跳轉到

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

完成品架構:用戶端經 Render、FastAPI、服務層、資料存取層到 PostgreSQL,服務層呼叫技能比對並把結果存成 JSONB 快照

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。