後端工程學習路線:從 Python 到可部署的求職助理¶
摘要¶
一份履歷分析腳本可以算出分數,卻還不能替別人保存履歷、處理重複帳號,或在重啟後留下結果。這套教材用 AI Job Application Assistant 把這些缺口逐一補上,適合會 Python 函式與 SQL 查詢、尚未獨立完成後端服務的讀者。
六章共用同一個專案。先實作可測試的技能比對,再加 HTTP API、資料庫與部署。完成後能透過有 API key 保護的 HTTPS 介面管理使用者資料、履歷、職缺與申請紀錄。比對先用規則完成;LLM、PDF 解析與寄信是後續擴充,教材不把關鍵字命中率稱為模型預測。
資料基準:2026-10-22。教學採 Python 3.12、Pydantic 2、SQLAlchemy 2.0 API 與 PostgreSQL 17;這是本系列的相容性選擇,不代表它們是最新版。套件實際解析版本由讀者環境產生的 requirements.txt 記錄。
學習順序與每關成果¶
| 順序 | 文章 | 做完後應交付 |
|---|---|---|
| 1 | Python 工程化基礎 | 可匯入的套件、具名結果、邊界驗證與單元測試 |
| 2 | Git 協作實戰 | 精準提交、功能分支、衝突解決與 PR 說明 |
| 3 | FastAPI API 實作 | users、resumes、jobs、applications API 與 HTTP 測試 |
| 4 | PostgreSQL 設計與整合 | 五張表、資料完整性約束、migration 與持久化 repository |
| 5 | Docker 化 | 可重建的 app image 與 app/postgres Compose stack |
| 6 | 部署 FastAPI 服務 | Render HTTPS 服務、健康檢查、migration、CI 與回復流程 |
標成「新增」的檔案建立一次;標成「替換」的檔案用該章完整版本取代。除非另有說明,指令都在 另一個教學專案 ai-job-application-assistant/ 根目錄執行,不在知識庫裡執行。程式碼區塊上方標示目的檔案時,把完整區塊存到該路徑。
我建議依序完成,尤其不要從 Docker 開始排查尚未在本機通過測試的 API。已有後端經驗可以跳章,但要先滿足該章的前置成果。
完成品會怎麼工作¶
範例的 users 是操作者管理的求職者資料。APP_API_KEY 是單一操作者的憑證,能存取全部資料;user_id 只是關聯鍵。要開放多人自行登入,必須另做身分驗證與逐筆授權,不能把來自 request body 的 user_id 當成登入身分。練習只使用虛構履歷。
| HTTP 介面 | 用途 |
|---|---|
GET /health、GET /ready |
程序存活、資料庫可用性;/ready 在資料庫章加入 |
POST /users |
新增求職者;相同 email 回 409 |
POST /resumes、GET /resumes/{id} |
建立與讀取履歷 |
GET /resumes?user_id=1&limit=20 |
有上限地列出履歷 |
PATCH /resumes/{id} |
部分更新標題或文字 |
POST /jobs、GET /jobs/{id} |
儲存與讀取職缺 |
POST /applications、GET /applications/{id} |
計算並保存一份申請分析快照 |
共用名稱與執行環境¶
專案使用 app/ 作為 Python package、app.main:app 作為 ASGI 入口、job_assistant 作為本機資料庫名稱。API 路徑叫 /jobs,SQL table 固定叫 job_descriptions。Docker Compose 的服務名稱固定是 app 與 postgres。
| 設定 | 本機 Python | Compose | Render |
|---|---|---|---|
DATABASE_URL |
postgresql+psycopg://...@127.0.0.1:5432/job_assistant |
同格式,host 改成 postgres |
由平台 internal URL 轉成 psycopg dialect |
APP_API_KEY |
shell 匯出 | .env 經 environment 注入 |
平台秘密設定 |
PORT |
8000 | 8000 | 平台注入,啟動器讀取 |
CORS_ORIGINS |
預設空字串 | 預設空字串 | 實際前端 origin,以逗號分隔 |
Bash 指令適用 Linux、macOS 與 WSL。先備工具為 Python 3.12 與 Git;第四章另需 PostgreSQL 17 及 psql,第五章另需 Docker Engine/Desktop 與 Compose plugin,第六章需自己的 GitHub 與 Render 帳號。安裝方式依各平台官方文件;部署所需付費方案由讀者自行選擇。
自我檢核:跨章驗收¶
- [ ] 用 Python 輸入含 Python、SQL 的履歷,以及要求 Python、SQL、AWS、Docker 的職缺,得到 50 分、兩項命中與兩項缺漏。
- [ ] 以 API 建立 user、resume、job、application,保存回傳 ID;重啟 API 後仍讀得到 application。
- [ ] 同一組申請重送回 409;不存在的履歷回 404;空白履歷回 422;沒有憑證回 401。
- [ ] 更新履歷後,舊 application 仍保留原分析快照;它不會自動重算。
- [ ] 在另一個環境以同一份依賴檔和 image 設定啟動,不依賴原電腦的
.venv。 - [ ] 能在 Render 記下實際 deploy commit、執行 smoke test,並解釋程式回復與資料庫回復的差別。
參考與來源¶
本系列重整六份 ChatGPT 家教對話:Python 工程化、Git 協作、FastAPI、PostgreSQL、Docker 與部署。對話末尾的追問視為待補內容,未當成已回答的事實;原始檔保留在知識庫外。各章文末列出技術核對來源。
