本项目面向求职者技术面试准备场景，尤其适用于计算机、软件开发、AI 应用开发等岗位的面试训练。传统刷题平台多以静态题库为主，无法根据候选人简历、岗位 JD 和实时回答进行个性化追问，也难以模拟真实面试中的连续对话、压力追问和综合评价。本项目希望解决候选人缺少高质量模拟面试环境、难以及时获得反馈、无法针对个人经历进行定制化训练的问题。系统通过 AI 面试官对简历和岗位要求进行理解，自动生成面试主题、提出问题、持续追问并输出评分和报告，帮助用户在面试前发现知识短板、表达问题和项目经历中的薄弱点。
项目主要包含用户认证、简历上传、AI 模拟面试、JD 刷题练习、答案评分、历史记录和报告生成等功能模块。用户注册登录后，可以上传 PDF、DOCX 或文本格式简历，系统会解析简历内容并基于大模型生成面试主题。用户点击开始面试后，AI 会立即生成第一道问题，随后根据用户回答判断是否需要继续追问，形成类似真实技术面试的多轮对话流程。系统还支持根据岗位 JD 生成技术面试题，用户提交回答后，AI 会从技术能力、逻辑表达、工程经验、沟通能力和综合表现等维度进行评分，并给出反馈。面试结束后，系统可根据历史答题记录生成结构化面试报告，展示优势、不足和改进建议。
我主要负责项目前后端核心功能设计与实现。后端采用 FastAPI + SQLAlchemy + MySQL 构建接口和数据持久化，使用 JWT 完成用户鉴权，并通过 PBKDF2 对密码进行哈希存储。AI 能力基于 LangChain 和 Ollama 实现，将不同任务拆分为独立 prompt 和 chain，例如题目生成、首题生成、追问判断、回答评分和报告生成。面试流程通过 interview、topic、message 等数据模型维护状态，支持按主题追问和自动切换 topic。前端采用 Next.js，实现登录注册、简历上传、开始面试和类 ChatGPT 聊天界面，并加入本地状态恢复、固定聊天区域和打字机式 AI 输出。项目还引入 Chroma 向量库，为后续 RAG 检索增强预留扩展能力。
评论