本章目录

• 1.1 AI 焦虑与学习路径
• 1.2 为什么是面试帮、为什么是这套教程
• 1.3 v1 功能范围与对照
• 1.4 为什么我要做这套教程（免费版）
• 1.5 后端系统技术架构
• 1.6 本教程 v1 的 AI 链路
• 1.7 这门课程和其他 AI 教程有什么不一样
• 1.8 章节导览
• 1.9 源码地址与下一章

---

1.1 AI 焦虑与学习路径

大家好，我是 面试帮 的作者。

在 AI 快速改变软件开发方式的这几年里，很多开发者心里都会冒同一个问题：

AI 会不会代替大部分程序员？前端、后端是不是「没前途了」？

毕竟现在用大模型写代码，很多时候已经比「刚入门的业务代码」更快、更全。

• 网上一派说：「会！」 —— 于是「前端已死、后端已亡」到处刷屏。
• 另一派说：「不会！」 —— AI 只是工具，替代不了创造力和复杂决策。

两拨人吵来吵去，谁也说服不了谁。

但如果仔细分辨，你会发现：

• 说「会」的很多人，要的是 流量，并不真关心你的职业路径。
• 说「不会」的很多人，要的是 眼前的稳定，未必愿意亲手把 AI 接进项目里试一遍。

所以，靠刷观点是靠不住的。 真正值得自己搞清楚的，是下面这些事：

• AI 到底是什么、能干什么、边界在哪
• AI 在 前端 / 后端 里怎么 稳定落地（不是 Demo 里问一句答一句）
• AI 在 真实商业应用 里长什么样——Prompt、SSE、鉴权、存储、成本

想要驾驭 AI，得先了解 AI。 最好的方式，就是 自己做一个能跑、能讲、能写进简历的全栈项目。

---

1.2 为什么是面试帮、为什么是这套教程

面试帮上线已经一个月了，真实使用用户已经突破了500+，是一个真正的商业级别的项目。
真实项目效果，请大家打开 mianshibang.cn 体验；这里贴两张 面试帮 核心页面截图：

面试帮在线简历效果图

面试帮 AI 押题报告效果图

---

我用业余时间独立做了 面试帮：在线简历 → JD 押题 → 模拟面试 → 报告复盘，已经上线并在持续迭代（Nuxt 4 + NestJS + MongoDB + 大模型 API）。

这不是 PPT 里的假想项目，而是：

• 真实用户注册、做简历、走 AI 链路
• 真实支付、权限、帮币与次数体系（商业版）
• 真实踩过的坑：SSE 中断、Prompt 格式跑偏、PDF 与预览不一致……

今天（2026 年 6 月），我（做了 6 年前端、3 年全栈）把其中 最适合学习、最适合面试讲解 的核心链路，抽成开源教学项目 ai-interview-lab（AI 求职助手） —— 系列名 《前端转 AI 全栈 · 面试专用》。

本系列分 前端 + 后端 两条线：本章重点讲后端视角的整体架构（前端从第 5 章展开）。

---

1.3 v1 功能范围与对照

v1 要实现的核心链路

账号密码 注册/登录（JWT）
    → 上传 PDF 简历 / 在线编辑
    → PDF 解析 → 结构化简历文本
    → 粘贴岗位 JD
    → LangChain + DeepSeek 生成押题 + 匹配度分析
    → SSE 推送进度 → 评估报告页 + 历史记录

教程 vs 面试帮

功能模块	本教程 v1 ai-interview-lab	商业产品 面试帮
定位	教学 · 开源 · 按章 tag	完整商业产品
登录注册	✅ 账号 + 密码，JWT	微信 OAuth、邮箱等
简历输入	✅ 在线编辑 + PDF 上传解析	多模板、云端 PDF、优化 diff
AI 栈	✅ LangChain + DeepSeek	多模型工厂、LangChain 链式编排
简历解析	✅ PDF/文本 → 结构化内容	完整解析 + OSS 签名预览
JD 押题	✅ Prompt + 题目生成	同链路 + 次数/帮币体系
评估报告	✅ 匹配度、技能 gap、报告页	完整雷达图、多步 Pipeline
SSE	✅ 进度推送（长任务不超时）	押题进度 SSE；模拟面 token 流
代码	独立仓库	生产环境，教程不直接开源

后续版本 / 暂不实现（视反响再加）

功能	计划
邮箱登录	后续附录
微信登录	后续 / 见面试帮
微信支付 / 支付宝	后续 / 见面试帮
多轮对话模拟面试	后续专题 / 见面试帮
700+ 面试题库	仅面试帮
AI 简历优化 diff	仅面试帮

教程 = 面试帮核心 AI 链路的教学实现版（账号 JWT + PDF 解析 + LangChain + 报告），不是阉割 Demo。
微信 / 支付 / 模拟面等 v1 不做，避免教程写不完；完整体验请上 mianshibang.cn。

---

1.4 为什么我要做这套教程（免费版）

说直白一点：多余的时间，就想做这么一件事，也可以记录和积累项目经验。

如果大家感兴趣，希望 多多关注、点赞、评论，给我一些持续更新的动力。

层级	内容	说明
CSDN 专栏	第 1～6 章	免费发布，跟文档就能搭环境、写简历、做 JWT
GitHub	ai-interview-lab	按章打 tag，源码随教程开源
AI 核心章	LangChain、押题、报告	视专栏反响，可继续免费或整理完整版文档
商业完整版	模拟面、支付、题库	上 面试帮 体验

---

1.5 后端系统技术架构

下面是你将要搭建的 真实可部署 的后端形态。教学版做了裁剪，但 分层与模块划分 与商业项目一致，面试能讲清楚：

┌──────────────────────────────────────────────────────────────┐
│  表现层 · Nuxt 4 (apps/web)                                   │
│  登录注册 / 简历编辑 / PDF 上传 / JD 输入 / 报告页 / 历史       │
└────────────────────────────┬─────────────────────────────────┘
                             │ HTTP / SSE
┌────────────────────────────▼─────────────────────────────────┐
│  应用层 · NestJS (apps/api)                                   │
│  AuthModule(JWT) │ ResumeModule │ PdfModule │ QuizModule     │
│                  │ AiModule(LangChain + DeepSeek)            │
└────────────┬───────────────────────────────┬─────────────────┘
             │                               │
┌────────────▼────────────┐     ┌────────────▼────────────┐
│  数据层 · MongoDB        │     │  AI · DeepSeek API       │
│  users / resumes /       │     │  LangChain Prompt+Parser │
│  quiz_records            │     │                          │
└─────────────────────────┘     └─────────────────────────┘

后端系统技术架构图

设计要点（问题驱动，面试常问）：

技术选择	为什么（对应真实问题）
前后端分离 + Key 放后端	前端不能暴露 DeepSeek API Key
账号密码 + JWT	教学版统一鉴权；与面试帮微信登录解耦
PDF 上传 + 解析	用户已有 PDF 简历；解析后供 AI 读
MongoDB 存简历 JSON	字段灵活；解析结果 + 在线编辑可合并
NestJS 模块化	Auth / Resume / PDF / Quiz / AI 边界清晰
LangChain	PromptTemplate、JsonOutputParser，与面试帮生产代码同源
SSE 进度推送	生成 1～7 分钟，推 progress，完成推 yati-complete（非逐 token 流）
结构化 JSON 输出	题目、匹配度、报告字段可落库、可渲染

---

1.6 本教程 v1 的 AI 链路

第一版 不做多轮模拟面，但 报告是完整评估报告（题目 + 匹配度 + 技能 gap 等），与面试帮押题报告同源思路：

步骤	能力	技术点
1	用户鉴权	账号密码注册登录、JWT Guard
2	简历入库	在线 JSON 编辑 或 PDF 上传
3	简历解析	PDF → 文本 → 结构化摘要
4	JD + AI	LangChain + DeepSeek：押题 + 匹配度分析
5	长任务反馈	SSE 进度事件
6	评估报告	报告页展示 + 历史记录

v1 功能链路图

---

1.7 这门课程和其他 AI 教程有什么不一样

第一，来自真实产品，不是纯 Demo。
代码思路来自 面试帮 上线实践；教程仓库独立维护，但架构同源。

第二，系统完整，不断层。
NestJS → MongoDB → 账号 JWT → 简历/PDF → LangChain + DeepSeek → SSE 进度 → 评估报告 → Docker 部署。

第三，问题驱动，不是 API 罗列。

• 为什么 PDF 要后端解析？—— 统一文本质量，Prompt 输入可控
• 为什么用 LangChain？—— Prompt 模板、JSON 解析、与生产项目一致
• 为什么用 SSE？—— 生成耗时长，推进度防超时（押题是进度 SSE，不是逐 token）
• 为什么 JSON 约束输出？—— 报告字段要能落库、前端要能渲染

第四，前端转全栈友好。
默认你会 Vue；NestJS作为后端语言，支持纯ts，作为前端开发人员转后端的最优解，我们在正式项目开始前，会对nestjs做一个整体的教学，小白不用担心无法上手，老手可以跳过这一节。

第五，范围清晰。
v1 聚焦 一条 AI 评估链路；微信 / 支付 / 模拟面后置，教程能写完、你能学完。

---

1.8 章节导览

以下为本系列 完整章节（CSDN 按章发布）：

章	标题	文档
1	前言与章节导览	本文
2	开发环境准备	开发环境准备
3	NestJS 框架基础	NestJS简易教学
4	MongoDB 与简历领域模型	简历领域模型与MongoDB设计
5	项目架构与 Nuxt 4 简历前端	Nuxt简历编辑与模板渲染
6	JWT 认证（账号密码）	用户模块与JWT鉴权
—	简历 CRUD 全链路联调	简历CRUD接口与联调（穿插第 5～6 章后）
7	PDF 上传与简历解析	PDF上传与解析
8	LangChain + DeepSeek	AI服务封装与大模型对接
9	JD 押题 + SSE 进度	JD押题Prompt与SSE流式
10	评估报告与历史	报告页与历史记录
11	部署与上线	部署与上线

章节导览思维导图

建议学习顺序：

第 1 章（本文）
  → 第 2 章（开发环境 + 项目骨架）
  → NestJS 简易教学
  → 第 4～6 章
  → 第 7～9 章（AI 核心）
  → 第 10～11 章

---

1.9 源码地址与下一章

源码地址

GitHub 仓库 ai-interview-lab 随教程按章发布，暂时未公开，首发第 2 章后开放。

前端工程目录预览（第 5 章实现）

第 5 章会在 apps/web（Nuxt 4）里做简历编辑器；此处先建立目录预期：

apps/web/
├── nuxt.config.ts
├── app/
│   ├── app.vue
│   ├── pages/
│   │   ├── index.vue              # 首页
│   │   ├── login.vue              # 登录注册（第 6 章）
│   │   └── resume/
│   │       ├── index.vue          # 简历列表
│   │       └── edit.vue           # 编辑 + 预览（第 5 章）
│   └── components/
│       └── resume/
│           ├── forms/
│           └── templates/
├── composables/
│   └── useResumeApi.ts
└── middleware/
    └── auth.ts

下一章预告

第 2 章 · 开发环境准备（2.1～2.5）将完整讲解：

• Node.js、pnpm、TypeScript、VS Code、Git
• NestJS 项目创建、MongoDB 安装
• Nuxt 4 联调与 pnpm dev 双端启动

第 1 章不要求你现在就装齐环境；读完前言，直接跟第 2 章即可。

---

完整商业产品体验：面试帮 mianshibang.cn