求职派应用架构设计，7步拆解AI采集能力的演进

本篇记录的是求职派早期围绕“岗位信息采集展示”的应用架构演进，可用于理解职位数据、任务池和后台业务。

求职派的核心能力是岗位信息采集。

用户提交数据源——可能是一段文本、一个网页链接、一份 Excel 文件，甚至一张截图——系统调大模型把里面的岗位信息提取出来，清洗、校验、入库。

01、集成 AI 能力

求职派本质上是一个 Spring Web 应用，去掉 AI 能力也能跑。

但，如果没有AI，谁学啊，是吧，哈哈

AI 在求职派里的定位是数据采集引擎。

用户提交需要采集的目标数据源，通过系统内部维护的系统提示词，调用大模型提取岗位信息，然后把结构化的结果存入数据库。

对外是“提交任务 → 得到结果”，对内是“构造 Prompt → 调大模型 → 解析返回”。

基于 Spring AI 接入大模型，是整个架构的第一趴。后面所有的能力——多模态、多轮对话、工具调用——都是在这个基础上一层层往上添加的。

02、多模态支持

采集的数据源形式很多。有纯文本、有 HTML 网页、有 CSV 和 Excel 文件，还有图片格式（比如用户截了一张招聘信息的图）。

纯文本调文本模型没问题，图片就需要视觉模型了。

Spring AI 本身支持多模态输入，可以把图片作为二进制数据和文字提示一起发给大模型。系统检测到输入是图片格式时，会构建一个包含图片数据...