🎯 AI Lab-InterReviewer — Cybernetic Command

一款面向顶尖高校实验室申请场景的 AI 面试系统，通过大语言模型模拟不同面试风格，提供全流程、多维度、沉浸式的面试训练体验。采用 Clean Architecture 分层架构重构，前端采用 「指挥舱」 深空主题 Dashboard 设计。

📋 目录

核心功能
系统架构
技术栈
快速开始
环境变量配置
项目结构
API 接口说明
个性化定制

🚀 核心功能

全流程面试模拟

系统支持完整的 10 阶段面试流程，顶部进度条实时追踪：

开始 → 自我介绍 → 经历深挖 → 基础知识 → 代码 → 科研动机 → 科研潜力 → 综合追问 → 学生反问 → 结束

功能矩阵

功能	说明
语音面试	Web Audio API 录音 → StepFun ASR 识别 → 自动发送至对话
文字对话	SSE 流式响应，实时逐字渲染 AI 回复
流式 TTS	Edge-TTS 句子级并行合成，边生成边播放，首句响应 < 2s
沉浸式模式	全屏语音交互界面，极简操作体验
RAG 知识库	ChromaDB 向量检索，CS 领域专业题库
代码编辑器	CodeMirror IDE 面板，语法高亮、括号匹配、代码折叠
AI 面试报告	多维度加权评分，Markdown 导出
简历解析	PDF 上传 → AI 分析，针对性个性化提问
导师信息搜索	联网检索目标导师信息，注入面试上下文
视频录制	可选 WebRTC 摄像头录制，面试留存
测试房间	导师创建房间 → 学生加入 → 标准化测试，结果自动上传
精简对话模式	仅显示当前轮次问答，模拟真实面试界面

🏗️ 系统架构

Clean Architecture 分层设计

┌─────────────────────────────────────────────┐
│                  API 层                      │
│         FastAPI Routes / Dependencies        │
├─────────────────────────────────────────────┤
│                 服务层                        │
│  ChatService / AudioService / ResumeService  │
│  AdvisorService / RoomService / ReportService│
├─────────────────────────────────────────────┤
│                 领域层                        │
│    Entities / Interfaces / Value Objects     │
├─────────────────────────────────────────────┤
│              基础设施层                       │
│  LLM / TTS / ASR / RAG / Storage / Utils    │
└─────────────────────────────────────────────┘

请求流程

浏览器 (ES Modules 模块化前端)
  │
  ├── POST /api/asr         → ASRProvider → StepFun ASR
  │
  ├── POST /api/chat/stream → ChatService
  │                              ├── RAGEngine (ChromaDB 检索)
  │                              ├── LLMProvider (Qwen 流式生成)
  │                              └── TTSProvider (Edge-TTS 合成)
  │
  ├── POST /api/resume/upload → ResumeService → PDF解析 + AI分析
  │
  ├── POST /api/advisor/search → AdvisorService → 联网检索
  │
  ├── POST /api/report/stream  → ReportService → AI报告生成
  │
  ├── POST /api/teacher/create → RoomService → 创建测试房间
  │
  └── POST /api/student/join/{id} → RoomService → 加入房间

🛠️ 技术栈

后端

组件	技术	说明
Web 框架	FastAPI	异步高性能、SSE 流式推送、自动 API 文档
架构模式	Clean Architecture + DI	依赖注入容器，分层解耦
配置管理	Pydantic Settings	类型安全配置，.env 文件支持
LLM	DashScope (Qwen-Plus)	国内低延迟，流式输出
Embedding	DashScope Embedding	向量化中文文本
向量库	ChromaDB	本地持久化，元数据过滤
RAG	LangChain	文本分块 + 向量检索
TTS	Edge-TTS	免费多声色，句子级并行
ASR	StepFun step-asr	中文识别准确率高
HTTP 客户端	httpx	异步 HTTP，ASR API 调用
PDF 解析	pdfplumber + PyPDF2	简历 + 导师文档解析

前端

技术	用途
原生 HTML/CSS/JS	零框架依赖，轻量高效
ES Modules	模块化前端架构，EventBus 事件解耦
EventBus	发布-订阅模式，解耦模块间通信
StateManager	单一数据源，集中管理应用状态
Web Audio API	浏览器录音
SSE (EventSource)	流式对话接收
CodeMirror 5	Web IDE 编辑器
CSS Glassmorphism	深空主题设计系统

⚡ 快速开始

环境要求

Python 3.10+
阿里云 DashScope API Key（LLM + Embedding）
StepFun API Key（ASR 语音识别，TTS 可选）

安装步骤

# 1. 克隆项目
git clone https://github.com/your-repo/AI_Intereviewer_USTC.git
cd AI_Intereviewer_USTC

# 2. 安装依赖
pip install -r requirements.txt

# 3. 配置环境变量
cp .env.example .env
# 编辑 .env 填写 API Keys

# 4. 构建知识库向量索引
python scripts/build_cs_vector_store.py

# 5. 启动服务
uvicorn main:app --host 0.0.0.0 --port 8000 --reload

访问

地址	说明
`http://localhost:8000`	学生端主界面
`http://localhost:8000/static/teacher.html`	导师端管理界面
`http://localhost:8000/docs`	FastAPI 交互文档

🔧 环境变量配置

所有配置通过 .env 文件或环境变量注入，参考 .env.example。

必填项

变量	说明
`DASHSCOPE_API_KEY`	阿里云 DashScope API Key（LLM + Embedding）
`STEPFUN_API_KEY_1`	StepFun API Key（至少配置一个）

可选项

变量	默认值	说明
`LLM_MODEL`	`qwen-plus`	使用的 LLM 模型
`TTS_PROVIDER`	`edge`	TTS 提供者：`edge`（免费）或 `stepfun`
`TTS_VOICE`	`zh-CN-YunjianNeural`	Edge-TTS 声色
`PORT`	`8000`	服务端口
`DEBUG`	`false`	调试模式
`SESSION_TTL_HOURS`	`2`	会话有效期（小时）
`MAX_CONVERSATION_TURNS`	`50`	最大对话轮数
`STEPFUN_API_KEY_2~8`	空	多 Key 轮询（可选，突破限流）

TTS 声色选项

声色	名称	特点
`zh-CN-YunjianNeural`	云健	沉稳磁性（默认）
`zh-CN-YunxiNeural`	云希	年轻活泼
`zh-CN-XiaoxiaoNeural`	晓晓	甜美女声

📁 项目结构

AI_Intereviewer_USTC/
├── main.py                          # FastAPI 应用入口
├── config.py                        # 旧版配置（向后兼容）
├── requirements.txt                 # Python 依赖
├── pytest.ini                       # 测试配置
├── .env.example                     # 环境变量模板
│
├── backend/                         # 后端分层架构（Clean Architecture）
│   ├── config/
│   │   ├── settings.py              # Pydantic Settings 配置管理
│   │   └── prompts/                 # 预设提示词
│   │
│   ├── domain/                      # 领域层（业务核心）
│   │   ├── entities/                # 实体：InterviewSession, ResumeInfo, AdvisorInfo
│   │   ├── interfaces/              # 抽象接口：LLMProvider, TTSProvider, ASRProvider
│   │   ├── value_objects/           # 值对象
│   │   └── events/                  # 领域事件
│   │
│   ├── infrastructure/              # 基础设施层（外部依赖实现）
│   │   ├── llm/                     # LLM 提供者（DashScope/StepFun）
│   │   ├── tts/                     # TTS 提供者（Edge-TTS）
│   │   ├── asr/                     # ASR 提供者（StepFun）
│   │   ├── rag/                     # RAG 引擎（ChromaDB）
│   │   ├── storage/                 # 存储（会话/文件）
│   │   └── utils/                   # 工具（文本清理等）
│   │
│   ├── services/                    # 服务层（业务逻辑编排）
│   │   ├── chat_service.py          # 流式聊天
│   │   ├── audio_service.py         # TTS + ASR
│   │   ├── resume_service.py        # 简历解析
│   │   ├── advisor_service.py       # 导师搜索
│   │   ├── room_service.py          # 测试房间管理
│   │   └── report_service.py        # 面试报告生成
│   │
│   ├── api/                         # API 层（路由 + 依赖注入）
│   │   ├── routes/
│   │   │   ├── chat.py              # /api/chat/* /api/asr
│   │   │   ├── resume.py            # /api/resume/*
│   │   │   ├── advisor.py           # /api/advisor/*
│   │   │   ├── room.py              # /api/teacher/* /api/student/*
│   │   │   └── report.py            # /api/report/*
│   │   └── dependencies.py          # 通用依赖（presets等）
│   │
│   ├── container.py                 # 依赖注入容器
│   └── tests/                       # 测试
│       ├── conftest.py              # 通用 fixtures
│       ├── unit/                    # 单元测试
│       │   ├── test_domain/
│       │   ├── test_services/
│       │   └── test_infrastructure/
│       └── integration/             # 集成测试
│           └── test_api/
│
├── frontend/                        # 前端模块化架构（ES Modules）
│   ├── core/
│   │   ├── event-bus.js             # 全局事件总线
│   │   ├── state-manager.js         # 状态管理器
│   │   ├── api-client.js            # API 客户端封装
│   │   └── config.js                # 前端配置
│   ├── modules/
│   │   ├── settings/
│   │   │   ├── settings-manager.js  # 设置管理
│   │   │   ├── sidebar-manager.js   # 侧边栏
│   │   │   └── drawer-manager.js    # 抽屉面板
│   │   ├── resume/
│   │   │   └── resume-manager.js    # 简历管理
│   │   ├── advisor/
│   │   │   └── advisor-manager.js   # 导师搜索
│   │   └── interview/
│   │       ├── mode-manager.js      # 面试模式（标准/沉浸/测试）
│   │       ├── phase-timeline.js    # 阶段时间线
│   │       └── report-manager.js    # 报告生成
│   └── main.js                      # 模块化应用入口
│
├── static/                          # 静态资源（传统前端，仍在使用）
│   ├── index.html                   # 学生端主页面
│   ├── teacher.html                 # 导师端页面
│   ├── css/style.css                # 深空 Glassmorphism 设计系统
│   └── js/
│       ├── app.js                   # 主应用逻辑（单体，历史遗留）
│       ├── chat.js                  # 对话模块
│       ├── audio.js                 # 录音模块
│       ├── tts-stream.js            # TTS 流式播放
│       ├── vad.js                   # 语音活动检测
│       ├── video.js                 # 视频录制
│       ├── teacher.js               # 导师端逻辑
│       └── markdown-renderer.js     # Markdown 渲染
│
├── modules/                         # 旧版后端模块（向后兼容）
│   ├── llm_agent.py
│   ├── rag_engine.py
│   ├── audio_processor.py
│   ├── interview_manager.py
│   ├── ai_report.py
│   ├── resume_parser.py
│   ├── advisor_search.py
│   ├── advisor_docs.py
│   └── room_manager.py
│
├── data/                            # 知识库数据
│   └── cs ai/                       # CS 专业题库（JSONL）
│
├── vector_db/                       # ChromaDB 向量数据库（本地持久化）
├── scripts/
│   └── build_cs_vector_store.py     # 知识库向量化构建脚本
│
├── output/                          # 运行时输出（gitignored）
│   ├── reports/                     # 面试报告
│   ├── videos/                      # 录像文件
│   ├── rooms/                       # 房间数据
│   └── advisor_docs/                # 导师文档
│
└── temp_audio/                      # TTS/ASR 临时音频（gitignored）

📡 API 接口说明

所有接口通过 X-Session-ID Header 传递会话 ID。

对话接口

方法	路径	说明
`POST`	`/api/chat/stream`	流式聊天（SSE）
`POST`	`/api/asr`	语音识别（上传音频 → 返回文字）
`POST`	`/api/tts`	文字转语音
`GET`	`/api/settings`	获取会话设置
`POST`	`/api/settings`	保存会话设置
`GET`	`/api/presets`	获取预设提示词
`GET`	`/api/rag/domains`	获取可用 RAG 领域
`GET`	`/api/rag/history`	获取检索历史

简历接口

方法	路径	说明
`POST`	`/api/resume/upload`	上传并解析简历 PDF
`GET`	`/api/resume/status`	获取简历上传状态
`DELETE`	`/api/resume`	删除简历

导师接口

方法	路径	说明
`POST`	`/api/advisor/search`	联网搜索导师信息
`GET`	`/api/advisor/status`	获取当前导师状态
`DELETE`	`/api/advisor`	清除导师信息
`POST`	`/api/advisor/document/upload`	上传导师文档
`GET`	`/api/advisor/document/list`	获取文档列表
`DELETE`	`/api/advisor/document/{filename}`	删除指定文档

报告接口

方法	路径	说明
`POST`	`/api/report/stream`	流式生成面试报告（SSE）
`GET`	`/api/report/download/json`	下载 JSON 格式对话记录
`GET`	`/api/report/download/txt`	下载 TXT 格式对话记录

测试房间接口（导师端）

方法	路径	说明
`POST`	`/api/teacher/create`	创建测试房间
`GET`	`/api/teacher/rooms`	列出所有房间
`GET`	`/api/teacher/room/{id}`	获取房间详情
`PUT`	`/api/teacher/room/{id}/close`	关闭房间
`GET`	`/api/teacher/room/{id}/results`	获取学生结果

测试房间接口（学生端）

方法	路径	说明
`POST`	`/api/student/join/{room_id}`	加入测试房间
`POST`	`/api/student/submit`	提交测试结果

🎨 个性化定制

面试官风格

在控制面板切换预设角色，或选择「自定义」编写完整 System Prompt：

风格	特点
温和型	循循善诱，充分提示，适合初学者
正常型（默认）	导师面试常规节奏，平衡考察基础与潜力
压力型	高频深挖，检验科研严谨性与抗压表达
自定义	完全自定义 System Prompt

知识库扩展

# 新增领域只需 3 步：
# 1. 准备 JSONL 数据 → data/<新领域>/qa_xxx.jsonl
# 2. 运行向量化脚本
python scripts/build_cs_vector_store.py
# 3. 前端自动识别 vector_db/ 下的新领域目录

运行测试

# 运行所有单元测试
pytest backend/tests/unit/ -v

# 运行基础设施层测试
pytest backend/tests/unit/test_infrastructure/ -v

# 运行服务层测试
pytest backend/tests/unit/test_services/ -v

# 运行带覆盖率报告
pytest backend/tests/ --cov=backend --cov-report=html

🔮 未来规划

多用户并发优化 — 进一步优化 API Key 轮询策略
视频面试分析 — 表情 + 姿态分析模块
多语言面试 — 英文面试官角色
学习路径推荐 — 基于薄弱点生成个性化学习计划
多 Agent 协作 — 技术面 + HR 面联动

📄 许可证

MIT License

🌟 如果这个项目对你有帮助，请给一个 Star 支持！

Name		Name	Last commit message	Last commit date
Latest commit History 45 Commits
backend		backend
data		data
docs		docs
frontend		frontend
modules		modules
static		static
.env.example		.env.example
.gitignore		.gitignore
DEPLOYMENT.md		DEPLOYMENT.md
README.md		README.md
build_vector.py		build_vector.py
config.py		config.py
main.py		main.py
pytest.ini		pytest.ini
requirements.txt		requirements.txt
后端函数汇总.md		后端函数汇总.md

Folders and files

Latest commit

History

Repository files navigation

🎯 AI Lab-InterReviewer — Cybernetic Command

📋 目录

🚀 核心功能

全流程面试模拟

功能矩阵

🏗️ 系统架构

Clean Architecture 分层设计

请求流程

🛠️ 技术栈

后端

前端

⚡ 快速开始

环境要求

安装步骤

访问

🔧 环境变量配置

必填项

可选项

TTS 声色选项

📁 项目结构

📡 API 接口说明

对话接口

简历接口

导师接口

报告接口

测试房间接口（导师端）

测试房间接口（学生端）

🎨 个性化定制

面试官风格

知识库扩展

运行测试

🔮 未来规划

📄 许可证

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages