评分和数据持久化工具，完成多步骤任务，并将过程、证据和结果展示在 WebUI 中。
|
||||
|
||||
> 当前项目处于基础骨架阶段，已完成 Django 工程初始化；岗位采集、企业研判、评分、异步任务和业务页面均在后续迭代范围内。
|
||||
|
||||
## 项目目标
|
||||
|
||||
- 通过独立站点适配器采集授权范围内的岗位信息。
|
||||
- 使用正规的 Agent 运行循环完成任务规划、工具调用、状态延续和结果输出。
|
||||
- 通过独立站点工具采集授权范围内的岗位信息。
|
||||
- 统一不同来源的岗位字段，并识别重复岗位和内容变化。
|
||||
- 使用硬性规则优先排除明显不符合要求的岗位。
|
||||
- 联网补充企业主体、企业性质和行业等信息，保留来源与查询时间。
|
||||
- 按可配置权重计算岗位匹配分，输出推荐理由和风险提示。
|
||||
- 提供适合个人使用的岗位管理、收藏、忽略和投递跟踪页面。
|
||||
- 保留原始数据、规则版本和分析证据，使每项结论可以复核。
|
||||
- 展示 Agent 的执行轨迹、工具调用、耗时、失败原因和人工确认节点，用于学习与项目展示。
|
||||
|
||||
## 技术栈
|
||||
|
||||
@@ -26,7 +28,11 @@ JobRadar 是一套面向个人使用的智能岗位发现与决策系统。项
|
||||
| 普通请求 | HTTPX | 规划中 |
|
||||
| 异步任务 | Celery + Redis | 规划中 |
|
||||
| 定时调度 | Celery Beat | 规划中 |
|
||||
| AI 分析 | 兼容 OpenAI 接口的模型服务 | 规划中 |
|
||||
| Agent 运行时 | OpenAI Agents SDK（Python） | 规划中 |
|
||||
| 模型接口 | OpenAI Responses API | 规划中 |
|
||||
| Agent 输出 | Pydantic 结构化模型 | 规划中 |
|
||||
| 可观测性 | Agents SDK Tracing + 业务运行记录 | 规划中 |
|
||||
| Agent 评测 | 官方 Agent Evals 思路 + 本地评测集 | 规划中 |
|
||||
| 用户系统 | Django 内置认证 + 简化用户资料 | 规划中 |
|
||||
| WebUI | Django Admin + 自定义 Django 页面 | 规划中 |
|
||||
| 部署 | Docker Compose + Nginx/Caddy + HTTPS | 规划中 |
|
||||
@@ -58,12 +64,27 @@ companies/ 企业主体及企业证据
|
||||
crawlers/ 招聘网站采集适配器
|
||||
screening/ 硬性筛选规则
|
||||
ranking/ 权重评分
|
||||
ai_analysis/ 语义分析及结构化输出
|
||||
agent_runtime/ Agent 定义、运行上下文与编排入口
|
||||
agent_tools/ 采集、检索、筛选、评分和持久化工具
|
||||
evals/ Agent 行为评测用例与结果
|
||||
task_center/ 采集、分析与调度任务
|
||||
audit/ 日志、证据与版本追踪
|
||||
```
|
||||
|
||||
详细边界参见 [架构设计](docs/architecture.md)，开发顺序参见 [实施路线图](docs/roadmap.md)。
|
||||
详细边界参见 [架构设计](docs/architecture.md)，Agent 的目标、工具和状态约定参见 [Agent 契约](docs/agent-contract.md)，开发顺序参见 [实施路线图](docs/roadmap.md)。
|
||||
|
||||
## 学习与开发方式
|
||||
|
||||
JobRadar 同时是实际项目和 Agent 学习项目，采用“逐阶段、逐课、手动实现”的协作方式：
|
||||
|
||||
1. 我先说明本课目标、核心原理以及它在完整系统中的位置。
|
||||
2. 对照 Java、Spring 和常见后端设计解释 Python、Django 与 Agents SDK 的差异。
|
||||
3. 我提供本课所需的完整参考代码、运行命令、预期结果和常见错误。
|
||||
4. 你根据讲解亲手把代码写入 JobRadar，不直接复制一个已完成项目。
|
||||
5. 你完成后，我检查正确性、可读性、Agent 设计和安全边界，并解释问题。
|
||||
6. 当前一课达到验收标准后，再开始下一课。
|
||||
|
||||
默认情况下，我不会直接替你写入业务代码，也不会一次性生成后续全部模块。只有你明确要求我落地某段代码时，我才修改项目文件。详细约定参见 [学习协作说明](docs/learning-guide.md)。
|
||||
|
||||
## 本地运行
|
||||
|
||||
@@ -153,12 +174,23 @@ python -m playwright install chromium
|
||||
## 开发约定
|
||||
|
||||
- 一个招聘网站对应一个采集适配器，禁止把站点特有解析逻辑写入公共业务模块。
|
||||
- Agent 通过类型明确的工具完成外部操作，不在提示词中伪造浏览、查询或入库结果。
|
||||
- 第一版只实现一个岗位研究 Agent；只有单 Agent 难以维持明确职责时才增加专家 Agent 和 handoff。
|
||||
- 涉及持久化或外部副作用的工具必须边界窄、可审计、可重试。
|
||||
- 高风险或不可逆操作必须设置人工确认；第一版不允许 Agent 自动投递简历或联系招聘人员。
|
||||
- 原始数据与标准化数据分开保存，避免解析规则变化后无法追溯。
|
||||
- 先执行确定性筛选，再调用联网服务和大模型，降低成本与误判范围。
|
||||
- 评分权重由配置决定，大模型只输出结构化维度分析，不直接修改最终分数。
|
||||
- 规则筛选和权重计算作为确定性工具提供给 Agent，最终分数不能由模型随意生成。
|
||||
- 采集、企业补全和 AI 分析任务必须可重复执行，并通过唯一约束或幂等键防止重复入库。
|
||||
- 重要判断应包含证据，不以模型生成的自然语言作为唯一依据。
|
||||
|
||||
## 明确不采用的捷径
|
||||
|
||||
- 不把一次普通的大模型请求包装成 Agent；必须存在真实的运行循环、工具调用、状态和轨迹。
|
||||
- 不用 LangChain 等兼容层统一不同模型或 Agent 框架，优先直接学习 OpenAI Agents SDK 的原生能力。
|
||||
- 当前业务没有知识库检索需求，不引入 pgvector、独立向量数据库或为了展示而搭建 RAG。
|
||||
- 不一开始拆成多 Agent；先用一个 Agent 验证完整闭环，再依据评测结果演进。
|
||||
|
||||
## 验证命令
|
||||
|
||||
```powershell
|
||||
@@ -180,4 +212,4 @@ JobRadar 仅用于个人岗位信息整理与求职辅助。使用前应确认
|
||||
|
||||
当前版本：`0.1.0-dev`
|
||||
|
||||
当前阶段：Django 基础工程和项目文档初始化。
|
||||
当前阶段：[阶段一第1课“Django项目配置与开发/生产环境拆分”](docs/lessons/01_Agent工程基线/1_1_Django项目配置与开发生产环境拆分/README.md)已经创建，等待学习者手动完成项目配置拆分。
|
||||
|
||||
Reference in New Issue
Block a user