CareerNexus 职联：岗位能力图谱构建与动态演化分析平台（挑战杯 XH-202621）

- 全链路：多源JD接入/清洗交叉验证/结构化抽取(星火+离线双通道)/时序知识图谱/新岗位发现/演化分析/人岗匹配/学习路径
- WebUI 五视图：驾驶舱/图谱工作台/岗位演化/匹配(单人+批量)/学习路径
- 设置中心(config.json)/Token鉴权/SQLite状态库/语义向量通道(BGE-M3本地或联网API)
- 71 个 pytest 用例；数据目录仅保留结构(.gitkeep)，数据由 scripts/generate_dataset.py 复现

docker-compose.yml

@@ -0,0 +1,45 @@
+services:
+  app:
+    build: .
+    ports:
+      - "9008:9008"
+    environment:
+      # 可选：配置密钥 + config.yaml 改 live 即启用大模型抽取通道
+      - SPARK_API_KEY=${SPARK_API_KEY:-}
+      # 可选高级组件：--profile advanced 启动 neo4j 后，经以下变量连接图库
+      # （仅供 scripts/sync_neo4j.py 等扩展使用，平台默认 TemporalKG 不依赖它）
+      - NEO4J_URI=${NEO4J_URI:-bolt://neo4j:7687}
+      - NEO4J_USER=${NEO4J_USER:-neo4j}
+      - NEO4J_PASSWORD=${NEO4J_PASSWORD:-}
+    # volumes:
+    #   - ./data:/app/data       # 数据落盘持久化
+    #   - ./models:/app/models   # 语义权重挂载（本地下载的 bge-m3，免进镜像）
+
+  # ────────────────────────────────────────────────────────────────
+  # 语义向量通道（BGE-M3）说明：
+  # 方式一（镜像内打包）：docker build --build-arg INCLUDE_EMBED=1 -t careernexus:semantic .
+  # 方式二（权重挂载）：把本地下载的 bge-m3 放到 ./models/bge-m3，
+  #   取消上面 models 卷注释，并在设置面板把权重目录填为 /app/models/bge-m3
+  # ────────────────────────────────────────────────────────────────
+
+  # ────────────────────────────────────────────────────────────────
+  # 可选高级组件：Neo4j 图数据库（默认不启动，不参与竞赛交付主链路）
+  #
+  # 启动：  NEO4J_PASSWORD=你的密码 docker compose --profile advanced up -d neo4j
+  # 浏览器：http://localhost:7474 （用户名 neo4j，密码即上面注入的值）
+  # 同步：  pip install neo4j && python scripts/sync_neo4j.py
+  # ────────────────────────────────────────────────────────────────
+  neo4j:
+    profiles: ["advanced"]
+    image: neo4j:5-community
+    ports:
+      - "7474:7474"   # HTTP / Browser
+      - "7687:7687"   # Bolt
+    environment:
+      # 初始密码经环境变量注入；缺省 careernexus 仅供本地演示
+      - NEO4J_AUTH=neo4j/${NEO4J_PASSWORD:-careernexus}
+    volumes:
+      - neo4j_data:/data
+
+volumes:
+  neo4j_data: