Spring AI项目- Jane_智能对话与简历分析系统

前言

大家好，这是我个人自主研发的项目，后端代码已经开源。开发这个项目的初衷是源于一个偶然的想法，同时希望通过实践来提升自己的开发和设计能力。在项目后端开发过程中，可能存在一些不足之处，希望大家慷慨的指点斧正，欢迎大家交流！
还有就是，本项目体验大家放心使用，不会泄露个人隐私，后端服务器也不会存储大家的隐私数据，会自动删除

有关文章

在实际开发过程中也碰到到过一些问题，比如说Spring AI并没有提供相关 Redis存储会话记忆的实现，以下就是我本人发布的文章，完全运用到了项目中，欢迎阅览！

Spring AI+Redis会话记忆持久化存储实现

项目技术栈

🔧 框架：Spring Boot 3.5.3 + Spring AI 1.0.0
💾 数据库：PostgreSQL + MyBatis Plus
🚀 缓存：Redis + Caffeine 多级缓存
🔍 向量数据库：Pinecone
🔐 安全：JWT + BCrypt + 分布式锁
📊 监控：Log4j2 + Spring Boot Actuator
🛠️ 工具：Hutool、Lombok、FastJSON

项目介绍

• 🔗 项目代码地址 ： https://gitee.com/Ee111wang210210/jane
• 🔗 项目前端体验： 项目前端地址: http://115.190.14.86/
• 📚 详细文档 ：项目包含完整的部署指南和API文档

点击前端登录

点击游客登陆

点开侧边栏当前会话上面的使用教程

项目亮点

🔒 安全与认证

• 用 BCrypt 实现了密码加密存储 ：使用 BCryptPasswordEncoder 进行不可逆哈希加密，自动加盐防止彩虹表攻击
• 用 JWT 实现了无状态认证 ：基于HS256算法生成token，支持用户身份验证和权限控制
• 用 Redis 实现了token状态管理 ：将用户登录状态存储在Redis中，支持主动失效控制

🚀 高并发与性能优化

• 用 Semaphore 实现了请求限流 ：基于信号量机制，默认支持200并发请求，防止系统过载
• 用 Caffeine 实现了本地缓存 ：缓存ReentrantLock对象，最大200个条目，48小时过期，提升锁获取性能
• 用自定义线程池实现了异步处理 ：核心线程数为CPU核心数+1，最大线程数为CPU核心数/0.2，队列容量300
• 用 Redisson 实现了分布式锁 ：基于Redis的分布式锁机制，支持集群环境下的并发控制

🛡️ 防刷与幂等控制

• 用 AOP+Redis 实现了幂等组件 ：通过 @RepateExecuteLimit 注解，防止5秒内重复提交相同请求
• 用 布隆过滤器 实现了防刷机制 ：基于Redisson的RBloomFilter，预期插入1000条数据，误判率0.01%
• 用本地锁+分布式锁实现了双重保障 ：Caffeine本地锁+Redisson分布式锁，确保高并发下的数据一致性

🤖 AI集成与智能化

• 用 Spring AI 实现了多模型集成 ：支持DeepSeek、阿里云通义千问、OpenAI等多种AI模型
• 用 Pinecone 实现了向量数据库 ：1024维向量嵌入，支持RAG检索增强生成功能加粗样式
• 用Redis实现了对话记忆 存储对话历史，支持多轮对话上下文维护，最大保留30条记录
• 用 Advisor 模式实现了AI增强 ：通过RequestResponseAdvisor接口扩展AI功能

📊 数据存储与缓存

• 用 PostgreSQL 实现了关系数据存储 ：主数据库存储用户信息、对话记录等结构化数据
• 用 Redis 实现了分布式缓存 ：Lettuce连接池配置，支持高并发访问
• 用 MyBatis Plus 实现了ORM映射 ：简化数据库操作，提供Lambda查询支持

🌐 网络与通信

• 用 Filter 实现了请求拦截 ：统一处理CORS、认证、限流等横切关注点
• 用 策略模式 实现了请求验证 ：不同路径采用不同的验证策略，支持灵活扩展
• 用 ThreadLocal 实现了上下文传递 ：在请求处理过程中传递用户信息等上下文数据

📁 文件处理

• 用 Apache PDFBox 实现了PDF解析 ：支持PDF简历文件上传、内容提取和AI分析
• 用向量化技术实现了文档检索 ：将 PDF内容向量化存储，支持语义搜索

🔧 系统监控与日志

• 用 Log4j2 实现了日志管理 ：支持按日期滚动、压缩，便于问题排查
• 用 自定义异常处理 实现了统一错误响应 ：BaseCode枚举定义错误码，统一异常处理机制

核心功能特性

🤖 多模型智能对话

• 多AI模型支持 ：集成 DeepSeek、阿里云通义千问、OpenAI 等主流AI模型
• 流式响应 ：实时返回AI回复，提升用户体验
• 对话记忆 ：基于Redis的智能对话历史管理
• 上下文维护 ：支持多轮对话，智能理解对话上下文

📄 AI驱动的简历分析系统

• 智能PDF解析 ：使用Apache PDFBox精确提取简历内容
• AI评分系统 ：基于AI模型对简历进行智能评分和分析
• 实时排行榜 ：动态展示简历评分排名
• 向量化存储 ：将简历内容转换为1024维向量，支持语义检索

🔍 RAG检索增强生成

• Pinecone向量数据库 ：高性能向量存储和检索
• 语义搜索 ：基于向量相似度的智能文档检索
• 增强回答 ：结合检索到的相关信息生成更准确的回答
• 文档分块优化 ：智能文档切分，提升检索精度

👤 企业级用户管理

• JWT认证 ：安全的令牌认证机制
• BCrypt加密 ：密码安全存储
• 权限控制 ：细粒度的用户权限管理
• 布隆过滤器 ：防止恶意注册和登录攻击

感谢收看
– 2025/7/26