AI Agent 课程文档

切换日光/暗黑模式

032. AI 简历后端表结构与 OpenAI 格式代理 ​

学习目标 ​

这一节完成 AI 简历项目的后端基础，包括简历模板、用户简历和 OpenAI 格式代理。

学完后，你应该能理解：

  • AI 简历为什么要保存模板源码；
  • 预览图和导出图为什么可能不同；
  • 简历模板表和用户简历表分别存什么；
  • 为什么长文本字段要用 longtext；
  • 通用 CRUD Router 如何快速生成接口；
  • lambda app 注册路由是什么写法；
  • LangChain / LangGraph 接口格式和 OpenAI 格式有什么差异；
  • 为什么要加 OpenAI 格式代理。

模板需要保存源码 ​

AI 简历模板不只是一个图片。

它需要保存模板源码。

原因是：

  • 前端要根据源码渲染模板；
  • AI 修改模板时，改的是源码；
  • 用户选择模板时，本质上选择的是一份可编辑结构；
  • 后续导出图片或 PDF 也依赖模板源码。

所以模板表里要有字段保存源码内容。

这类字段通常会比较长，不能用普通短字符串。

预览图和导出图 ​

模板会有预览图。

预览图通常会经过压缩，用来在列表里快速展示。

但用户真正导出的图片不一定压缩。

可以理解成：

图片类型用途
预览图列表展示，体积小，加载快
导出图最终使用，质量更高

所以模板表里要区分源码、预览资源和最终导出效果。

不要把“预览图片”当成模板本身。

简历模板表 ​

简历模板表保存的是可复用模板。

它通常包括：

  • 模板 ID；
  • 模板名称；
  • 模板源码；
  • 预览图；
  • 创建时间；
  • 更新时间；
  • 其他描述信息。

模板是公共资源，多个用户都可以基于同一个模板创建自己的简历。

用户简历表 ​

用户简历表保存的是用户自己的简历数据。

它通常包括：

  • 用户简历 ID；
  • 所属用户；
  • 使用的模板；
  • 简历源码；
  • 简历数据；
  • 预览或导出信息。

用户简历和模板不是一回事。

模板是“样式和结构”，用户简历是“某个人填写后的具体内容”。

为什么用 longtext ​

简历源码和简历数据都可能很长。

普通字符串字段不够用。

MySQL 里有多种文本类型，例如：

  • tinytext；
  • text；
  • mediumtext；
  • longtext。

longtext 能容纳更长文本，适合保存大段源码、JSON、富文本或 AI 生成内容。

虽然 longtext 也有上限，但对几万到几十万字符的学习项目内容通常足够。

创建表和导入数据 ​

后端先执行 SQL 创建简历模板表，再导入模板数据。

用户简历表也一样：

  1. 执行建表 SQL；
  2. 导入初始化数据；
  3. 在数据库工具里确认数据存在；
  4. 创建对应 model 类；
  5. 注册通用 CRUD 路由。

这样前端就可以通过接口查询模板和用户简历。

注册通用路由 ​

有了通用 CRUD 封装后，新增表不需要手写所有接口。

只要提供：

  • model 类；
  • 路由前缀；
  • 查询参数；
  • 新建参数；
  • 更新参数。

通用函数就能注册对应接口。

这就是前面抽 BasicModel 和通用 Router 的价值。

lambda app 是什么 ​

注册路由时会看到类似 lambda app: ... 的写法。

它本质上就是一个匿名函数。

可以把它理解成：

py
def register(app):
    add_model_routes(app, ...)

写成 lambda 只是为了让注册配置更短。

如果你不熟悉 lambda，可以先把它看成“传一个函数进去，后面再执行”。

后端项目不必拆太碎 ​

多个实战功能可以放在同一个后端项目里。

原因是很多能力会复用：

  • 文件上传；
  • 模型调用；
  • 用户信息；
  • 通用 CRUD；
  • 数据库连接；
  • 认证能力。

如果每个小项目都单独建后端，就要重复部署、重复写上传、重复维护环境。

学习阶段把多个项目能力合到一个后端，更容易复用基础能力。

前端 AI 对话组件的格式问题 ​

AI 简历前端会用到对话组件。

有些对话组件默认只认识 OpenAI 格式的请求和响应。

但 LangChain、LangGraph 或不同模型平台的格式不一定完全一致。

如果直接把 LangGraph 的工具调用结果丢给组件，它可能无法正确显示：

  • 工具调用；
  • 工具中断；
  • 工具执行结果；
  • 多轮状态恢复。

要完整支持 LangGraph，需要专门封装前端组件。

为什么先做 OpenAI 格式代理 ​

AI 简历项目为了先把功能跑通，会增加一个 OpenAI 格式代理接口。

它的目标是：

  • 入参尽量符合 OpenAI 格式；
  • 出参也尽量符合 OpenAI 格式；
  • 前端对话组件可以直接使用；
  • 暂时不深度改造前端组件。

这是一种工程取舍。

完整封装 LangGraph 组件会更强，但会花更多时间。当前先用 OpenAI 格式代理，把 AI 简历核心功能推进起来。

关闭不必要的深度思考 ​

某些模型支持控制是否启用深度思考。

如果当前任务不需要深度思考，开启它可能只会增加等待时间和 token 消耗。

所以代理层可以根据模型能力传入对应参数，把不需要的思考过程关掉。

不同模型平台的参数名可能不同，不是所有模型都支持同一个参数。

AI 简历后端完成范围 ​

到这里，AI 简历后端主要能力已经具备：

  • 简历模板表；
  • 用户简历表；
  • 通用查询接口；
  • 新建、更新、删除接口；
  • 文件上传接口；
  • OpenAI 格式代理接口。

后续重点会转向前端。

AI 简历的复杂度主要在前端：模板编辑、预览、对话、源码更新、图片导出和用户交互都会集中在前端实现。

AI Agent 课程学习文档。

Copyright © 2026