Spring Boot + DeepSeek 求职 Agent 实践：工具注册、多轮调用与简历 JD 对比

这次更新把我原来的简历优化平台整理成了一个求职 Agent 应用：围绕简历版本、目标 JD、公司资料和投递记录，建立连续的操作流程。

项目名是 Resume Fit AI，使用 Java 21、Spring Boot 3、Spring AI 和 DeepSeek。本文记录目前已经实现的功能、工具注册方式，以及多轮调用中处理异常时的一些取舍。

页面按以下顺序组织：

text 复制代码

简历与版本
    ↓
简历分析
    ↓
找岗位与对比
    ↓
了解公司
    ↓
投递跟进

用户保存简历后，可以选择版本分析表达和完整性，再粘贴完整岗位 JD 做对比。修改后的内容可以另存版本、查看文本差异并导出纯文字 PDF。公司资料保留来源，投递进度由用户手动维护。

这样的流程让一次分析结果能接上后续操作，而不只是留在一段聊天回复中。

当前分成三部分：

通用 AgentLoop 不读取业务数据库，不判断某个简历报告应该有哪些字段。应用层负责准备任务上下文，并提供本次任务允许调用的工具。

ToolCatalog 使用工具名到 ToolSpec 的映射。注册时拒绝同名工具，运行前冻结目录；模型可见的是登记好的工具定义，实际执行由 ToolExecutor 处理。

它是进程内的工具目录，不需要额外部署一个注册服务。

一次调用需要经过这些步骤：

text 复制代码

模型返回工具名、参数、调用 ID
    ↓
确认工具在白名单中
    ↓
校验参数
    ↓
执行对应处理逻辑
    ↓
校验并限制工具输出
    ↓
以原调用 ID 回传结果

工具名只是选择能力的入口，不能因为模型给出一个字符串，就允许它调用后端任意方法。工具目录也不能替代业务权限校验，例如选定的简历版本仍需验证归属。

整体过程是"请求模型 → 执行工具 → 回传结果 → 再请求模型"，直到输出最终结果或触发停止条件。

项目为循环设置了轮数、工具调用次数、总超时、单次调用超时和 Token 预算。模型不再请求工具时，最终内容还要经过应用层的结果校验；格式或内容不符合约定，不能直接标记成功。

原始调用 ID 会保留，用来把工具结果对应回模型的那次请求，不能只回传一个工具名。

重试需要知道失败发生在哪一步。

当前只对符合策略、且尚未执行工具的临时模型错误进行一次有限重试；重试仍消耗本次任务的预算。参数错误、未知工具或最终输出无效，都不能简单靠无限重试解决。

如果任务已经执行了有副作用的操作，盲目重放还可能重复写入。因此"失败就把整段流程再跑一遍"不能作为通用策略。

前端和服务端也处理了取消、超时以及迟到结果，避免切换简历版本后，上一次任务的结果覆盖当前内容。

目前线上提供 BOSS 直聘、智联招聘和 51job 搜索入口。用户确认条件后去平台查找，再把核实过的完整 JD 粘贴回应用，继续收藏和分析。

Tavily / SearXNG 的搜索适配已预留，但服务器还没有配置搜索来源，因此自动搜索并返回真实职位列表尚未启用。

搜索摘要与完整 JD 是两种输入，不能直接混用。关键词覆盖可以提供核对线索，不能宣传成综合匹配度或录用概率。当前也没有公司信誉评分、自动投递或自动联系招聘方的功能。

本轮后端检查共 82 项：79 项通过，3 项真实模型测试按设计跳过。同时进行了本地浏览器流程和边界检查。真实模型并发、外部职位搜索效果仍需单独验证，不能用离线通过结果代替。

接下来会继续完善搜索来源接入和结果核实流程，并结合实际反馈调整页面操作。

线上体验：

欢迎反馈功能问题，也欢迎交流工具注册、多轮调用和异常处理方面的实现思路。