Archived

This repository has been archived on 2026-05-24. You can view files and clone it. You cannot open issues or pull requests or push a commit.

Files

T

wonder 39f58d8dc5 vault backup: 2026-05-09 13:26:15

2026-05-09 13:26:15 +08:00

10 KiB

Raw Blame History

tags, create time

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

mindmap
  root((HR招聘系统<br/>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。

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。

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。

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

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

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

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：

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
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
Eino 框架调用：不可裸写 HTTP 请求连接大模型，必须通过 Eino 封装
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
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

10 KiB Raw Blame History Unescape Escape