随着各种技术被人们熟练利用,为了提高生产效率,社会上诞生出了许许多多有创新性的岗位,这些职业如同几十年前那些被现在的人们所熟知的职业一样,虽然有大批劳动力涌向新的劳动市场,但人力资源的利用效率并不高。在新职业不断被发掘的这个年代,如果只是依靠在大量劳动力中吸取小部分养分让行业焕发活力这种方式,将会造成众多劳动力的损耗,不能使社会更加迅速的发展,引发各类劳动力分配不均的效应。其中,大学生就业难的问题便是很典型的例子。随着互联网技术的飞速发展,网络招聘己经取代传统招聘形式成为国内主流的招聘方式。大量的招聘信息被发布到各个招聘网站,数据信息量呈指数级的增加,人力资源推荐面临“信息过载”的挑战。国内外各大招聘平台使用的传统推荐方式是按工作性质分类和关键字搜索,需要耗费用户很多精力和时间去筛选,如何快速准确地了解与自己能力匹配的岗位与薪资情况成了亟待解决的问题。本文针对当前国内大学生就业难的问题,通过人工智能技术以及软件工程,对传统的求职软件体系进行优化,设计了相似岗位推荐和预测岗位薪资系统。该系统的涉众包括了管理员和用户:管理员利用爬虫管理、首页推荐管理和模型管理可以帮助系统进行岗位信息的维护和推荐预测核心功能的维护;用户则可以通过使用系统搜索到心仪的岗位信息及其相似的岗位,还可以进行心仪岗位的薪资预测对标自身能力进行合适岗位选取。本系统采用前后端分离的方式进行软件设计,符合B/S结构,采用了目前构建软件最为快速的Python网页开发技术,涉及Vue、Python、机器学习、My SQL数据库、Linux服务器等。用户端采用UI体验较好的Web应用开发,能够跨平台运行并且界面友好。与目前较为流行的求职应用相比,本系统加入了岗位薪资预测的功能,有利于用户了解自身缺陷,同时通过使用岗位推荐功能,找到自身最适宜的岗位,从而提高社会、经济效益。最后对该系统进行了推荐模型效果测试、兼容性测试、功能及并发性能测试,根据结果对并发性能的提高提出了优化方案。除此之外,在系统开发的过程中解决了两个技术问题:（1）利用Linux服务器的Crontab监控爬虫程序的运行,使得爬虫程序获取到的均为较新的数据,不仅可以为用户及时提供有效的数据,还可以为相似推荐模型和薪资预测模型的实时性更新提供及时的服务。（2）设计了管理员手动传入模型文件的功能,解决了由于系统自动更新模型带来的模型预测不准确而无法及时得到修复的问题,尤其是相似岗位推荐的模型,因为其最依赖实时的数据。通过此功能管理员能及时在工作环境中机器学习出较准确的模型,并且传输至服务器中作用达成修复错误的目的。