Skip to content

Noahmlng/Impromptu

BranchesTags

Repository files navigation

Impromptu - AI智能社交匹配平台

基于大语言模型和多维算法的智能社交匹配系统，专为寻找队友、合作伙伴、恋爱对象等场景设计的现代化全栈应用。

✨ 项目特色

🧠 AI驱动的多维匹配 - 结合LLM、LDA主题建模、向量相似度的智能算法
🎯 精准兼容性分析 - 性格、兴趣、职业、价值观、诉求等6维度深度匹配
🔐 安全的用户系统 - 基于Supabase的认证和数据管理
💬 智能个性分析 - AI驱动的个性化聊天和深度画像分析
🎮 互动解锁机制 - 趣味小游戏解锁更多匹配功能
📱 现代化界面 - Next.js + Tailwind CSS打造的响应式用户体验

🎯 核心功能

智能匹配系统

  • 多维度兼容性分析: 性格、兴趣、职业、价值观、诉求、互补性等6个维度
  • AI增强分析: 基于大语言模型的深度语义理解和匹配推荐
  • 向量化搜索: 使用Faiss进行高效的用户相似度计算
  • 动态权重调整: 根据用户类型和诉求智能调整匹配算法权重

用户体验功能

  • 个性化档案: 丰富的用户信息收集和展示
  • 实时聊天: AI辅助的个性分析对话系统
  • 匹配搜索: 即时的匹配结果搜索和筛选
  • 解锁系统: 通过小游戏解锁更多功能和匹配机会

技术特性

  • RESTful API: 完整的后端API服务
  • 实时通信: WebSocket支持的实时功能
  • 数据安全: 企业级的数据加密和隐私保护
  • 性能优化: 缓存机制和算法优化确保快速响应

🏗️ 技术架构

前端技术栈

  • 框架: Next.js 14 (App Router)
  • 语言: TypeScript
  • 样式: Tailwind CSS + Radix UI
  • 状态管理: Zustand
  • 认证: Supabase Auth
  • 主题: next-themes (深色/浅色模式)

后端技术栈

  • 框架: FastAPI (Python)
  • 数据库: Supabase (PostgreSQL)
  • AI服务: OpenAI API + Moonshot AI
  • 向量搜索: Faiss
  • 主题建模: Gensim (LDA)
  • 中文处理: jieba分词

算法技术

  • 机器学习: scikit-learn + numpy
  • 自然语言处理: 中文分词 + 停用词过滤
  • 向量化: TF-IDF + Word2Vec
  • 相似度计算: 余弦相似度 + 欧氏距离

📁 项目结构

Impromptu/
├── frontend/                   # Next.js 前端应用
│   ├── app/                   # App Router页面
│   │   ├── home/             # 主页
│   │   ├── chat/             # 聊天页面
│   │   ├── profile/          # 用户档案
│   │   ├── personality-chat/ # 个性分析聊天
│   │   └── onboarding/       # 用户引导
│   ├── components/           # React组件
│   │   ├── ui/              # 基础UI组件
│   │   ├── chat-interface.tsx
│   │   ├── match-search.tsx
│   │   └── unlock-modal.tsx
│   ├── lib/                 # 工具库
│   │   ├── api.ts          # API客户端
│   │   ├── store.ts        # 状态管理
│   │   └── supabase.ts     # 数据库客户端
│   └── hooks/              # React Hooks
├── backend/                # Python 后端服务
│   ├── algorithms/         # 核心匹配算法
│   │   ├── llm_compatibility_analyzer.py
│   │   ├── tag_compatibility_analyzer.py
│   │   └── user_profile_analyzer.py
│   ├── models/            # 数据模型
│   │   ├── compatibility_result.py
│   │   ├── matching_result.py
│   │   ├── topic_modeling.py
│   │   └── vector_matching.py
│   ├── services/          # 业务服务
│   │   ├── main_api.py    # 主API服务
│   │   ├── auth_service.py
│   │   ├── matching_service.py
│   │   ├── database_service.py
│   │   └── unlock_service.py
│   └── prompts/           # AI提示词
├── configs/               # 配置文件
│   ├── config.py         # 主配置
│   └── prompts/          # 提示词模板
├── data/                 # 数据目录
│   ├── raw/profiles/     # 用户档案
│   ├── processed/        # 处理后数据
│   ├── models/           # 训练模型
│   └── results/          # 匹配结果
├── scripts/              # 工具脚本
│   ├── setup/           # 部署脚本
│   ├── demo/            # 演示脚本
│   └── database/        # 数据库脚本
└── docs/                # 项目文档

🚀 快速开始

环境要求

  • Node.js: 18.0+
  • Python: 3.8+
  • 操作系统: macOS, Linux, Windows

一键启动

# 克隆项目
git clone <repository-url>
cd Impromptu

# 快速启动（包含环境检查、依赖安装、服务启动）
make quick-start

开发模式

# 开发模式 - 同时启动前后端服务
make dev

# 仅启动后端 (http://localhost:8000)
make backend

# 仅启动前端 (http://localhost:3000)  
make frontend

# 查看所有可用命令
make help

手动安装

# 1. 安装依赖
make install

# 2. 配置环境变量
cp .env.example .env.local
# 编辑 .env.local 添加必要的API密钥

# 3. 初始化数据库
python scripts/database/simple_create_table.py

# 4. 训练模型（可选）
python scripts/train/train_models.py

# 5. 启动服务
make dev

🌐 访问地址

启动成功后，访问以下地址：

💡 使用指南

1. 用户注册登录

  • 支持邮箱注册和登录
  • 安全的身份认证和会话管理
  • 个人信息保护和隐私设置

2. 创建个人档案

{
  "basic_info": {
    "name": "张三",
    "age": 28,
    "location": "北京",
    "occupation": "产品经理"
  },
  "personality": {
    "mbti": "ENFP", 
    "traits": ["外向", "创新", "协作"]
  },
  "interests": ["AI技术", "创业", "产品设计"],
  "user_request": {
    "request_type": "找队友",
    "description": "寻找技术合伙人，希望一起做AI产品"
  }
}

3. 智能匹配

  • 输入匹配诉求和偏好
  • AI分析生成个性化匹配结果
  • 查看详细的兼容性评分报告

4. 互动解锁

  • 通过趣味小游戏获得解锁机会
  • 解锁更多用户档案和匹配功能
  • 增加平台互动性和用户粘性

🧠 算法详解

多维度匹配算法

# 评分权重配置
scoring_weights = {
    "personality_match": 0.25,    # 性格匹配
    "interests_match": 0.20,      # 兴趣匹配
    "career_match": 0.20,         # 职业匹配
    "values_match": 0.15,         # 价值观匹配
    "request_match": 0.15,        # 诉求匹配
    "complementary_match": 0.05   # 互补性匹配
}

AI增强分析

  • 语义理解: 深度理解用户档案和诉求描述
  • 智能推理: 基于上下文的兼容性推理
  • 个性化建议: 针对性的关系发展建议

评分体系

  • 0-3分: 匹配度较低，不建议联系
  • 4-5分: 一般匹配，可以了解
  • 6-7分: 较好匹配，值得深入交流
  • 8-10分: 高度匹配，强烈推荐

📊 API接口

核心接口

# 用户匹配
POST /api/match/analyze
POST /api/match/search

# 用户管理  
GET /api/users/profile
PUT /api/users/profile
POST /api/users/register

# 解锁功能
POST /api/unlock/attempt
GET /api/unlock/status

# 聊天服务
POST /api/chat/personality
GET /api/chat/history

详细API文档请访问: http://localhost:8000/docs

🔧 配置说明

环境变量

# .env.local
SUPABASE_URL=your_supabase_url
SUPABASE_ANON_KEY=your_supabase_anon_key
OPENAI_API_KEY=your_openai_key
KIMI_API_KEY=your_moonshot_key
NEXT_PUBLIC_APP_URL=http://localhost:3000

配置文件

  • configs/config.py: 后端配置参数
  • configs/prompts/prompts.yaml: AI提示词模板
  • frontend/next.config.js: 前端构建配置

🛠️ 开发工具

可用命令

make dev          # 开发模式
make test         # 运行测试  
make clean        # 清理临时文件
make status       # 检查服务状态
make logs         # 查看日志
make stop         # 停止所有服务
make restart      # 重启服务

代码规范

  • 后端遵循 PEP 8 Python编码规范
  • 前端使用 ESLint + Prettier 格式化
  • 使用 TypeScript 确保类型安全

🔒 安全特性

  • 数据加密: 敏感信息端到端加密
  • 身份认证: JWT + Supabase 安全认证
  • 隐私保护: 最小化数据收集原则
  • API安全: 请求限流和权限控制

📈 性能优化

  • 算法优化: 向量化计算和批处理
  • 缓存机制: Redis缓存热点数据
  • 异步处理: 非阻塞IO和并发处理
  • 前端优化: 代码分割和懒加载

🤝 贡献指南

欢迎提交Issue和Pull Request！

  1. Fork项目仓库
  2. 创建功能分支: git checkout -b feature/new-feature
  3. 提交更改: git commit -m 'Add new feature'
  4. 推送分支: git push origin feature/new-feature
  5. 提交Pull Request

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

🆘 问题反馈

遇到问题？

⭐ 如果这个项目对您有帮助，请给我们一个Star！

About

Your personal AI social proxy

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

1 tags

Packages

No packages published

Contributors 3

  •  
  •  
  •  

Languages