잡았다 (JBD) - AI 기반 맞춤형 취준생 취업 지원 플랫폼

취업 준비생의 효율적이고 개인화된 취업 프로세스를 지원하는 올인원 웹 솔루션

프로젝트 소개 • 주요 기능 • 기술 스택 • 시작하기 • 아키텍처

📋 프로젝트 소개

문제 의식

현대 취업 시장에서 구직자들이 직면하는 주요 과제:

📊 정보 비대칭: 채용 트렌드의 비정형적 변화로 인한 진로 방향 설정의 어려움
🎯 체계적 준비 부족: 채용 공고 탐색 이상의 실질적 취업 준비(직무 분석, 자기소개서, 실전 연습)에 대한 수요 증가
🔄 개인화 서비스 부재: 기존 정보 제공 위주 플랫폼의 한계

솔루션

잡았다(JBD) 는 최신 생성형 AI 기술(LangChain, RAG, OpenAI)을 적극 도입하여 구직자 개개인의 데이터와 니즈를 반영한 실질적 취업 준비를 돕는 종합 플랫폼입니다.

✨ 주요 기능

🤖 AI 서비스

1. RAG 기반 맞춤 자기소개서 생성

LangChain + RAG 기술 기반 개인화된 자기소개서 자동 생성
성장과정, 장점, 지원동기 등 섹션별 데이터셋 활용
회사/직무별 맞춤형 컨텍스트 검색 및 문단 생성

graph LR
    A[사용자 입력] --> B[RAG 시스템]
    B --> C[Resume Dataset]
    C --> D[컨텍스트 검색]
    D --> E[GPT-4 생성]
    E --> F[맞춤형 자기소개서]

2. OpenAI 기반 AI 모의면접 시뮬레이터

직무별/경력별 맞춤 면접 질문 자동 생성
실시간 답변 평가 및 피드백 제공
기술/인성 면접 지원

면접 유형:

💻 기술면접 (Technical Interview)
🤝 인성면접 (Behavioral Interview)

3. AI 웹메일 번역 기능

해외 취업 준비자를 위한 영문 이력서/웹메일 실시간 번역
10개 언어 지원 (한국어, 영어, 일본어, 중국어, 프랑스어, 독일어, 스페인어, 이탈리아어, 포르투갈어, 러시아어)
문서 유형별 특화 번역 (이력서, 자기소개서, 포트폴리오, 이메일)

4. DALL-E 3 이미지 생성 & SNS

프롬프트 기반 이미지 즉시 생성
감정 분석 기반 자동 스타일 선택
게시글/댓글에 생성 이미지 활용 가능

지원 스타일: Professional, Creative, Modern, Friendly, Celebration, Motivational

5. LlamaIndex 기반 AI 챗봇

RAG 기반 취업 관련 질문 응답
Resume dataset 기반 지식 제공
대화 히스토리 저장/관리

💼 채용 서비스

채용공고 관리: 기업의 채용공고 등록 및 관리
맞춤형 공고 추천: 사용자 프로필 기반 추천 시스템
지원 현황 관리: 지원서 작성 및 진행 상황 추적
고급 검색 & 필터링: 위치, 직무, 경력, 급여 등 다양한 조건 검색

👥 사용자 관리

3가지 사용자 유형: 일반(취준생) / 기업 / 관리자
OAuth 2.0 인증: Google 소셜 로그인 지원
기업 이메일 인증: 사내 이메일 인증을 통한 기업 유저 전환
프로필 관리: 경력, 교육, 스킬, 자격증, 포트폴리오 통합 관리

💬 커뮤니티

다양한 게시판: 취업정보, 면접후기, Q&A, 자유게시판, 기업게시판
감정 분석: AI 기반 게시글 감정 분류
실시간 소통: 댓글 및 이미지 공유
기업 전용 게시판: 인증된 기업 유저만 접근 가능

📧 부가 서비스

증명서 발급 시스템: 재직/경력 증명서 요청 및 발급
SendGrid 웹메일: 이메일 발송 및 관리
고객 지원: FAQ, 티켓 시스템
대시보드: 사용자 활동 통계 및 분석

🛠 기술 스택

Backend

기술	버전	용도
	17	메인 프로그래밍 언어
	3.5.4	백엔드 프레임워크
	6.x	인증/인가
	-	ORM
	8.0	관계형 데이터베이스
	0.11.5	토큰 기반 인증

주요 의존성:

Spring Boot Starter Web/Data JPA/Security
Spring OAuth2 Client
SendGrid Java (이메일)
Google Gmail API
Jackson (JSON 처리)
Lombok

AI Service

기술	버전	용도
	3.11+	AI 서비스 개발 언어
	0.104.1	AI API 프레임워크
	GPT-4	LLM 모델
	0.1.0+	RAG 파이프라인
	0.9.6+	문서 인덱싱

주요 의존성:

FastAPI + Uvicorn (비동기 서버)
OpenAI API (GPT-4, DALL-E-3)
LangChain + LangChain-OpenAI
LlamaIndex (RAG)
ChromaDB (벡터 DB)
Sentence-Transformers (임베딩)
FAISS (유사도 검색)

Frontend

기술	버전	용도
	19.1.1	UI 프레임워크
	5.9.2	타입 안전성
	7.1.4	빌드 도구
	3.4.17	CSS 프레임워크
	5.0.8	상태 관리

주요 의존성:

React Router DOM (라우팅)
Axios (HTTP 클라이언트)
React Hook Form + Zod (폼 관리/검증)
TanStack Query (서버 상태 관리)
Recharts (차트/시각화)
Lucide React (아이콘)

Infrastructure & DevOps

기술	용도
	컨테이너화
	데이터베이스
	이메일 서비스
	Gmail 통합

📁 프로젝트 구조

jch/
├── 📂 backend/                    # Spring Boot 백엔드 (Java 17)
│   ├── src/main/java/org/jbd/backend/
│   │   ├── admin/                # 관리자 기능
│   │   ├── ai/                   # AI 서비스 통합
│   │   ├── auth/                 # 인증/인가
│   │   ├── common/               # 공통 유틸리티
│   │   ├── community/            # 커뮤니티 (게시판, 댓글)
│   │   ├── company/              # 기업 관리
│   │   ├── dashboard/            # 대시보드
│   │   ├── job/                  # 채용공고 관리
│   │   ├── support/              # 고객지원
│   │   ├── user/                 # 사용자 관리
│   │   └── webmail/              # 웹메일
│   ├── src/main/resources/
│   │   ├── application.yml       # Spring 설정
│   │   └── data.sql              # 초기 데이터
│   └── build.gradle              # Gradle 빌드 설정
│
├── 📂 ai-service/                 # FastAPI AI 서비스 (Python 3.11+)
│   ├── routers/                  # API 라우터
│   │   ├── chatbot.py            # 챗봇 API
│   │   ├── translation.py        # 번역 API
│   │   ├── image.py              # 이미지 생성 API
│   │   ├── interview.py          # 면접 API
│   │   └── cover_letter.py       # 자소서 API
│   ├── services/                 # 비즈니스 로직
│   ├── core/                     # 핵심 설정
│   ├── data/                     # Resume dataset
│   ├── static/                   # 정적 파일
│   ├── main.py                   # FastAPI 앱
│   ├── pyproject.toml            # Python 의존성
│   └── uv.lock                   # UV 락 파일
│
├── 📂 frontend/                   # React 프론트엔드 (TypeScript)
│   ├── src/
│   │   ├── components/           # 재사용 컴포넌트
│   │   ├── pages/                # 페이지 컴포넌트
│   │   ├── stores/               # Zustand 스토어
│   │   ├── services/             # API 서비스
│   │   ├── hooks/                # 커스텀 훅
│   │   ├── utils/                # 유틸리티
│   │   ├── App.tsx               # 메인 앱
│   │   └── main.tsx              # 엔트리 포인트
│   ├── package.json              # NPM 의존성
│   ├── vite.config.ts            # Vite 설정
│   └── tailwind.config.js        # TailwindCSS 설정
│
├── 📂 docs/                       # 프로젝트 문서
│   ├── AI_SERVICE_DOCUMENTATION.md
│   ├── DATABASE_SCHEMA_DOCUMENTATION.md
│   └── SPRING_BOOT_AI_INTEGRATION_SUMMARY.md
│
├── 📄 docker-compose.yml          # Docker Compose 설정
├── 📄 database-schema.sql         # DB 스키마
├── 📄 initial-data.sql            # 초기 데이터
├── 📄 quick-start.bat             # 빠른 시작 스크립트
└── 📄 README.md                   # 이 문서

총 라인 수:

Backend: 209개 Java 파일
Frontend: 94개 TypeScript/React 파일
AI Service: 20+ Python 모듈

🏗 시스템 아키텍처

전체 아키텍처

graph TB
    subgraph "Frontend Layer"
        A[React + TypeScript<br/>Vite + TailwindCSS]
    end

    subgraph "Backend Layer"
        B[Spring Boot 3.5.4<br/>Java 17]
        C[Spring Security + JWT]
        D[Spring Data JPA]
    end

    subgraph "AI Service Layer"
        E[FastAPI<br/>Python 3.11+]
        F[OpenAI GPT-4]
        G[LangChain + RAG]
        H[LlamaIndex]
        I[DALL-E-3]
    end

    subgraph "Data Layer"
        J[(MySQL 8.0)]
        K[(ChromaDB<br/>Vector Store)]
        L[Resume Dataset]
    end

    subgraph "External Services"
        M[SendGrid<br/>Email Service]
        N[Gmail API]
        O[OAuth 2.0<br/>Google]
    end

    A -->|REST API| B
    B --> C
    B --> D
    B -->|HTTP Client| E
    D --> J

    E --> F
    E --> G
    E --> H
    E --> I
    G --> K
    H --> L

    B --> M
    B --> N
    C --> O

AI 서비스 플로우

1. RAG 기반 자기소개서 생성

sequenceDiagram
    participant U as User
    participant F as Frontend
    participant B as Backend
    participant A as AI Service
    participant R as RAG System
    participant V as Vector DB
    participant G as GPT-4

    U->>F: 자소서 생성 요청<br/>(회사, 직무, 섹션)
    F->>B: POST /api/ai/cover-letter
    B->>A: POST /api/v1/cover-letter/generate
    A->>R: 컨텍스트 검색 요청
    R->>V: 유사도 검색 (Embedding)
    V-->>R: 관련 경험/데이터
    R->>G: 프롬프트 + 컨텍스트
    G-->>R: 생성된 문단
    R-->>A: 자소서 결과
    A-->>B: JSON 응답
    B-->>F: 자소서 데이터
    F-->>U: 자소서 표시

2. AI 면접 시뮬레이터

sequenceDiagram
    participant U as User
    participant F as Frontend
    participant B as Backend
    participant A as AI Service
    participant G as GPT-4
    participant D as Database

    U->>F: 면접 시작<br/>(직무, 경력, 면접 유형)
    F->>B: POST /api/ai/interview/start
    B->>A: POST /api/v1/interview/generate-questions
    A->>G: 질문 생성 프롬프트
    G-->>A: 면접 질문 리스트
    A-->>B: 질문 데이터
    B->>D: 면접 세션 저장
    B-->>F: 질문 전달

    loop 각 질문마다
        U->>F: 답변 입력
        F->>B: POST /api/ai/interview/evaluate
        B->>A: POST /api/v1/interview/evaluate-answer
        A->>G: 답변 평가 요청
        G-->>A: 점수 + 피드백
        A-->>B: 평가 결과
        B->>D: 답변 저장
        B-->>F: 피드백 표시
    end

    U->>F: 면접 완료
    F->>B: POST /api/ai/interview/complete
    B->>D: 최종 점수 계산
    B-->>F: 종합 결과
    F-->>U: 면접 리포트

데이터베이스 ERD (주요 테이블)

erDiagram
    USERS ||--o{ USER_PROFILES : has
    USERS ||--o{ CAREER_HISTORIES : has
    USERS ||--o{ JOB_APPLICATIONS : creates
    USERS ||--o{ POSTS : writes
    USERS ||--o{ INTERVIEWS : participates
    USERS ||--|| COMPANIES : "is (if company)"

    COMPANIES ||--o{ JOB_POSTINGS : publishes
    JOB_POSTINGS ||--o{ JOB_APPLICATIONS : receives

    CATEGORIES ||--o{ POSTS : categorizes
    POSTS ||--o{ COMMENTS : has

    USERS ||--o{ USER_SKILLS : has
    SKILLS ||--o{ USER_SKILLS : belongs

    INTERVIEWS ||--o{ INTERVIEW_QUESTIONS : contains

    USERS {
        bigint user_id PK
        varchar email UK
        varchar password
        varchar name
        enum user_type
        boolean email_verified
        boolean is_admin
        datetime created_at
    }

    JOB_POSTINGS {
        bigint job_posting_id PK
        bigint company_id FK
        varchar title
        varchar location
        enum job_type
        enum experience_level
        text description
        decimal min_salary
        decimal max_salary
        date deadline
    }

    INTERVIEWS {
        bigint interview_id PK
        bigint user_id FK
        varchar job_role
        enum interview_type
        enum status
        int overall_score
        datetime created_at
    }

    POSTS {
        bigint post_id PK
        bigint user_id FK
        bigint category_id FK
        varchar title
        text content
        varchar image_url
        int view_count
        datetime created_at
    }

주요 테이블 (총 25개):

사용자 관리: users, user_profiles, companies
경력/교육: career_histories, education_infos, user_skills
채용: job_postings, job_applications
커뮤니티: categories, posts, comments
AI 서비스: interviews, interview_questions, translation_requests
기타: portfolios, certificate_requests, email_history

🚀 시작하기

사전 요구사항

Java: 17 이상
Node.js: 18 이상
Python: 3.11 이상
MySQL: 8.0 이상
Docker (선택사항)
UV: Python 패키지 관리자 (AI 서비스용)

1. 레포지토리 클론

git clone https://github.com/your-repo/jch.git
cd jch

2. 환경 변수 설정

Backend (.env)

# Database
SPRING_DATASOURCE_URL=jdbc:mysql://localhost:3306/jobplatform
SPRING_DATASOURCE_USERNAME=root
SPRING_DATASOURCE_PASSWORD=12345

# JWT
JWT_SECRET=your-jwt-secret-key-here
JWT_EXPIRATION=86400000

# OAuth2 (Google)
SPRING_SECURITY_OAUTH2_CLIENT_REGISTRATION_GOOGLE_CLIENT_ID=your-client-id
SPRING_SECURITY_OAUTH2_CLIENT_REGISTRATION_GOOGLE_CLIENT_SECRET=your-client-secret

# SendGrid
SENDGRID_API_KEY=your-sendgrid-api-key

# AI Service
AI_SERVICE_URL=http://localhost:8001

AI Service (.env)

# OpenAI
OPENAI_API_KEY=your-openai-api-key
OPENAI_MODEL=gpt-4

# Server
LOG_LEVEL=INFO

Frontend (.env)

VITE_API_URL=http://localhost:8081/api
VITE_AI_SERVICE_URL=http://localhost:8001

3. 데이터베이스 설정

# MySQL 접속
mysql -u root -p

# 데이터베이스 생성
CREATE DATABASE jobplatform CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

# 스키마 적용
mysql -u root -p jobplatform < database-schema.sql

# 초기 데이터 적용
mysql -u root -p jobplatform < initial-data.sql

4. 각 서비스 실행

방법 A: 빠른 시작 스크립트 (Windows)

# 모든 서비스를 자동으로 시작
quick-start.bat

방법 B: 수동 실행

Backend 실행

cd backend
./gradlew bootRun

# 또는
./gradlew build
java -jar build/libs/backend-0.0.1-SNAPSHOT.jar

AI Service 실행

cd ai-service

# UV를 사용한 실행 (권장)
uv run python main.py

# 또는 일반 Python
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt
python main.py

Frontend 실행

cd frontend
npm install
npm run dev

방법 C: Docker Compose (권장)

docker-compose up -d

5. 접속 확인

Frontend: http://localhost:3000
Backend API: http://localhost:8081/api
AI Service: http://localhost:8001
API 문서 (Swagger): http://localhost:8081/swagger-ui.html
AI API 문서: http://localhost:8001/docs

6. 헬스 체크

# Backend
curl http://localhost:8081/api/actuator/health

# AI Service
curl http://localhost:8001/health

# Database
curl http://localhost:8081/api/categories

📊 주요 화면

1. 대시보드

사용자별 맞춤 대시보드
지원 현황, 최근 활동, 추천 공고

2. AI 모의면접

실시간 면접 질문 생성
답변 입력 및 즉시 피드백
면접 완료 후 종합 리포트

3. AI 자기소개서 생성

회사/직무 입력
섹션별 질문 응답
RAG 기반 개인화된 자소서 생성

4. 채용공고 검색

고급 필터링 (위치, 경력, 급여)
맞춤형 추천
원클릭 지원

5. 커뮤니티

게시글 작성/조회
이미지 업로드 (AI 생성 이미지 포함)
댓글 및 소통

6. 번역 서비스

다국어 번역
문서 유형별 특화
실시간 번역 결과

🧪 테스트

Backend 테스트

cd backend
./gradlew test
./gradlew test --tests "org.jbd.backend.*"

AI Service 테스트

cd ai-service
uv run pytest
uv run pytest --cov=. --cov-report=html

# 테스트 커버리지: 100% (24/24 통과)

Frontend 테스트

cd frontend

# 유닛 테스트
npm run test

# E2E 테스트
npm run test:e2e

# 커버리지
npm run test:coverage

📝 API 문서

Backend REST API

기본 URL: http://localhost:8081/api

인증 API

POST /auth/register - 회원가입
POST /auth/login - 로그인
POST /auth/oauth2/google/url - Google OAuth URL 생성
GET /auth/oauth2/google/callback - Google OAuth 콜백

채용공고 API

GET /job-postings - 공고 목록 조회 (페이징)
GET /job-postings/{id} - 공고 상세 조회
POST /job-postings - 공고 등록 (기업 유저)
GET /job-postings/search - 공고 검색

AI 서비스 API

POST /ai/chatbot/chat - 챗봇 대화
POST /ai/interview/start - 면접 시작
POST /ai/interview/evaluate - 답변 평가
POST /ai/cover-letter/generate - 자소서 생성
POST /ai/translation/translate - 번역
POST /ai/image/generate - 이미지 생성

커뮤니티 API

GET /posts - 게시글 목록
GET /posts/{id} - 게시글 상세
POST /posts - 게시글 작성
POST /comments - 댓글 작성

AI Service REST API

기본 URL: http://localhost:8001/api/v1

상세 문서: AI Service Documentation

🔐 보안

인증/인가

JWT 기반 토큰 인증
Spring Security 설정
OAuth 2.0 (Google)
역할 기반 접근 제어 (GENERAL, COMPANY, ADMIN)

데이터 보호

비밀번호 암호화 (BCrypt)
XSS 방지 (입력 검증 및 이스케이핑)
SQL 인젝션 방지 (PreparedStatement, JPA)
CORS 설정

API 보안

Rate Limiting
요청 검증 (Bean Validation)
에러 메시지 통일

🐳 Docker 배포

docker-compose.yml

version: '3.8'

services:
  mysql:
    image: mysql:8.0
    environment:
      MYSQL_ROOT_PASSWORD: 12345
      MYSQL_DATABASE: jobplatform
    ports:
      - "3306:3306"
    volumes:
      - mysql_data:/var/lib/mysql

  backend:
    build: ./backend
    ports:
      - "8081:8081"
    environment:
      SPRING_DATASOURCE_URL: jdbc:mysql://mysql:3306/jobplatform
      AI_SERVICE_URL: http://ai-service:8001
    depends_on:
      - mysql

  ai-service:
    build: ./ai-service
    ports:
      - "8001:8001"
    environment:
      OPENAI_API_KEY: ${OPENAI_API_KEY}

  frontend:
    build: ./frontend
    ports:
      - "3000:3000"
    environment:
      VITE_API_URL: http://backend:8081/api

volumes:
  mysql_data:

실행

# 빌드 및 실행
docker-compose up -d

# 로그 확인
docker-compose logs -f

# 중지
docker-compose down

📈 성능 최적화

Backend

JPA 쿼리 최적화 (N+1 문제 해결)
페이징 처리
캐싱 전략 (Spring Cache)
Connection Pool 설정

AI Service

비동기 처리 (FastAPI)
응답 시간 최적화 (< 30초)
메모리 관리

Frontend

코드 스플리팅 (Vite)
Lazy Loading
이미지 최적화
상태 관리 최적화 (Zustand)

Name		Name	Last commit message	Last commit date
Latest commit History 30 Commits
.claude		.claude
.github		.github
ai-service		ai-service
backend		backend
docs		docs
frontend		frontend
types		types
.env.example		.env.example
.gitignore		.gitignore
AI_SERVICE_DOCUMENTATION.md		AI_SERVICE_DOCUMENTATION.md
COMPANY_EMAIL_VERIFICATION_SYSTEM.md		COMPANY_EMAIL_VERIFICATION_SYSTEM.md
DATABASE_SCHEMA_DOCUMENTATION.md		DATABASE_SCHEMA_DOCUMENTATION.md
README.md		README.md
README_GITHUB_ACTIONS.md		README_GITHUB_ACTIONS.md
SERVER_STARTUP_GUIDE.md		SERVER_STARTUP_GUIDE.md
SPRING_BOOT_AI_INTEGRATION_SUMMARY.md		SPRING_BOOT_AI_INTEGRATION_SUMMARY.md
database-schema-updated.sql		database-schema-updated.sql
database-schema.sql		database-schema.sql
docker-compose.yml		docker-compose.yml
init.sql		init.sql
initial-data.sql		initial-data.sql
pom.xml		pom.xml
quick-start.bat		quick-start.bat

trevi00/jch

Folders and files

Latest commit

History

Repository files navigation

잡았다 (JBD) - AI 기반 맞춤형 취준생 취업 지원 플랫폼

📋 프로젝트 소개

문제 의식

솔루션

✨ 주요 기능

🤖 AI 서비스

1. RAG 기반 맞춤 자기소개서 생성

2. OpenAI 기반 AI 모의면접 시뮬레이터

3. AI 웹메일 번역 기능

4. DALL-E 3 이미지 생성 & SNS

5. LlamaIndex 기반 AI 챗봇

💼 채용 서비스

👥 사용자 관리

💬 커뮤니티

📧 부가 서비스

🛠 기술 스택

Backend

AI Service

Frontend

Infrastructure & DevOps

📁 프로젝트 구조

🏗 시스템 아키텍처

전체 아키텍처

AI 서비스 플로우

1. RAG 기반 자기소개서 생성

2. AI 면접 시뮬레이터

데이터베이스 ERD (주요 테이블)

🚀 시작하기

사전 요구사항

1. 레포지토리 클론

2. 환경 변수 설정

Backend (.env)

AI Service (.env)

Frontend (.env)

3. 데이터베이스 설정

4. 각 서비스 실행

방법 A: 빠른 시작 스크립트 (Windows)

방법 B: 수동 실행

Backend 실행

AI Service 실행

Frontend 실행

방법 C: Docker Compose (권장)

5. 접속 확인

6. 헬스 체크

📊 주요 화면

1. 대시보드

2. AI 모의면접

3. AI 자기소개서 생성

4. 채용공고 검색

5. 커뮤니티

6. 번역 서비스

🧪 테스트

Backend 테스트

AI Service 테스트

Frontend 테스트

📝 API 문서

Backend REST API

인증 API

채용공고 API

AI 서비스 API

커뮤니티 API

AI Service REST API

🔐 보안

인증/인가

데이터 보호

API 보안

🐳 Docker 배포

docker-compose.yml

실행

📈 성능 최적화

Backend

AI Service

Frontend

About

Resources

Packages