AI 面试练习平台

基于阿里云通义千问 Qwen 的智能面试模拟系统，支持微信小程序和 iOS 双端应用。

项目简介

AI 面试练习平台是一个完整的面试模拟系统，通过阿里云通义千问 Qwen 提供真实的 AI 面试官体验。系统包含后端 API 服务、微信小程序和 iOS 原生应用，为求职者提供专业的面试练习环境。

核心价值

真实面试体验：AI 面试官基于岗位和轮次提出专业问题，支持多轮对话
即时反馈：每个回答获得评分和改进建议，帮助快速提升
专业报告：五维度能力评估，直观展示优势与不足
灵活交互：支持文字和语音输入，提供聊天和沉浸两种模式

功能特性

1. 智能面试系统

多岗位覆盖

技术类：前端、后端、算法、移动端、全栈、DevOps、测试、架构师等
产品类：产品经理、产品运营、数据产品等
业务类：销售、市场、运营、客服等
支持 20+ 个不同岗位

面试轮次选择

HR 面：基本情况、稳定性、职业规划
技术一面/二面/三面：技术深度递进
总监面：综合能力、团队协作
终面：战略思维、价值观

个性化提问

可上传简历，AI 根据简历内容定制问题
根据回答质量动态调整问题难度
8-10 个渐进式问题，模拟真实面试节奏

面试官风格

严格型：高标准要求，注重细节
友好型：轻松氛围，鼓励发挥
思考引导型：引导深入思考，挖掘潜力

2. 实时交互体验

双模式输入

文字输入：打字回答，适合详细表达
语音输入：语音转文字（集成百度 ASR），模拟真实对话

即时评分系统

每个回答获得 0-10 分评分
即时改进提示，指出回答不足
帮助快速调整答题策略

沉浸式界面

聊天模式：传统对话界面，便于查看历史
沉浸模式：专注面试，AI 语音播报问题（火山引擎 TTS）
一键切换，适应不同使用场景

3. 专业面试报告

五维度评估

技术能力 (Technical Skill)      - 专业知识、技术深度
沟通表达 (Communication)         - 表达能力、逻辑清晰
逻辑思维 (Logic Thinking)        - 分析能力、结构化思维
问题解决 (Problem Solving)       - 解决方案、应变能力
项目经验 (Project Experience)    - 实践经验、成果展示

可视化展示

雷达图：直观展示五个维度的能力分布
总分评级：优秀、良好、中等、及格、待提升
详细建议：针对每个维度的改进方案

对话回放

完整的面试对话记录
每个问答的评分和反馈
支持导出和分享

4. VIP 会员系统

配额管理

免费用户：每天 1 次免费面试
普通 VIP：每天 10 次面试
超级 VIP：无限次面试

会员功能

自动配额刷新（UTC 时区）
会员到期自动降级
微信支付集成（小程序）

5. 用户管理

账户功能

微信一键登录（小程序）
面试历史记录
继续未完成的面试
个人信息管理

数据管理

本地缓存清理
音频文件自动清理（三层机制）
隐私保护

技术架构

项目结构

ai_interview/
├── apps/
│   ├── interview_backend/      # FastAPI 后端服务
│   │   ├── api/               # API 路由
│   │   │   ├── interview.py  # 面试接口
│   │   │   ├── user.py        # 用户管理
│   │   │   ├── payment.py     # 支付功能
│   │   │   └── position.py    # 岗位数据
│   │   ├── services/          # 业务逻辑
│   │   │   ├── interview_service.py  # 面试核心逻辑
│   │   │   ├── claude_service.py     # Claude API 封装
│   │   │   ├── tts_service.py        # 语音合成
│   │   │   └── asr_service.py        # 语音识别
│   │   ├── database/          # 数据库层
│   │   │   ├── models.py     # SQLAlchemy 模型
│   │   │   └── database.py   # 数据库连接
│   │   └── models/            # Pydantic 数据模型
│   │
│   ├── miniprogram/           # 微信小程序
│   │   ├── pages/
│   │   │   ├── index/        # 首页 - 选择岗位/轮次/风格
│   │   │   ├── prepare/      # 准备页 - 加载动画
│   │   │   ├── interview/    # 面试页 - 双模式界面
│   │   │   ├── report/       # 报告页 - 五维度评估
│   │   │   ├── history/      # 历史记录
│   │   │   ├── profile/      # 个人中心
│   │   │   └── vip/          # VIP 会员
│   │   ├── app.js            # 全局逻辑（登录、配额检查）
│   │   └── config.js         # 环境配置
│   │
│   └── iosAPP/               # iOS 应用 (SwiftUI)
│       ├── ViewModels/       # MVVM 架构 - 视图模型
│       ├── Views/            # 界面层
│       ├── Models/           # 数据模型
│       ├── Services/         # 网络服务
│       └── Utils/            # 工具类
│
├── migrations/               # 数据库迁移
├── static/                  # 静态文件（TTS 音频）
└── docker-compose.yml       # Docker 编排

技术栈

后端

Python 3.9+ / FastAPI
PostgreSQL 14+
SQLAlchemy 2.0+ ORM
阿里云通义千问 Qwen（qwen-max / qwen-plus）
火山引擎 TTS（语音合成）
百度 ASR（语音识别）

微信小程序

JavaScript ES6+
WXML/WXSS
微信 API（登录、支付、录音）

iOS 应用

Swift 5.0+ / SwiftUI
Combine（响应式编程）
iOS 16.0+ 部署目标
XcodeGen 项目管理

快速开始

环境要求

Python 3.9+
PostgreSQL 14+
阿里云 DashScope API Key
微信开发者工具（开发小程序）
Xcode 14+（开发 iOS）

1. 配置环境变量

创建 apps/interview_backend/.env：

# 阿里云 DashScope API（通义千问）
DASHSCOPE_API_KEY=sk-xxx

# 数据库
DATABASE_URL=postgresql://user:password@localhost:5432/ai_interview

# 微信小程序
WECHAT_APP_ID=wxXXXXXXXX
WECHAT_APP_SECRET=your_secret
WECHAT_MCH_ID=your_mch_id
WECHAT_API_KEY=your_api_key

# 火山引擎 TTS
VOLCENGINE_APP_ID=your_app_id
VOLCENGINE_TOKEN=your_token

# 百度 ASR
BAIDU_APP_ID=your_app_id
BAIDU_API_KEY=your_api_key
BAIDU_SECRET_KEY=your_secret_key

2. 初始化数据库

createdb ai_interview
cd apps/interview_backend
psql -U postgres -d ai_interview < ../../migrations/add_vip_type_column.sql

3. 启动后端

cd apps/interview_backend
pip install -r requirements.txt
python main.py

访问 http://localhost:8000/docs 查看 API 文档

4. 启动微信小程序

打开微信开发者工具
导入项目：apps/miniprogram
修改 config.js 配置后端地址
编译运行

5. 启动 iOS 应用

cd apps/iosAPP
xcodegen generate
open AIInterviewApp.xcodeproj

核心功能演示

面试流程

1. 选择岗位、轮次、面试官风格
   └─> 可选上传简历

2. AI 生成第一个问题
   └─> 支持语音播报（TTS）

3. 用户回答
   ├─> 文字输入：打字回答
   └─> 语音输入：录音转文字（ASR）

4. AI 实时评分
   ├─> 0-10 分评分
   └─> 改进建议

5. 继续下一题（共 8-10 题）
   └─> 难度动态调整

6. 生成面试报告
   ├─> 五维度评估
   ├─> 雷达图可视化
   └─> 详细改进建议

API 接口示例

开始面试

POST /api/v1/interview/start
{
  "position_id": "frontend",
  "position_name": "前端工程师",
  "round": "技术一面",
  "user_id": "user_123",
  "resume": "简历内容（可选）",
  "interviewer_style": "friendly"
}

Response:
{
  "session_id": "session_xxx",
  "question": "请介绍一下你最近的前端项目经验",
  "audio_url": "/static/tts/xxx.mp3"
}

提交回答

POST /api/v1/interview/answer
{
  "session_id": "session_xxx",
  "user_id": "user_123",
  "answer": "我最近开发了一个..."
}

Response:
{
  "next_question": "你在项目中遇到的最大挑战是什么？",
  "instant_score": 8.5,
  "hint": "回答很好，建议补充更多技术细节",
  "is_finished": false,
  "audio_url": "/static/tts/yyy.mp3"
}

获取报告

GET /api/v1/interview/report/{session_id}

Response:
{
  "total_score": 85.5,
  "technical_skill": 88.0,
  "communication": 82.0,
  "logic_thinking": 86.0,
  "problem_solving": 84.0,
  "project_experience": 87.0,
  "suggestions": [
    "加强对底层原理的理解",
    "提升问题定位和解决能力"
  ],
  "transcript": [...]
}

数据库设计

核心表结构

users - 用户表

user_id         VARCHAR(50) PRIMARY KEY
openid          VARCHAR(100)  -- 微信 openid
nickname        VARCHAR(100)
avatar          TEXT
vip_type        VARCHAR(20)   -- null/normal/super
daily_limit     INTEGER       -- 每日配额
vip_expire_date TIMESTAMP     -- VIP 到期时间
free_count_today INTEGER      -- 今日已用次数
created_at      TIMESTAMP

interview_sessions - 面试会话

session_id      VARCHAR(50) PRIMARY KEY
user_id         VARCHAR(50)
position        VARCHAR(100)
round           VARCHAR(50)
question_count  INTEGER
is_finished     BOOLEAN
context         TEXT          -- 对话上下文（JSON）
created_at      TIMESTAMP

interview_reports - 面试报告

report_id           VARCHAR(50) PRIMARY KEY
session_id          VARCHAR(50)
total_score         FLOAT
technical_skill     FLOAT
communication       FLOAT
logic_thinking      FLOAT
problem_solving     FLOAT
project_experience  FLOAT
suggestions         TEXT      -- 改进建议（JSON）
transcript          TEXT      -- 对话记录（JSON）
created_at          TIMESTAMP

部署说明

Docker 部署

docker-compose up -d

生产环境配置

后端

使用 Gunicorn/Uvicorn 运行
Nginx 反向代理
HTTPS 证书配置

微信小程序

修改生产 API 地址
微信公众平台配置服务器域名
提交审核发布

iOS 应用

配置生产环境 URL
Apple Developer 证书配置
App Store Connect 上传

常见问题

Q: Qwen API 调用失败？ A: 检查 DASHSCOPE_API_KEY 配置、网络连接和 API 配额

Q: 微信小程序登录失败？ A: 确认 AppID/AppSecret 配置正确，服务器域名已配置

Q: TTS 语音合成不工作？ A: 检查火山引擎 API 配置和 static/tts/ 目录权限

Q: 数据库连接失败？ A: 确认 PostgreSQL 运行正常，连接字符串格式正确

项目特色

完整的产品闭环：从面试准备到报告生成，完整的用户体验
多端支持：微信小程序 + iOS 原生应用，覆盖主流平台
AI 驱动：基于阿里云通义千问 Qwen，提供真实的面试体验
商业化就绪：VIP 系统、支付集成，可直接上线运营
可扩展性：模块化设计，易于添加新岗位和功能

许可证

MIT License

最后更新: 2026-01-14

Name		Name	Last commit message	Last commit date
apps		apps
docs		docs
migrations		migrations
scripts		scripts
.env.example		.env.example
.gitignore		.gitignore
LOG_MIGRATION_GUIDE.md		LOG_MIGRATION_GUIDE.md
README.md		README.md
SERVER_COMMANDS.md		SERVER_COMMANDS.md
ai-interview.tar.gz		ai-interview.tar.gz
docker-compose.yml		docker-compose.yml
users.csv		users.csv

Navigation Menu

Repository files navigation

AI 面试练习平台

项目简介

核心价值

功能特性

1. 智能面试系统

2. 实时交互体验

3. 专业面试报告

4. VIP 会员系统

5. 用户管理

技术架构

项目结构

技术栈

快速开始

环境要求

1. 配置环境变量

2. 初始化数据库

3. 启动后端

4. 启动微信小程序

5. 启动 iOS 应用

核心功能演示

面试流程

API 接口示例

数据库设计

核心表结构

部署说明

Docker 部署

生产环境配置

常见问题

项目特色

许可证

About

Releases

Packages

Contributors

Languages

Latest commit

History

Folders and files

Repository files navigation

AI 面试练习平台

项目简介

核心价值

功能特性

1. 智能面试系统

2. 实时交互体验

3. 专业面试报告

4. VIP 会员系统

5. 用户管理

技术架构

项目结构

技术栈

快速开始

环境要求

1. 配置环境变量

2. 初始化数据库

3. 启动后端

4. 启动微信小程序

5. 启动 iOS 应用

核心功能演示

面试流程

API 接口示例

数据库设计

核心表结构

部署说明

Docker 部署

生产环境配置

常见问题

项目特色

许可证

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages