216 lines
9.5 KiB
Markdown
216 lines
9.5 KiB
Markdown
# JobRadar · 职途雷达
|
||
|
||
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
|
||
|
||
- 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
|
||
|
||
| 分类 | 选型 | 当前状态 |
|
||
| --- | --- | --- |
|
||
| 开发语言 | Python 3.13 | 已配置 |
|
||
| Web 框架 | Django 6.0.8 | 已配置 |
|
||
| 当前数据库 | SQLite | 已配置，仅用于开发起步 |
|
||
| 目标数据库 | PostgreSQL | 规划中 |
|
||
| 页面采集 | Playwright | 环境已安装，尚未接入 |
|
||
| 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 |
|
||
| 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 |
|
||
|
||
第一阶段优先采用 Django Admin 管理站点、规则、企业和任务数据，再为岗位浏览与决策流程开发自定义页面。出现明确的前后端分离需求后，再评估是否增加 Django REST Framework 和 Vue。
|
||
|
||
## 当前目录
|
||
|
||
```text
|
||
JobRadar/
|
||
├── JobRadar/ Django 项目配置
|
||
│ ├── asgi.py
|
||
│ ├── settings.py
|
||
│ ├── urls.py
|
||
│ └── wsgi.py
|
||
├── docs/ 架构与实施文档
|
||
├── templates/ 全局 Django 模板
|
||
├── environment.yml Conda 环境定义
|
||
├── manage.py Django 管理入口
|
||
└── README.md
|
||
```
|
||
|
||
业务模块将随迭代逐步增加，暂定拆分为：
|
||
|
||
```text
|
||
accounts/ 用户认证、个人配置与数据归属
|
||
jobs/ 岗位、岗位来源及状态跟踪
|
||
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
|
||
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)，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)。
|
||
|
||
## AI开发方式
|
||
|
||
JobRadar采用“阶段目标驱动、AI直接实现”的开发方式：
|
||
|
||
1. 用户确认当前阶段目标、业务边界和验收重点。
|
||
2. AI先检查仓库现状，给出修改方案和涉及文件。
|
||
3. AI直接生成或修改代码、迁移、配置、测试与必要文档。
|
||
4. AI执行静态检查、自动化测试和安全检查，并如实报告未覆盖项。
|
||
5. 用户根据可运行结果和页面效果进行业务验收。
|
||
6. 当前阶段稳定后，再进入下一阶段或扩展更多工具。
|
||
|
||
实现应保持增量、小步、可验证。不会为了展示一次性生成所有未来模块，也不会将尚未运行验证的规划描述为已完成功能。详细约定参见 [AI开发约定](docs/development-guide.md)。
|
||
|
||
## 本地运行
|
||
|
||
### 1. 创建或更新 Conda 环境
|
||
|
||
如果本机还没有 `JobRadar` 环境：
|
||
|
||
```powershell
|
||
conda env create -f environment.yml
|
||
```
|
||
|
||
如果环境已经存在：
|
||
|
||
```powershell
|
||
conda env update -n JobRadar -f environment.yml --prune
|
||
```
|
||
|
||
激活环境：
|
||
|
||
```powershell
|
||
conda activate JobRadar
|
||
```
|
||
|
||
### 2. 检查数据库迁移
|
||
|
||
当前默认使用项目目录中的 SQLite 数据库：
|
||
|
||
```powershell
|
||
python manage.py migrate
|
||
```
|
||
|
||
### 3. 创建本地管理员
|
||
|
||
```powershell
|
||
python manage.py createsuperuser
|
||
```
|
||
|
||
### 4. 启动开发服务
|
||
|
||
```powershell
|
||
python manage.py runserver
|
||
```
|
||
|
||
访问地址：
|
||
|
||
- 管理后台：<http://127.0.0.1:8000/admin/>
|
||
|
||
### 5. 安装 Playwright 浏览器
|
||
|
||
首次开发采集模块时执行：
|
||
|
||
```powershell
|
||
python -m playwright install chromium
|
||
```
|
||
|
||
浏览器文件不应提交到仓库。
|
||
|
||
## 配置原则
|
||
|
||
- 本地开发密钥、数据库密码、招聘网站 Cookie 和模型 API Key 不得提交到 Git。
|
||
- 当前 `settings.py` 仍是 Django 生成的开发配置，不可直接用于生产环境。
|
||
- 接入 PostgreSQL 前，应先增加本地配置文件或环境隔离方案，并提供不含真实密钥的示例配置。
|
||
- 采集器必须设置并发、频率、超时和指数退避，不能绕过验证码、登录保护或访问控制。
|
||
- 企业性质及 AI 判断必须保存来源、判断时间和置信度；信息不足时应标记为待人工复核。
|
||
|
||
## 用户系统
|
||
|
||
系统面向公网部署，因此第一阶段即接入用户认证，但不设计复杂的角色权限体系：
|
||
|
||
- 使用 Django 内置用户、密码哈希、Session 和登录保护能力。
|
||
- 普通用户登录后只能访问自己的搜索任务、筛选配置、岗位状态和个人画像。
|
||
- 管理员使用 Django Admin 维护站点适配器、系统任务和异常数据。
|
||
- 第一阶段只区分普通用户与管理员，不增加角色表、权限组、组织机构或审批流。
|
||
- 业务数据必须记录所属用户，查询和任务执行时统一校验数据归属。
|
||
- 默认关闭公开注册，由管理员创建账号；确需开放注册时再增加邮箱验证、验证码和频率限制。
|
||
|
||
## 公网部署要求
|
||
|
||
- Django 由生产级 WSGI/ASGI 服务运行，不能使用 `manage.py runserver` 对外提供服务。
|
||
- 使用 Nginx 或 Caddy 作为反向代理，并强制启用 HTTPS。
|
||
- 正确配置 `ALLOWED_HOSTS`、可信 CSRF 来源、安全 Cookie 和代理转发头。
|
||
- PostgreSQL 和 Redis 仅在容器私有网络中开放，不映射到公网。
|
||
- 登录、注册、密码重置和耗时接口应设置频率限制与异常审计。
|
||
- 密钥、数据库密码、网站 Cookie 和模型 API Key通过部署平台密钥或受保护的环境配置注入。
|
||
- 定期备份数据库，并验证备份恢复流程。
|
||
|
||
## 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。
|
||
- 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
|
||
python manage.py check
|
||
python manage.py test
|
||
```
|
||
|
||
涉及数据模型变更时，还应检查是否遗漏迁移文件：
|
||
|
||
```powershell
|
||
python manage.py makemigrations --check --dry-run
|
||
```
|
||
|
||
## 合规说明
|
||
|
||
JobRadar 仅用于个人岗位信息整理与求职辅助。使用前应确认目标网站的服务条款、数据授权范围和访问频率限制。项目不以绕过验证码、风控、登录限制或其他技术保护措施为目标，也不应自动投递简历或自动联系招聘人员。
|
||
|
||
## 项目状态
|
||
|
||
当前版本：`0.1.0-dev`
|
||
|
||
当前阶段：架构与Agent契约已经确定，下一步由AI直接实现阶段一工程基线。
|