AURORA——基于RAG与LangGraph的AI面试训练平台

技术信息

语言技术
Python、JavaScript系统类型
Web行业分类
人工智能、教育校园

作品详情

行业场景

传统通用大模型不了解求职者自己的简历、项目经历和目标岗位，生成的面试问题缺乏针对性，普通聊天方式也缺少提问、回答、追问、评价和复盘的完整训练闭环。因此，本项目面向AI应用开发和Python后端等技术岗位求职者，利用用户上传的简历、项目资料和岗位信息构建个人知识库，为用户提供具有资料依据的模拟面试训练、回答评价和改进复盘。

功能介绍

系统提供用户认证、资料上传、知识库管理、模拟面试、回答提交、动态追问、多维评价、历史记录、回答改进和简历优化等功能。用户上传PDF、TXT或Markdown资料后，系统完成文档解析、文本切分、向量化存储与检索；面试过程中结合用户资料生成问题和追问，并保存问题、回答、评价及任务结果。耗时任务由后台Worker异步处理，前端展示任务状态、结果和失败信息。
项目链接：
- GitHub：https://github.com/shspic/spi-interview-agent
- 在线演示：https://43.153.181.237:8443

项目实现

项目由本人主导需求拆解、架构选择、功能开发、测试和部署验收，并使用Codex、Claude Code等AI工具辅助代码生成、跨文件分析和问题定位。后端采用FastAPI、SQLAlchemy、Alembic和PostgreSQL，前端采用React；RAG链路使用BGE Embedding、Chroma和RRF融合检索，文档按约800字符、120字符重叠切分。使用LangGraph组织受控面试状态流转，BackgroundJob与Worker实现任务幂等、租约、心跳、重试、取消和状态持久化。项目已通过Docker Compose与Nginx完成公网部署；最近一次完整后端测试基线为410项通过、3项跳过。