AI智能面试官（AI Interview Agent）产品系统Vibe Coding

随着大模型技术的发展，越来越多企业希望通过AI提升招聘与人才评估效率。传统技术面试需要投入大量面试官时间，且面试标准难以统一。本项目旨在构建一个基于大语言模型的智能面试系统，为求职者提供模拟技术面试服务，同时帮助企业实现标准化的初步技术筛选。

系统适用于互联网招聘、校园招聘、培训机构面试辅导等场景。用户可根据目标岗位和技术方向发起模拟面试，系统自动生成问题、评估回答质量并输出综合分析报告，从而提升面试效率与候选人准备质量。

系统主要包含面试创建、题目生成、答案评估、面试报告生成和会话管理等功能模块。

用户输入目标岗位及技术栈后，系统自动生成对应的技术面试题目。用户完成回答后，系统调用大语言模型从技术准确性、知识深度、表达清晰度和综合表现四个维度进行评分，并生成改进建议。

整个面试过程支持多轮问答，系统能够记录当前面试状态，并在面试结束后自动汇总所有问题、回答及评分结果，生成完整的结构化面试报告，帮助用户发现知识薄弱点并制定后续学习计划。

本人负责项目整体设计与开发，包括后端接口开发、AI流程设计、状态管理、模型接入以及部署工作。

项目后端采用FastAPI构建RESTful API服务，使用Pydantic进行数据校验与请求管理。基于LangGraph设计面试状态机，将面试流程拆分为题目生成、答案评估、继续面试和报告生成等多个节点，通过条件路由实现完整流程控制。

系统接入DeepSeek大模型，通过OpenAI兼容SDK实现统一调用，并采用Prompt工程约束模型输出格式，提高评估结果稳定性。前端使用Streamlit构建对话式交互界面，实现接近真实面试场景的用户体验。

项目采用Docker容器化部署，通过环境变量管理模型配置与密钥信息。开发过程中重点解决了大模型输出格式不稳定的问题，通过JSON校验、异常处理及降级策略提高系统稳定性与可维护性。