test/README.md

vibcoding — AI 求职平台全栈笔试

业务背景

CareerLens 是面向高校学生的 AI 求职辅导平台，围绕简历优化、岗位匹配、模拟面试和 Agent 服务，帮助学生把经历转化为可执行的求职行动。

本题聚焦一个最小纵向闭环：学生提交简历文本并选择岗位，系统完成简历数据清洗、技能归一化和岗位匹配分析，返回简历结构化问题，可解释的命中项、能力缺口与岗位匹配度（轻度算法）。完整请求链为：

Vue 3 → Node.js BFF → Java/Spring Boot → Python → LLM

题目资料

简历素材：见脱敏资料.zip —— 都是开发岗的简历

岗位文本JD：从任意招聘网站复制下来 —— 开发相关的岗位需求

笔试过程

笔试要求

• 全程使用vibcoding，3小时内完成，记录git提交，记录ai对话日志。
• 需要gpt或claude的 apikey，可联系技术面试官：kas_god

技术栈选择

强制：

• Vue 前端技术栈
• Node.js BFF：隔离浏览器与内部服务，集中处理输入校验、请求编排、超时和错误映射。
• Java + Spring Boot：承载稳定的岗位领域 API、服务编排和 DTO 契约。
• Python + LLM ：适合文本清洗、技能归一化和匹配分析；通过 OpenAI-compatible LLM API 接入模型，也可经兼容网关接入 Claude 等模型。
• Docker/Compose + Linux + GitHub Actions：提供可重复的本地运行、健康检查、测试和 CI/CD 交付基础。

交付基础

• 最大理解能力下完善业务需求
• 前端建议使用有风格的组件或经vibcoding改造，请勿纯ai出来的UI
• 严谨合理的CI/CD，测试分支管理，git工作流

提交要求

1. 结束时提交 Git 仓库链接或压缩包，并保留计时期间的提交历史；
2. 提交可运行代码、测试、Docker/Compose 与 CI/CD 配置，并在 DELIVERY.md 写明实际验证过的启动、测试、部署/回滚、架构取舍和已知缺口。
3. 与 AI 的会话历史，记录到 AI_LOG.md
4. 准备 15 分钟答辩，演示请求链。