QA-Agent

QA-Agent 是一个面向技术面试准备的个人资料驱动训练工作台。它把用户已有的 Markdown 笔记、项目总结和复习资料沉淀为可管理、可生成、可练习、可反馈、可评估、可记忆的问答资产。

项目概览

普通 AI 聊天很容易停留在一次性问答，普通题库又很难贴合个人真实经历。QA-Agent 关注的是另一条路径：先让资料成为稳定资产，再围绕资产建立训练闭环，最后用 Agent、RAG 和 Memory 提升生成质量与长期训练效果。

QA-Agent 的核心不是让模型自由发挥，而是让模型围绕用户资料、求职画像、题集资产和练习记录工作。一次生成不是终点，题集可以继续维护，题目可以继续补全，练习可以继续复盘，记忆可以进入下一轮生成与训练。

领域	技术
前端	React, Vite, TypeScript, React Router, TanStack Query
后端	Java 17, Spring Boot 3, MyBatis-Plus, Maven
Agent	LangChain4J, Agent DAG, Server-Sent Events
RAG	DashScope Embedding, PostgreSQL pgvector, zhparser, Hybrid Retrieval
基础设施	MySQL, PostgreSQL, Redis, Kafka, XXL-JOB

核心能力

个人画像：维护目标岗位、目标领域、表达风格和模型配置，让 Agent 拥有稳定的用户上下文。
资料驱动生成：从用户资料出发生成问答集，降低泛化内容和无证据回答的比例。
RAG 证据检索：结合向量检索、中文全文检索和重排序，为生成、补全和反馈提供资料证据。
Agent 问答集生成：通过 LangChain4J 组织多阶段 Agent DAG，覆盖规划、起草、校验、修订和总结。
实时生成进度：使用 SSE 推送生成阶段、状态、消息和 token 统计，让长任务过程可见。
练习与反馈：支持顺序练习、随机练习、逐题反馈和整轮反馈，把题集转化为持续训练入口。
评估与记忆：基于整轮练习生成诊断、建议和长期记忆画像，沉淀用户薄弱点与优势模块。
Dasi 临时助手：提供轻量临时对话入口，用于围绕当前学习和训练上下文进行辅助问答。

flowchart LR
    A["Profile"] --> B["Documents"]
    B --> C["RAG Index"]
    C --> D["Generate Agent"]
    D --> E["QA Set"]
    E --> F["Practice"]
    F --> G["Feedback"]
    F --> H["Assess"]
    G --> I["Memory"]
    H --> I
    I --> D

项目结构

QA-Agent/
├── frontend/                       # React 前端工作台
│   ├── src/pages/                  # 页面入口：资料库、题集、练习、结果、登录与用户设置
│   ├── src/components/             # 通用组件、布局组件、练习组件和 Dasi 对话组件
│   ├── src/lib/                    # API 请求、鉴权、路由辅助、错误处理和 Markdown 渲染
│   └── src/styles/                 # 全局样式、页面样式、组件样式和响应式规则
├── backend/                        # Spring Boot 后端工程
│   ├── qa-agent-application/       # 启动与装配模块
│   ├── qa-agent-interfaces/        # 接口层与消息入口
│   ├── qa-agent-domain/            # 领域服务、RAG 与 Agent 链路
│   │   ├── agent/                  # 生成、补全、反馈、评估、记忆和临时对话 Agent
│   │   ├── document/               # 资料管理、Markdown 切片、索引和 RAG 检索
│   │   ├── qa/                     # 问答集、题目、导入导出和题目补全
│   │   ├── practice/               # 练习会话、答题流程、提交、重开和回看
│   │   ├── memory/                 # 用户长期记忆查询、隐藏和证据管理
│   │   ├── identity/               # 账号、Profile 和用户配置
│   │   └── message/                # 异步消息任务和未解决任务记录
│   ├── qa-agent-infrastructure/    # 持久化、外部服务与技术实现
│   └── qa-agent-types/             # DTO、枚举、异常与通用类型
└── docs/                           # 产品、接口、数据表和阶段设计文档

快速启动

启动基础设施
```
cd backend/docker
docker compose --env-file ../.env up -d
```
注意先要填写好自己的环境变量 .env 文件。

初始化数据库

docker compose --env-file ../.env exec -T mysql sh -lc 'mysql -u"$MYSQL_USER" -p"$MYSQL_PASSWORD" "$MYSQL_DATABASE"' < init_mysql.sql
docker compose --env-file ../.env exec -T postgresql sh -lc 'psql -U "$POSTGRES_USER" -d "$POSTGRES_DB"' < init_postgres.sql

PostgreSQL 检索库需要同时启用 pgvector 和 zhparser。pgvector 用于向量检索，zhparser 用于中文全文检索分词，可从 amutu/zhparser 构建安装。

启动后端
```
cd backend
mvn spring-boot:run -pl qa-agent-application -am
```
默认后端地址：http://localhost:8080/qa-agent/api/v1
启动前端
```
cd frontend
npm install
npm run dev
```

运行截图

登录后进入系统	主页总览训练入口
管理个人信息与配置	资料库管理学习材料
新建问答集任务	查看题集仓库列表
浏览题目与详情	执行题目测试流程
进入练习作答	查看答题反馈
查看能力评估结果	沉淀长期记忆