中小企业落地 AI 数字员工时，普遍面临「通用大模型只会聊天、不会干活」的问题：招聘写 JD、筛简历、跟进候选人等重复劳动仍靠人工，且数据分散在微信、表格、Boss 直聘等多处，难沉淀、难协作。本项目面向企业服务与人力资源场景，打造可登录、可计费、可多租户隔离的行业 Agent 平台，让 HR、运营等岗位用自然语言下达任务，由 Agent 调用工具真正完成文档生成、数据分析、招聘落库与定时同步，解决「从对话到可交付结果」的产品断层，并为九大行业提供可扩展的 Agent 能力组合。
平台包含完整账号与权限体系：注册登录、邮箱验证、密码重置、个人账户与登录审计；企业空间支持多成员与角色（owner/admin/member/viewer），数据按组织隔离。核心是九大行业 Agent 工作台（人力、教育、电商、金融、内容、法律、地产、医疗、制造），用户用自然语言下发任务，Agent 通过工具链执行网页检索、文档/表格生成、数据分析、飞书通知、招聘岗位与候选人落库等，并以流式输出实时反馈进度。招聘子系统覆盖 JD 生成、简历解析与评分、筛选链接、漏斗统计、Boss 浏览器同步与 SLA 定时检查。商业化侧含套餐计费、订单支付对接、任务队列与对象存储；另有管理后台看板、用户与管理员管理、审计日志，以及 Docker Compose 生产拓扑（API / Worker / Scheduler / Postgres / Redis / MinIO / Caddy）。
我负责从 0 到 1 的全栈架构与核心模块落地：Express 后端、原生前端页面与 Agent 工作台；设计多租户中间件与 org 级数据隔离；实现 Agent Runtime（LLM 调用、工具白名单、SSE 流式事件）；搭建招聘流水线（简历解析、评分、Boss 同步、定时调度）；接入 BullMQ 分布式任务队列与 Worker；完成套餐计费、加密密钥管理、上传安全与可观测性（健康检查、指标）；并编写 Docker Compose 与迁移脚本保障本地 SQLite 与生产 Postgres 可切换。技术栈以 Node.js + Express 为主，前端 HTML/CSS/JS，数据层 SQLite/Postgres，队列 Redis/BullMQ，对象存储 S3/MinIO，浏览器自动化 Playwright，反向代理 Caddy。实现亮点是「行业配置 = Prompt + 工具白名单 + 高频任务」的可插拔 Agent 模型，以及对话到工具执行再到持久化交付的闭环；难点在长任务 SSE 稳定性、租户隔离下的并发安全，以及招聘自动化中的反爬与会话保持。
评论