数智人事 (HRM System) – AI強化型人事管理

概要

• Spring Boot 3.4（Java 17）をバックエンド、Vue 2.6 + Element UI をフロントエンドに採用したフルスタックHRM（人事管理）プラットフォームです。
• 通常の人事機能（組織図、従業員ライフサイクル、勤怠、休暇、残業、給与、社会保険、RBAC、ワークフロー）に加え、大規模言語モデル（LLM）サービス（DashScope または OpenAI 互換）を利用して従業員の人事関連の質問に回答できるRAGベースのナレッジベースを組み込んでいます。

重要性

• 製品全体を書き直すことなく、従来のエンタープライズシステムに生成AI機能を追加できる方法を示しています。
• フレームワークから独立してユニットテスト可能な純計算ドメインロジック（残業、給与）の明確な分離を示しています。
• Flowable 8.0 ワークフローエンジン、Spring Security JWT ダブルトークン認証、セマンティック検索用の**ベクターストア（PostgreSQL + pgvector）**の統合の、すぐに実行可能な例を提供します。

---

コア機能

カテゴリ	概要
HRコア	組織/部門管理、従業員プロフィール、きめ細かいRBAC、勤怠・打刻、休暇・残業申請、給与・社保設定。
ワークフロー	Flowable 8.0 ネイティブ統合、ワークフローデータ用の独立したMySQL DB、副作用（例：休暇残数の更新）のためのリスナー。
AI搭載Q&A	RAGパイプライン：ドキュメントアップロード → MinIO保存 → チャンク分割 → 埋め込み（DashScope/OpenAI）→ pgvectorベクトルDB → セマンティック検索 → 従業員コンテキスト（部門、役割）を含むLLM生成回答。
セキュリティ	HttpOnlyダブルトークン（アクセス＋リフレッシュ）をCookieに保存、Axiosインターセプターによる透過的リフレッシュ、XSS耐性、Spring Security RBAC。
インフラ	マルチエンジン永続化：MySQL（業務）、PostgreSQL + pgvector（ベクトル）、Redis（キャッシュ＆キャプチャ）、MinIO（オブジェクトストレージ）。
可観測性	Swagger‑UI（OpenAPI 3.1）自動生成ドキュメント、EChartsによる勤怠分析ダッシュボード。

---

アーキテクチャ概要

 graph TB
  subgraph Front[Vue 2.6 + Element UI]
    UI[UI components] --> Router[Vue‑Router (dynamic menus)]
    Router --> Store[Vuex (user, token, permissions)]
    Store --> Axios[Axios (double‑token refresh)]
  end
  subgraph Auth[Spring Security]
    JWT[JwtAuthenticationFilter] --> RBAC[RBAC checks]
  end
  subgraph Backend[Spring Boot 3.4]
    Service[Application services] --> Domain[Pure‑calc modules (OvertimeCalculator, SalaryCalculation)]
    Service --> Flowable[Flowable engine (MySQL flowable DB)]
    Service --> Knowledge[KnowledgeService (ETL, vector store)]
    Service --> Chat[AI Assistant (LLM & embedding)]
  end
  subgraph Storage[Persistence]
    MySQL[(MySQL – business)]
    FlowDB[(MySQL – flowable)]
    PG[(PostgreSQL + pgvector – vectors)]
    Redis[(Redis – cache/captcha)]
    MinIO[(MinIO – files)]
  end
  Front -->|HTTP/REST| JWT --> Auth --> Service
  Service --> MySQL
  Service --> FlowDB
  Knowledge --> MinIO
  Knowledge --> PG
  Chat --> LLM[Configurable LLM]
  Chat -.retrieval.-> PG

---

Tech Stack

Layer	Tools & Versions
Language	Java 17, JavaScript (ES6)
Back‑end Framework	Spring Boot 3.4.4, Spring Security 6.x, MyBatis‑Plus 3.5.10
Workflow Engine	Flowable 8.0.0
AI Integration	Spring AI 1.0.0 (spring‑ai‑alibaba 1.0.0.2), compatible with DashScope or OpenAI APIs
Vector Store	PostgreSQL 16 + pgvector extension
Cache / Session	Redis 5.0
Object Storage	MinIO (S3‑compatible)
Front‑end	Vue 2.6.14, Element UI 2.15.7, Vue‑Router 3.2, Vuex 3.6, Axios 0.25, ECharts 5.3
Containerisation	Docker Compose (MySQL, Redis, PostgreSQL, MinIO)
Docs / API	SpringDoc OpenAPI 2.8 (Swagger UI)

---

Getting Started Locally

1. Start middleware

   docker compose -f docker/local/docker-compose.yml up -d
   

   (MySQL 8.1, Redis 5, PostgreSQL 16 with pgvector, MinIO)
2. Import DB schemas

   mysql -h 127.0.0.1 -P 3306 -uroot -p123456 hrm < db/mysql/hrm.sql
   mysql -h 127.0.0.1 -P 3306 -uroot -p123456 hrm_flowable < db/mysql/hrm_flowable.sql
   psql -h 127.0.0.1 -p 5432 -U hrm -d hrm_kb -f db/postgresql/knowledge_base.sql
   

3. Configure AI credentials (optional for the smart Q&A)

   # create hrm-server/.env (see .env.example)
   LLM_API_KEY=