这是一个基于 Spring Boot 3 + Java 17 + Spring AI + MySQL + MongoDB + Redis 构建的 AI 智能助手后端项目，聚焦 AI 对话、智能体会话、模拟面试、实时语音转写和长文本语音合成等场景。项目采用模块化单体架构，支持 HTTP、SSE、WebSocket 多链路交互，兼顾业务完整性、工程规范性和开箱即用性。

演示视频：Bilibili 项目展示

前端仓库链接：https://github.com/lishuangqiang/AI-Meeting-Frontend

后端仓库链接：https://github.com/lishuangqiang/AI-Meeting/tree/main

在哪购买？

本项目承诺完整功能免费开源，也不会做所谓的 Pro 版或“付费解锁核心功能”之类的设计。

如果你想学习这个项目，或者希望把它作为个人项目经历 / 毕设选题，我也整理了一套相对细致的教程：从基础设施搭建、核心业务实现，到最后如何在面试中讲清楚思路与亮点，尽量把容易卡住的地方讲透。

本项目承诺完全免费，文档+代码全部开源。这是我和我的另一位朋友：程序员海豚一起搞得一个项目。在这里也感谢他的贡献，我和他都来自双非，非常清楚兄弟们一路走来的不容易。所以全部开源，全部开源。这是我们给兄弟们带来的一份小礼物

如果需要领取文档，请添加我的微信：JavaAndGo8888，又或者是我朋友的微信：hqy2004hw 领取对应的飞书文档

系统架构：

功能特性

模拟面试模块

• 简历驱动出题：上传 PDF 简历后，由「简历评分面试官」智能体解析简历并生成结构化面试题、简历评分与参考建议，题目与候选人经历深度关联。
• 多 Agent 协同评估：内置 5 个星云工作流智能体（出题官、提问官、评分官、追问官、表情分析面试官），答题后由评分官同步返回分数与反馈，LiteFlow 规则链驱动追问裁决，模拟真实多轮深挖场景。
• 分布式 Single-flight：同一次答题请求（评分/追问/抽题/神态分析）在多实例部署下只执行一次 AI 调用，支持结果回放、心跳保活、失败分类与超时接管，避免重复扣费。
• 长会话状态治理：基于 MongoDB 热冷分层快照 + Redis 懒加载构建可恢复运行态体系，支持中断恢复、CAS 并发保护与异步补偿，解决长时间面试中途断线的状态丢失问题。
• 问答回放与雷达图：面试结束后生成结构化面试记录，包含逐题回放（问题 → 回答 → 分数 → 反馈）、多维雷达图评分和 AI 综合建议。
• 神态分析：支持上传摄像头截图，由表情识别智能体评估候选人仪态表现并纳入总分。
• 面试记录管理：分页查询历史面试记录，支持按会话查看完整报告与评分详情。

AI 对话模块

• 多模型统一接入：基于 Spring AI 封装 UniversalAiChatHandler，通过 OpenAI 兼容协议统一接入 DeepSeek、星火、豆包等模型，运行时可切换。
• SSE 流式响应：基于 WebFlux Flux + SSE 实现打字机式流式输出，支持 DeepSeek reasoning_content 思维链展示。
• 会话管理：支持创建、分页查询、结束、删除对话，消息持久化至 MongoDB，支持历史消息回溯。

智能体（Agent）模块

• 智能体配置管理：支持运行时创建、更新、启停智能体配置（API Key / Secret / FlowId / 系统提示词等），按需绑定不同星云工作流。
• Agent SSE 对话：智能体对话走星辰大模型工作流接口，支持上下文多轮记忆与流式输出。
• 文件上传：支持为智能体会话上传附件，由 FileUploadUtil 统一处理文件类型校验与持久化。

语音媒体模块

• 实时语音转写（ASR）：基于 WebSocket + 讯飞大模型 AST 实现端到端实时语音识别，支持分段增量去重（TreeMap + seg_id/pgs 重叠比对）、committedText / liveText / displayText 三级文本渲染，解决重复文本与前缀误删问题。
• 长文本语音合成（TTS）：集成讯飞长文本 TTS 异步接口，支持创建合成任务、轮询状态、同步等待三种模式，可配置音色、语速、音量与音频编码格式。
• WebSocket 通信管理：基于 JSR 356 @ServerEndpoint 实现会话级 WebSocket 连接，支持心跳保活、鉴权校验、二进制音频帧接收与服务端主动推送。

用户与权限模块

• Sa-Token 认证：基于 Sa-Token 实现登录 / 注册 / 登出，Token 持久化至 Redis 支持多实例共享登录态。
• 角色权限控制：支持管理员角色分配，管理员接口通过 @SaCheckRole 注解鉴权。
• WebSocket 鉴权：WebSocket 连接建立时通过 Token 参数校验用户身份，支持多参数名兼容（token / Authorization / access_token）。

简历写法

1. 负责 AI 面试答题主链路设计，串联评分/追问 Agent 协同工作，基于 EnumMap 状态机 + LiteFlow 规则链 实现追问裁决与流程推进；设计题级分布式锁 + 幂等防重 + 答题轮次异步补偿机制，保障答题闭环的数据一致性。
2. 主导 AI 面试长会话状态治理与恢复架构升级，基于 Mongo Snapshot + Redis 懒加载 构建可恢复运行态体系，并引入热冷分层、CAS 并发保护与恢复幂等补偿，解决 Redis 异常导致的会话中断与状态丢失问题。
3. 设计并实现面试 AI 分布式 Single-flight框架，基于 Redis Lua、状态机与 Fencing Token 实现多实例场景下同请求跨节点去重、结果回放、失败分类和超时接管；已接入评分、追问、抽题、神态分析等链路，并结合 心跳机制 和本地降级机制提升 AI 调用稳定性与成本控制能力。
4. 设计并优化基于 WebSocket + Xunfei AST 的实时 ASR 链路，实现分段增量去重，解决重复文本等问题，借鉴 NIO Buffer 的异步缓冲思想设计会话级 TranscriptionSessionContext，实现音频接收与下游推流解耦，并基于 TreeMap + seg_id/pgs/rg/bg/ed 完成分段增量去重与有序重建，解决重复文本、前缀误删和结果抖动问题
5. 设计并推动面向 AI Coding 的 Skill 业务知识体系，将分散、过时、不可持续维护的传统文档升级为可被 Code Agent 直接消费的模块化业务知识单元，解决复杂业务开发中的知识断层与隐性规则丢失问题。

文档展示

技术栈

后端技术

1.为什么要用Redis和Mongodb？

• Redis 用于存储会话状态、分布式锁、缓存等，提供高并发、低延迟的访问。
• MongoDB 用于存储运行态快照、对话消息等，支持文档存储、查询与聚合。

运维与部署

前端技术

测试与 CI

统一校验入口：

./mvnw -B -ntp clean verify

当前 CI 覆盖：

• Maven 构建与测试
• JDK 17 基线校验
• 仓库元数据与文档格式检查

工作流文件见 .github/workflows/backend-ci.yml。

效果展示

简历与面试

首页登录：

上传简历：

在线解析并出题：

面试入口：

提问环节：

追问环节：

结果复盘：

面试结果分析：

开源协作

• 许可证：MIT
• 贡献指南：CONTRIBUTING.md
• 行为准则：CODE_OF_CONDUCT.md
• 安全说明：SECURITY.md

发布说明

当前仓库仍保留开发期配置结构，真实密钥脱敏和最终公开发布前的安全清理将在后续阶段单独处理。本仓库本轮重点是把架构边界、运行链路、文档门面和开源协作面收敛到展示级标准。