# Jane

**Repository Path**: curitis/jane

## Basic Information

- **Project Name**: Jane
- **Description**: # Jane AI - 智能对话与简历分析系统
- **Primary Language**: Java
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 4
- **Created**: 2025-08-26
- **Last Updated**: 2025-08-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Jane AI - 智能对话与简历分析系统

## 项目简介

Jane AI 是一个基于 Spring Boot 3.5.3 和 Spring AI 1.0.0 构建的智能对话系统，集成了多种AI模型（DeepSeek、OpenAI、阿里云通义千问）和向量数据库（Pinecone），提供智能对话、RAG（检索增强生成）、PDF简历分析和排名等功能。
## 联系方式 如有问题或建议，请通过以下方式联系：- wx: yxxwhy111111111

### 前端文件在我主页的另一个仓库中 https://gitee.com/Ee111wang210210/jane_-ai
## 核心功能

### 🤖 智能对话
- 支持多种AI模型：DeepSeek、OpenAI、阿里云通义千问
- 基于Redis的对话历史记忆功能
- 流式响应，实时返回AI回复
- 支持RAG（检索增强生成）功能

### 📄 PDF简历分析
- 上传PDF简历文件
- AI智能分析简历内容并评分
- 简历排行榜功能
- 支持简历内容向量化存储

### 👤 用户管理
- 用户注册/登录
- JWT令牌认证
- 密码加密存储（BCrypt）
- 用户权限控制

### 🔒 高并发保障
- Redis分布式锁防止重复操作
- 请求幂等性控制
- Caffeine本地缓存优化
- 布隆过滤器防刷

## 技术架构

### 后端技术栈
- **框架**: Spring Boot 3.5.3
- **AI集成**: Spring AI 1.0.0
- **数据库**: PostgreSQL + MyBatis Plus
- **缓存**: Redis + Caffeine
- **向量数据库**: Pinecone
- **认证**: JWT
- **日志**: Log4j2
- **工具**: Hutool、Lombok、FastJSON

### AI模型支持
- **DeepSeek**: deepseek-chat
- **阿里云通义千问**: qwen-turbo
- **OpenAI**: 兼容模式
- **向量嵌入**: text-embedding-v3 (1024维)

## 环境要求

- Java 17+
- Maven 3.6+
- PostgreSQL 12+
- Redis 6.0+
- 网络访问（用于AI模型API调用）

## 快速开始

### 1. 环境准备

#### 数据库配置
1. 安装PostgreSQL并创建数据库：
```sql
CREATE DATABASE Jane_ai;
```

2. 执行SQL脚本：
```bash
psql -U your_username -d Jane_ai -f sql/Jane_ai.sql
```

#### Redis配置
确保Redis服务正常运行，默认配置：
- 主机:
- 端口: 6379
- 数据库: 0

### 2. 配置文件

修改 `src/main/resources/application.yml` 中的配置：

```yaml
# 数据库配置
spring:
  datasource:
    url: jdbc:postgresql://your_host:5432/Jane_ai?currentSchema=jane_ai
    username: your_username
    password: your_password

  # Redis配置
  data:
    redis:
      host: your_redis_host
      port: 6379
      password: your_redis_password

  # AI模型配置
  ai:
    deepseek:
      api-key: your_deepseek_api_key
    openai:
      api-key: your_openai_api_key
    vectorstore:
      pinecone:
        api-key: your_pinecone_api_key
        index-name: jane
        project-id: your_project_id
        environment: your_environment
```

### 3. 启动应用

```bash
# 编译项目
mvn clean compile

# 启动应用
mvn spring-boot:run
```

应用将在 `http://localhost:8081` 启动

## API使用指南

### 用户认证

#### 用户注册
```http
POST /jane/register
Content-Type: application/json

{
  "username": "your_username",
  "password": "your_password"
}
```

#### 用户登录
```http
POST /jane/login
Content-Type: application/json

{
  "username": "your_username",
  "password": "your_password"
}
```

返回JWT令牌，后续请求需要在Header中携带：
```http
Authorization: Bearer your_jwt_token
```

### 智能对话

#### 基础对话
```http
GET /api/chat?prompt=你好，请介绍一下自己
```

#### RAG增强对话（推荐）
```http
POST /jane/chat?prompt=根据我的简历，给出求职建议&chatId=unique_chat_id
Authorization: Bearer your_jwt_token
```

参数说明：
- `prompt`: 用户输入的问题
- `chatId`: 唯一会话ID，用于维护对话上下文

### PDF简历分析

#### 上传简历
```http
POST /jane/pdf/upload
Content-Type: multipart/form-data
Authorization: Bearer your_jwt_token
userId: your_user_id
chatId: your_chat_id

file: [PDF文件]
```

#### 查看简历排行榜
```http
GET /jane/pdf/ranking
```

### 对话历史

#### 获取对话历史
```http
GET /jane/chat/history?chatId=your_chat_id
Authorization: Bearer your_jwt_token
```

## 核心特性详解

### RAG（检索增强生成）

系统集成了Pinecone向量数据库，支持：
1. **文档向量化**: 将PDF简历内容转换为1024维向量
2. **语义检索**: 根据用户问题检索相关文档片段
3. **增强回答**: 结合检索到的信息生成更准确的回答

### 对话记忆功能

- 基于Redis存储对话历史
- 支持多轮对话上下文维护
- 自动生成对话标题
- 支持对话历史查询

### 安全与性能

#### 防刷机制
- **幂等控制**: 防止重复提交（5秒内相同请求）
- **布隆过滤器**: 防止恶意注册/登录
- **分布式锁**: 防止并发冲突
- **限流控制**: PDF上传5分钟内只能操作一次

#### 缓存优化
- **Caffeine本地缓存**: 热点数据缓存
- **Redis分布式缓存**: 跨节点数据共享
- **多级缓存**: 提升响应速度

## 监控与日志

### 日志配置
- 使用Log4j2进行日志管理
- 日志文件位置: `logs/`
- 支持按日期滚动和压缩

### 应用监控
- 支持Spring Boot Actuator
- 可集成Prometheus + Grafana
- 提供健康检查端点

### 生产环境配置

1. **数据库连接池优化**
2. **Redis集群配置**
3. **AI API密钥安全管理**
4. **负载均衡配置**
5. **SSL证书配置**

## 常见问题

### Q: AI模型响应慢怎么办？
A:
1. 检查网络连接
2. 确认API密钥有效
3. 考虑使用本地模型（如Ollama）
4. 启用缓存机制

### Q: PDF上传失败？
A:
1. 检查文件大小限制
2. 确认PDF格式正确
3. 查看服务器日志
4. 验证用户权限

### Q: 对话历史丢失？
A:
1. 检查Redis连接
2. 确认chatId唯一性
3. 验证JWT令牌有效性

### Q: 向量检索不准确？
A:
1. 检查Pinecone配置
2. 确认文档已正确向量化
3. 调整检索参数
4. 优化文档分块策略

## 开发指南

### 项目结构
```
src/main/java/com/common/jane_ai/
├── controller/          # 控制器层
├── service/            # 业务逻辑层
├── mapper/             # 数据访问层
├── config/             # 配置类
├── common/             # 通用工具
├── advisor/            # AI增强器
├── filter/             # 过滤器
└── exception/          # 异常处理
```

### 扩展开发

1. **添加新的AI模型**：在config包中添加新的ChatClient配置
2. **自定义Advisor**：实现RequestResponseAdvisor接口
3. **扩展缓存策略**：在caffine包中添加新的缓存配置
4. **添加新的业务功能**：遵循MVC架构模式


## 许可证

本项目采用Apache-2.0许可证，详见LICENSE文件。

**Jane AI - 让AI更智能，让对话更有价值！** 🚀