基于多源异构数据 + 大模型 + 知识图谱，新一代信息技术领域岗位能力分析平台。
git clone https://github.com/Talent-Star-Map/XINGTU.git
cd XINGTU
docker compose up -d浏览器打开 http://localhost:3000
# 1. 启动数据库（云服务器已部署可跳过此步，本地后端直连云库）
docker compose up -d mysql # MySQL on localhost:3307
# 2. 启动后端
cd backend && pip install -r requirements.txt
python -m uvicorn main:app --host 0.0.0.0 --port 8081 --reload
# 3. 启动前端
cd frontend && npm install
npm run dev
# 4.（可选）初始化种子数据
# 在 Navicat 中依次执行以下 SQL 文件（连接 xingtu 库后运行）：
# - backend/sql/seed_users.sql # 求职者 Xing + 企业端 Tu 测试账号
# - backend/sql/seed_admin.sql # 默认管理员 admin@xingtu.com
# - backend/sql/seed_rcx.sql # 企业端测试数据（10 求职者 + 10 岗位 + 10 匹配记录）
# - backend/sql/seed_jobs.sql # 爬虫主表 15 条种子岗位数据前端构建命令
npm run build=tsc --noEmit && vite build，会先做 TypeScript 类型检查。 只想查类型不打包用npm run typecheck。提交前建议跑一次 build， 早期只跑vite build时类型错误会被静默放过。
浏览器打开 http://localhost:5173
| 角色 | 邮箱 | 密码 | 用户名 |
|---|---|---|---|
| 求职者 | xing@test.com | Xing123 | |
| 企业 | tu@test.com | Tu123 | Tu |
| 管理员 | admin@xingtu.com | Admin1234 | 系统管理员 |
管理员端入口在角色选择页底部"管理员入口"按钮。质检功能（数据质量报告、准确率测试等）已集中到管理员端，求职端/企业端不再展示。 账号通过
backend/sql/seed_users.sql和backend/sql/seed_admin.sql初始化，幂等可重复执行。
| 服务 | 本地 | 服务器 |
|---|---|---|
| 前端 | http://localhost:3000 | http://180.76.227.159:3000 |
| 后端 API | http://localhost:8081 | http://180.76.227.159:8081 |
| MySQL | localhost:3307 | 180.76.227.159:3308（Navicat 直连） |
数据库连接说明：
- 云服务器 MySQL 已映射到宿主机 3308 端口（容器内 3306）
- 本地后端默认通过
backend/.env的DATABASE_URL直连云库180.76.227.159:3308- Navicat 连接：主机
180.76.227.159，端口3308，用户root，密码Xingtu123，库xingtu- 云安全组需放行 3308 端口（建议限制源 IP 为本机公网 IP）
| 表名 | 用途 | ORM 模型 |
|---|---|---|
jobs |
爬虫整合主表（31 列，求职者端浏览市场岗位/文章） | database.py::CrawledJob |
enterprise_jobs |
企业端发布岗位表（14 列，企业端 TalentSearch/JobManage/Dashboard） | database.py::Job |
jobseekers |
求职者账号表 | database.py::Jobseeker |
enterprises |
企业端账号表 | database.py::Enterprise |
admins |
管理员账号表 | database.py::Admin |
match_records |
人岗匹配记录表 | database.py::MatchRecord |
verify_codes |
验证码表 | database.py::VerifyCode |
user_skills |
用户已掌握技能（按岗位区分） | SQL 直接操作 |
diagnosis_history |
诊断历史记录（含完整技能数据） | SQL 直接操作 |
learning_progress |
学习进度（按用户+岗位+技能） | SQL 直接操作 |
skill_resources |
技能学习资源（管理员后台维护，33 技能 88 条） | database.py::SkillResource |
llm_configs |
模型配置表（管理员端「模型配置」页面维护，LLM 路由层读取） | database.py::LlmConfig |
⚠️ 注意jobs和enterprise_jobs是两张不同的表：
jobs= 爬虫采集的真实市场岗位（求职者端浏览）enterprise_jobs= 企业自己发布的岗位（企业端管理）- 命名刻意区分以避免冲突，前后端引用时务必看准
所有种子脚本位于 backend/sql/，在 Navicat 中打开执行即可（幂等，可重复运行）：
| 脚本 | 作用 |
|---|---|
seed_users.sql |
求职者 Xing/Xing123 + 企业端 Tu/Tu123 测试账号 |
seed_admin.sql |
默认管理员 admin@xingtu.com / Admin1234 |
seed_rcx.sql |
企业端测试数据：10 求职者 + 10 岗位(enterprise_jobs) + 10 匹配记录 |
seed_jobs.sql |
爬虫主表(jobs) 15 条种子岗位数据 |
密码哈希说明：脚本中的密码用 bcrypt(salt_rounds=12) 预计算，后端 auth.py 用 bcrypt.checkpw 校验，完全兼容。
重置密码命令：
python -c "import bcrypt; print(bcrypt.hashpw('新密码'.encode(), bcrypt.gensalt()).decode())"已通过 .gitignore 排除 node_modules/、dist/、*.db，各自本地安装即可。
后端三项核心指标（JD 解析 / 简历提取 / 人岗匹配）各有独立验证脚本，纯 Python 直跑，不依赖数据库、网络与 LLM：
cd backend
python tests/test_jd_parser.py # JD 技能解析 F1 0.9553（104 条 JD）
python tests/test_resume.py # 简历技能提取 F1 0.9533（100 条简历）
python tests/test_job_agent.py # 人岗匹配 Top-5 1.0000 / MRR 0.9525（全量约 7 分钟，--quick 更快）
python tests/test_our_modules.py # 纯函数单测 20 PASS
python tests/test_quality.py # 质检模块单测 14 PASS测试集在 backend/test_data/（104 条 JD + 100 条简历 + 100 组匹配对），口径细节见 docs/作品设计实现方案书.md §8。
React + Vite + TypeScript + FastAPI + SQLAlchemy + MySQL + Docker