← → 翻页 · ESC 索引
KirinGo Defense · Graduation Project
Vol.01
麒麟智聘

KirinGo

基于 AI 与无服务器架构的智能招聘平台设计与实现

面向求职者与招聘者双端，将简历优化、职位匹配、模拟面试与即时沟通串成一条 AI 原生招聘流程。

Vue3/Supabase/PostgreSQL + pgvector/LLM API
毕业设计答辩
邱天麟 0120231116 / 指导教师 · 李彬
Navigator · Content Map
02 / 15
今天讲什么

目录

从行业问题出发，落到系统设计、AI 能力、测试验证与后续迭代。

01
研究背景与意义
Context
02
国内外现状与技术栈
State
03
系统需求、架构与模块设计
Design
04
数据库、核心实现与 AI 能力
Build
05
系统测试、结果、总结与展望
Verify
答辩结构
KirinGo · 2026
Context · Problem Space
03 / 15
为什么要做

招聘链路里的效率缺口

传统线上招聘已经完成“信息上网”，但还没有充分解决“理解匹配”和“流程协作”的问题。

Pain 01
信息差
求职者难以判断岗位适配度，HR 面对海量简历筛选成本高。
Pain 02
关键词
传统匹配依赖关键词，难以识别同义表达、项目能力与岗位语义。
Pain 03
准备弱
简历撰写、面试准备、职场沟通缺少连续的辅助工具。
Pain 04
成本高
中小企业难以承担大型招聘平台的高额服务与运维成本。
研究意义 · AI 原生招聘流程
Background
State · Industry Review
04 / 15
已有平台做到哪一步

国内外现状

International Platforms

LinkedIn、Indeed 等平台较早引入 AI 简历筛选、职位推荐与候选人匹配，但产品更多面向企业级订阅服务，成本较高，本土化适配不足。

AI Recruitment · Global
Domestic Platforms

智联招聘、前程无忧、BOSS 直聘等也逐步提供 AI 简历优化、AI 面试、智能推荐，但功能常作为增值服务，轻量化与开源化方案仍不充分。

AI Recruitment · China
机会
面向中小企业和个人用户，构建低成本、可扩展、AI 能力深度整合的招聘系统。
KirinGo
国内外现状
Research Status
Technology · Stack
05 / 15
技术选型

核心技术栈

前端强调组件化与类型安全，后端采用 BaaS 与 Edge Functions，把数据库、认证、存储、实时通讯和 AI 调用统一收束。

Vue3 + TypeScript
Composition API、Vue Router、Pinia、动态导入，支撑复杂页面与状态管理。
Supabase + PostgreSQL
Auth、Database、Storage、Realtime、RLS，形成无服务器后端基础。
GPT-4 + pgvector
大语言模型完成理解与生成，1536 维 Embedding 完成语义匹配。
Vite · Tailwind CSS · Lucide · SSE
Tech Stack
Requirement · Analysis
06 / 15
双角色 + AI 中台 + 公共基础能力

系统需求分析

求职者端
简历管理、职位搜索、AI 匹配、模拟面试、投递跟踪、即时通讯、个人资料。
招聘者端
企业资料、职位管理、AI 职位解析、牛人搜索、申请处理、HR 沟通辅助。
AI 能力矩阵
简历解析、简历优化、职位解析、语义匹配、模拟面试、聊天回复建议。
非功能需求
首屏 3 秒内、页面切换 500ms 内、RLS 权限隔离、响应式与可维护性。
需求分析
Functional & Non-functional
Architecture · Serverless
07 / 15
四层架构

系统总体设计

架构以“前端表现层、业务逻辑层、数据服务层、基础设施层”分层，核心后端能力由 Supabase 与 Edge Functions 承担。

前端
页面组件、路由管理、状态管理、公共组件
Vue3
业务
前端业务逻辑 + Supabase Edge Functions
Deno
数据
数据库、身份认证、对象存储、实时推送
BaaS
基础
Vercel、Supabase 云服务、大模型 API
Cloud
KirinGo 系统架构图
Architecture Diagram · Serverless Full Stack
系统总体设计
Architecture
Module · Function Design
08 / 15
功能如何组织

功能模块设计

Jobseeker
简历管理、AI 优化、职位浏览、语义匹配、模拟面试、投递记录、即时通讯。 求职者端
Recruiter
企业信息、职位发布、AI 解析、候选人搜索、申请管理、HR 辅助沟通。 招聘者端
Platform
身份认证、权限控制、主题管理、路由守卫、实时同步、文件存储。 公共模块
User Journey
01
创建简历
结构化编辑或上传 PDF 解析。
02
职位匹配
向量搜索筛出高适配岗位。
03
AI 分析
生成优势、不足与投递建议。
04
投递沟通
申请记录与聊天会话联动。
05
面试准备
模拟面试与评估报告闭环。
功能模块设计
Dual Role Workflow
Database · PostgreSQL + pgvector
09 / 15
8 张核心表 + 向量函数

数据库设计

PostgreSQL 负责结构化业务数据，pgvector 负责简历与职位的语义向量检索，RLS 从数据库层面保障访问边界。

User
profiles
用户资料与角色
Company
companies
企业信息
Job
jobs
职位与 embedding
Resume
resumes
结构化简历
Apply
applications
投递与状态
Chat
messages
消息明细
match_jobs 向量搜索函数
match_jobs() · 1536 维向量相似度检索
数据库设计
RLS · Storage · Realtime
Implementation · Core Features
10 / 15
从页面到数据服务

核心功能实现

KirinGo 项目结构
项目结构 · 页面、状态、路由、数据抽象分层
实时通讯封装
Realtime · 会话消息实时订阅与销毁
LLM SSE 流式响应
SSE Stream · AI 面试逐字输出
Core Flow
01
路由守卫
按登录状态与角色控制页面访问。
02
Pinia Store
集中管理认证、主题、职位与聊天状态。
03
Edge Function
封装 AI 调用与敏感逻辑。
04
RLS 数据层
从数据库层约束用户可访问范围。
05
Realtime
推送聊天与申请状态变化。
核心功能实现
Frontend · Edge · Database
AI · Capability Matrix
11 / 15
AI 不是外挂功能，而是流程引擎

AI 核心能力

KirinGo 将大语言模型、Embedding 与向量检索组合，覆盖“解析、优化、匹配、对话、评估”五类智能动作。

AI 01
简历解析
PDF 提取为结构化 JSON。
AI 02
简历优化
四维评分与一键采纳建议。
AI 03
职位解析
职责、要求、技能标签抽取。
AI 04
语义匹配
1536 维向量 + 余弦相似度。
AI 05
模拟面试
SSE 流式追问与评估报告。
AI 06
聊天助手
基于上下文生成专业回复。
AI 核心能力
LLM · Embedding · pgvector
Testing · Coverage
12 / 15
怎么验证系统可用

系统测试

环境
Windows 11 / macOS Sonoma，Chrome、Firefox、Edge、Safari，iOS 与 Android 移动端。
Env
工具
Postman 接口测试、Chrome DevTools 性能分析、Jest 单元测试。
Tool
后端
Supabase Cloud、PostgreSQL 16、pgvector 0.7.2、Vercel 生产部署。
Cloud
Functional
认证
注册、登录、重置密码、路由拦截。
Functional
业务
简历、职位、投递、聊天、牛人搜索。
AI
智能
解析、优化、匹配、面试、回复建议。
Non-functional
安全
JWT、RLS、私有存储桶与密钥隔离。
系统测试
Functional · Performance · Security
Testing · Result
13 / 15
测试结论

测试结果

核心功能测试全部通过；性能、安全、兼容性测试均满足论文中的非功能性需求。

First Paint
2.1s
首屏加载小于 3s。
Route Switch
200ms
页面切换平均响应。
Job Query
150ms
职位列表查询平均响应。
AI Optimize
5.8s
简历优化小于 10s。
SSE First Token
450ms
模拟面试首包小于 1s。
Lighthouse
92
性能评分，易用性 98，SEO 100。
测试结果
All Core Cases Passed
Conclusion · Future Work
14 / 15
做成了什么

总结与展望

KirinGo 完成了从需求分析、架构设计、数据库建模、AI 能力集成到部署测试的完整工程闭环。

成果
实现求职者端、招聘者端、AI 能力矩阵与公共模块，形成完整招聘业务流程。
01
架构
采用 Vue3 + Supabase 的无服务器架构，降低开发、部署与运维成本。
02
AI
融合 LLM、Embedding、pgvector，提升职位匹配、简历优化和面试准备效率。
03
展望
后续可扩展多模态面试、企业团队协作、小程序与移动端、SSR 缓存、商业化套餐。
04
总结与展望
Conclusion
Thanks · Q&A
15 / 15
致谢

感谢聆听

感谢指导老师、开源社区、同学朋友与家人的支持。欢迎各位老师批评指正。

KirinGoAI RecruitmentQ&A
致谢 + Q&A
Thank You