--- tags: [全栈开发, 大作业, gRPC, Gin, OSS, Eino] create time: 2026-05-09 13:25 --- # 大作业·思维导图 — 双端 gRPC HR 系统 ## 概述 本文档以思维导图和架构图表的形式，梳理全栈大作业的核心知识点与任务拆解。涵盖**技术架构、前后端功能、数据流转、关键考点**四大模块，帮助你快速建立全局认知并定位开发重点。 > [!tip] 如何使用本笔记 > 建议先看「整体知识体系」建立全局观，再逐层深入每个分支的细节图表。遇到流程图时，思考：如果我是请求发起方，每一步数据会经历什么？ ## 整体知识体系 ```mermaid mindmap root((HR招聘系统
全栈大作业)) 技术架构 两层服务 Web网关(Gin) Logic业务(gRPC) 通信协议:gRPC/Protobuf 前端双端 HR管理端 候选人用户端 数据存储 MySQL:结构化数据 私有OSS:简历文件 AI能力 Eino框架 Chat对话组件 上下文持久化 核心功能 HR管理端 JWT登录鉴权 岗位CRUD(本人范围) 投递候选人查看 AI智能对话 自然语言转数据查询 历史记录留存 候选人用户端 游客免登录浏览 注册登录(强校验) 结构化档案编辑 PDF/DOC/DOCX简历上传 签名URL直传OSS 关键考点 gRPC分层调用 禁止同工程直连 只允许跨服务调用 OSS签名URL 不落地缓存 严格格式白名单 Eino基础对接 不能裸写HTTP 数据到上下文到模型到回答 权限隔离 JWT统一签发 角色精准管控 提交要求 源码仓库 final_homework根目录 api/db/README文档齐全 演示视频 全链路实操录制 口述两大核心技术点 禁止剪辑拼接 拓展方案 answer.md设计思路 OpenClaw/Hermes集成 ``` > [!note] 图表阅读提示 > 这是整份作业的"导航图"——所有分支都来自项目要求文档。每个主分支下的二级节点对应一个开发阶段，三级节点是具体实现细节。 ## 一、技术架构详解 ### 1.1 两层微服务架构 > [!question] 为什么不用传统单体架构？ > 如果所有逻辑写在一个 Gin 工程里，代码耦合严重、难以扩展。拆分成 Web + Logic 两层，职责清晰，也贴合真实生产环境的微服务实践。 ```mermaid flowchart LR subgraph Frontend ["前端层"] HR["HR管理端，独立路由页面"] User["候选人用户端，独立路由页面"] end subgraph WebLayer ["Web网关层，Gin服务 web-gin-service"] Route["路由分发"] CORS["全局跨域处理"] Auth["JWT统一鉴权"] Validate["参数合法性校验"] end subgraph LogicLayer ["Logic业务层，gRPC服务 logic-grpc-service"] UserMgmt["用户权限管控"] JobBiz["岗位业务处理"] OSSSign["OSS签名调度"] DataRW["MySQL数据读写"] EinoAI["Eino AI对话封装"] end subgraph Storage ["存储层"] MySQL[(MySQL数据库)] OSS[(私有OSS Bucket)] end HR -->|"HTTP REST"| WebLayer User -->|"HTTP REST"| WebLayer WebLayer -.->|"gRPC远程调用"| LogicLayer LogicLayer --> MySQL LogicLayer --> OSS EinoAI -->|"查询MySQL，推送大模型，返回回答"| LogicLayer style Frontend fill:#e1f5fe style WebLayer fill:#fff3e0 style LogicLayer fill:#e8f5e9 style Storage fill:#fce4ec ``` ### 1.2 请求处理全流程 > [!example] 思考题 > 从候选人点击"投递简历"到文件安全存到 OSS，整个链路经过哪些组件？每个环节做了什么校验？尝试在脑中走一遍流程，这就是考试时需要口述的内容。 ```mermaid sequenceDiagram participant U as U_CandidateFrontend participant W as W_WebService participant L as L_LogicService participant M as M_MySQL participant O as O_OSS U->>W: "POST /api/profile，提交结构化档案" W->>W: JWT校验加参数合法性校验 W->>L: gRPC UpdateProfile request L->>M: UPDATE user_profile SET ... M-->>L: 操作结果 L-->>W: RPC response W-->>U: code 200 msg success Note over W,O: 简历上传流程 U->>W: "POST /api/resume/upload，PDF DOC或DOCX" W->>W: JWT校验加后缀加文件头白名单 W->>L: gRPC GenOssSign key ext L-->>W: UploadURL DownloadURL Expiry W-->>U: 签名URL信息 U->>O: PUT直接上传到OSS，不走服务端 O-->>U: 上传完成，本地零缓存 ``` ### 1.3 AI 对话链路 > [!warning] 底线要求 > 必须使用 Eino 框架，禁止裸写 HTTP 接口直连大模型。Eino 只是轻量级封装，主要做两件事：**拼接业务上下文** 和 **调用大模型**。 ```mermaid flowchart TD A["HR在AI窗口输入自然语言提问"] --> B{后端解析意图} B --> C["提取查询条件，如岗位ID或筛选标签"] C --> D["查询MySQL获取真实数据"] D --> E["拼接标准模板"] E --> F["Prompt = 业务上下文 + 原始问题"] F --> G["Eino Chat推送大模型"] G --> H{大模型返回} H --> I["规范化自然语言回答"] I --> J["存入对话历史表，绑定HR账号ID"] J --> K["返回给前端展示"] style A fill:#e1f5fe style D fill:#fff3e0 style G fill:#e8f5e9 style I fill:#ce93d8 style J fill:#ffcdd2 ``` ## 二、前后端功能矩阵 ### 2.1 HR 管理端 ```mermaid stateDiagram-v2 [*] --> Login: 游客状态 Login --> Dashboard: JWT校验通过 Dashboard --> JobCreate: 新建岗位 Dashboard --> JobEdit: 编辑下架个人岗位 Dashboard --> CandidateList: 查看岗位下候选人 CandidateList --> ProfileView: 查看结构化档案 ProfileView --> ResumeView: 查看OSS简历链接 Dashboard --> AIChat: 打开AI对话窗口 AIChat --> AIQuery: 自然语言提问 AIQuery --> AIResult: 返回统计回答 AIResult --> AIChat: 写入历史 state 权限边界 { Dashboard: 只能操作自己发布的岗位 JobCreate: 发布时关联当前HR ID JobEdit: 校验岗位创建者等于当前用户 } ``` ### 2.2 候选人用户端 ```mermaid stateDiagram-v2 [*] --> BrowseJobs: 游客免登录浏览 BrowseJobs --> Register: 看到投递按钮才需登录 Register --> Login: 完成注册 Login --> ProfileSetup: 首次登录引导完善档案 ProfileSetup --> ResumeUpload: 上传合规简历 ResumeUpload --> ApplyJob: 满足条件才能投递 state 投递校验 { ProfileSetup: 必填 姓名电话学历院校经历技能 ResumeUpload: 仅PDF DOC DOCX三种格式 ApplyJob: 未完善资料或无简历 拦截弹窗 } ApplyJob --> [*]: 投递成功 BrowseJobs --> ApplyJob: 未登录直接投递 跳转登录 ``` ## 三、数据结构概览 ### 3.1 核心实体关系 ```mermaid erDiagram USER ||--o{ JOB : "发布" JOB ||--o{ APPLICATION : "收到" USER ||--o{ PROFILE : "拥有" USER ||--o{ CHAT_RECORD : "发起" PROFILE ||--|| RESUME : "包含" USER { uint64 id "PK" string username "UK" string password_hash string role "hr / candidate" datetime created_at } JOB { uint64 id "PK" uint64 creator_id "FK" string title string description string status "on / off" datetime created_at } APPLICATION { uint64 id "PK" uint64 job_id "FK" uint64 candidate_id "FK" datetime applied_at } PROFILE { uint64 id "PK" uint64 user_id "UK" string name string phone string education string school text experience string skills } CHAT_RECORD { uint64 id "PK" uint64 hr_id "FK" text question text ai_reply datetime created_at } ``` ### 3.2 技术选型清单 | 层级 | 技术 | 用途 | |------|------|------| | 前端 × 2 | 任意（Vue/React均可） | HR管理端 + 候选人用户端 | | Web 服务 | Go + Gin | HTTP 网关：路由、鉴权、校验 | | 通信协议 | Protocol Buffers + gRPC | Web ↔ Logic 唯一通信方式 | | Logic 服务 | Go + gRPC server | 业务逻辑：权限、岗位、OSS、AI、MySQL | | 数据库 | MySQL | 用户、岗位、投递、档案、对话历史 | | 对象存储 | 私有 OSS Bucket | 简历文件签名 URL 直传 | | AI 框架 | Eino（基础 Chat） | 自然语言问答 + 上下文持久化 | | 认证 | JWT | 双角色统一令牌签发与校验 | ## 四、关键考点速查 > [!danger] 验收红线（必考） > 以下条目是评分的关键依据，遗漏任何一项可能导致扣分： 1. **gRPC 分层**：Web 与 Logic 之间必须是 `gRPC` 远程调用，同工程函数直连 = 不符合架构要求 2. **OSS 签名 URL**：文件不落地本地，客户端直传 OSS；严格后缀 + 文件头校验 3. **Eino 框架调用**：不可裸写 HTTP 请求连接大模型，必须通过 Eino 封装 4. **权限隔离**：JWT 统一签发，HR 只能管理自己发布的岗位，候选人未完善资料不可投递 5. **AI 对话持久化**：每条问答对入 MySQL，刷新页面自动加载历史上下文 ## 五、提交 Checklist > [!example] 自查清单 > 在提交前逐项勾选，确保没有遗漏： - [ ] 源码位于 `final_homework/` 目录下 - [ ] 四个子目录完整：`hr-frontend`、`user-frontend`、`web-gin-service`、`logic-grpc-service` - [ ] `api.md` — 接口说明文档 - [ ] `db.md` — 数据库设计文档 - [ ] `README.md` — 启动部署指南 + 项目亮点 - [ ] 演示视频：原生实操 + 口述两大核心技术点 - [ ] 视频命名：`姓名_学号_全栈大作业.mp4` - [ ] `answer.md` — 拓展设计方案（OpenClaw/Hermes 集成思路） - [ ] `.env` / config 文件中 key 等敏感信息已忽略提交 ## 关联笔记 - [[大作业项目要求]] — 作业完整需求文档