CodeToWork — AI-powered all-in-one career platform AI 驱动的一站式智能求职平台

已上线！It's live！https://codetowork.voran.io/

Career Assessment | Job Recommendation | Career Planning | Mock Interview | Coding Practice | Resume Analysis 职业测评 | 岗位推荐 | 生涯规划 | 模拟面试 | 刷题练习 | 简历分析

项目简介

CodeToWork 是一个 AI 驱动的一站式求职平台，核心理念是 "从匹配到发现" —— 不仅帮助用户匹配已知的职业方向，更通过 AI 发现你从未想过但非常适合的职业可能。

面向所有求职者：应届生、转码人士、职业转型者，无论你的背景如何，CodeToWork 都能为你提供个性化的求职支持。

核心功能

1. AI 职业测评

对话式智能测评，AI 通过 10-15 轮自然对话全面分析你的性格、能力、兴趣和价值观，生成包含 MBTI、核心能力雷达图等多维度的人才画像。

2. 智能岗位推荐

向量相似度初筛 + AI 深度评分双引擎匹配，不仅推荐高匹配岗位，还支持 "突破认知推荐" —— 发现你可能忽略但非常适合的方向。

3. 生涯规划

结合人才画像和匹配结果，AI 为你生成短期/中期/长期职业目标、技能提升路径和简历优化建议。

4. AI 模拟面试

针对目标岗位的 AI 面试官，支持 SSE 流式实时对话和语音输入，面试结束后生成详细评估报告和过程点评。支持粘贴心仪岗位 JD 进行针对性面试。

5. 刷题练习

知识点驱动的 AI 出题/判题系统，覆盖数据结构、算法、操作系统、计算机网络等领域共 31+ 知识点，内置掌握度追踪和薄弱点分析，答错自动举一反三。

6. 简历分析

上传 PDF / DOCX / TXT 格式简历，AI 生成结构化分析报告，指出优劣势和改进建议。

更多特性

• 成就系统 — 20+ 成就徽章，含隐藏成就，激励持续学习
• 中英双语 — 全站 i18n 支持，AI 生成内容跟随语言设置
• 明暗切换 — 暗色亮色主题支持手动切换
• 使用统计 — 调用次数、Token 消耗、按功能分类统计

技术架构

后端

技术	用途
Python 3.12 + FastAPI	Web 框架，异步高性能
SQLAlchemy 2.0 (async) + aiomysql	异步 ORM + MySQL 驱动
Alembic	数据库版本迁移
OpenAI SDK	兼容任意 OpenAI compatible API
JWT + Refresh Token	双令牌认证体系
Fernet 对称加密	用户 API Key 加密存储
Redis	速率限制持久化、验证码存储
NumPy	向量相似度计算

前端

技术	用途
React 19 + Vite 7	构建框架
Ant Design 6 + TailwindCSS 4	UI 组件 + 原子化样式
Zustand	轻量状态管理
ECharts	雷达图等数据可视化
Motion	页面过渡动画
Web Speech API + Whisper	语音输入（浏览器原生 + API 回退）

部署

组件	说明
AWS EC2	云服务器
Nginx	反向代理 + 静态文件
Let's Encrypt	HTTPS 证书自动续期
Systemd	后端进程管理

项目结构

CodeToWork/
├── backend/
│   ├── alembic/                 # 数据库迁移
│   │   └── versions/            #   12 个迁移版本
│   ├── app/
│   │   ├── api/                 # API 路由（12 个模块）
│   │   │   ├── auth.py          #   注册 / 登录 / 刷新令牌 / 重置密码
│   │   │   ├── assessment.py    #   职业测评
│   │   │   ├── matching.py      #   岗位推荐
│   │   │   ├── interview.py     #   模拟面试（SSE 流式）
│   │   │   ├── career.py        #   生涯规划
│   │   │   ├── resume.py        #   简历上传 / 分析
│   │   │   ├── quiz.py          #   刷题出题 / 判题
│   │   │   ├── speech.py        #   语音识别
│   │   │   ├── model_config.py  #   模型配置 / 能力检测
│   │   │   ├── achievement.py   #   成就系统
│   │   │   ├── usage.py         #   使用统计
│   │   │   └── billing.py       #   账户积分
│   │   ├── models/              # ORM 模型（16 张表）
│   │   ├── schemas/             # Pydantic 请求/响应模型
│   │   ├── services/            # 业务逻辑层（17 个服务）
│   │   ├── prompts/             # AI Prompt 模板
│   │   ├── middleware/          # 中间件（速率限制、安全响应头）
│   │   ├── utils/               # 工具（加解密、翻译）
│   │   ├── config.py            # 配置管理
│   │   ├── database.py          # 数据库连接
│   │   └── main.py              # FastAPI 入口
│   ├── requirements.txt
│   └── .env.example             # 环境变量模板
├── frontend/
│   ├── src/
│   │   ├── api/                 # Axios 请求封装（含自动刷新 Token）
│   │   ├── components/          # 通用组件（30+）
│   │   ├── pages/               # 页面组件（13 个页面）
│   │   ├── hooks/               # 自定义 Hooks
│   │   ├── store/               # Zustand 状态管理（5 个 Store）
│   │   ├── i18n/                # 国际化（中 / 英）
│   │   ├── App.jsx              # 路由定义
│   │   └── main.jsx             # 入口
│   ├── package.json
│   └── vite.config.js
└── README.md

环境要求

• Python 3.12+
• Node.js 18+
• MySQL 8.0+
• Redis（可选，用于持久化速率限制）
• API Key — 任何 OpenAI 兼容协议的 provider（Google AI Studio、OpenRouter 等）

本地启动

1. 数据库准备

CREATE DATABASE ai_recruit CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

2. 后端启动

cd backend

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑 .env，填入数据库连接串、API Key 等（见下方环境变量说明）

# 生成 ENCRYPTION_KEY（用于加密用户 API Key）
python -c "from cryptography.fernet import Fernet; print(Fernet.generate_key().decode())"
# 将输出的 key 填入 .env 的 ENCRYPTION_KEY

# 数据库迁移
alembic upgrade head

# 导入岗位种子数据（仅首次）
python seed_jobs.py

# 启动
uvicorn app.main:app --host 0.0.0.0 --port 8000

3. 前端启动

cd frontend

npm install
npm run dev

访问 http://localhost:5173 即可使用。

Vite 已配置 proxy，/api 请求自动转发到后端 http://localhost:8000。

环境变量说明

变量	说明	必填
DATABASE_URL	MySQL 异步连接串，如 mysql+aiomysql://root:password@localhost:3306/ai_recruit	是
JWT_SECRET_KEY	JWT 签名密钥，生产环境务必使用强随机值	是
ENCRYPTION_KEY	用户 API Key 加密密钥（Fernet），生成方式见上方	是
GEMINI_API_KEY	默认模型 API Key	是
GEMINI_BASE_URL	默认模型 API 地址	是
GEMINI_MODEL	默认模型名称	是
REDIS_URL	Redis 连接串，如 redis://localhost:6379/0	否
SMTP_HOST	邮件服务地址（用于验证码）	否
SMTP_PORT	邮件服务端口	否
SMTP_USERNAME	邮件账户	否
SMTP_PASSWORD	邮件密码	否

注意：ENCRYPTION_KEY 一旦设定不可更改，否则已存储的用户 API Key 将无法解密。

API 端点

启动后端后访问 http://localhost:8000/docs 查看完整 Swagger 文档。

模块	端点	说明
认证	POST /api/auth/register	邮箱验证码注册
认证	POST /api/auth/login	登录
认证	POST /api/auth/refresh	刷新令牌
认证	POST /api/auth/reset-password	重置密码
测评	POST /api/assessment/start	开始测评
测评	POST /api/assessment/chat	测评对话
测评	POST /api/assessment/finish	生成画像
推荐	POST /api/matching/match	触发岗位匹配
推荐	GET /api/matching/results	获取匹配结果
面试	POST /api/interview/start	开始面试
面试	POST /api/interview/chat	面试对话（SSE）
面试	POST /api/interview/end	结束并生成报告
规划	POST /api/career/generate	生成职业规划
简历	POST /api/resume/upload	上传简历
简历	POST /api/resume/analyze	AI 分析简历
刷题	POST /api/quiz/generate	AI 出题
刷题	POST /api/quiz/judge	AI 判题
语音	POST /api/speech/transcribe	语音转文字
设置	GET /api/model-config/features	功能可用状态
统计	GET /api/usage/stats	使用统计

使用流程

1. 注册账号 → 邮箱验证码注册
2. 配置模型 → 填写 API Key（支持任意 OpenAI 兼容 API）
3. AI 测评 → 与 AI 进行 10-15 轮对话
4. 查看画像 → 雷达图 + 多维度分析
5. 岗位推荐 → 匹配推荐 + 突破认知推荐
6. 模拟面试 → 选择岗位或粘贴 JD，语音/文字作答
7. 生涯规划 → 个性化职业路径
8. 简历分析 → 上传简历获取改进建议
9. 刷题练习 → 知识点驱动，掌握度追踪

License

MIT