alvinxx1123/sspoffer-interview-assistant

sspOffer面经助手 - 互联网面试准备平台
Live Demo: http://8.138.47.162:8080

基于 LangChain4j 的面经整合与 AI 面试准备应用。支持面经搜索、AI 面试模拟（RAG + 深挖题 + 连续追问 + 整场评分）、面试复盘、在线算法 IDE，并通过 Function Calling 让大模型自动调用「查面经、查算法题、运行代码、统计高频考点」等后端能力。

---

功能特性

• 面经搜索：按公司、部门检索个人面经，支持手动录入或图片解析（八股/算法题自动换行、常见 OCR 纠错）
• AI 面试模拟：根据目标公司/部门面经库 RAG + 简历生成 9–12 道深挖题，覆盖实习、项目、Java 八股、AI/Agent/LLM、算法等方向；支持 SSE 流式展示结构化思考过程，并让题单内容逐段实时生成
• 连续面试对话：题单一次性生成后，用户可按自己的节奏挑题作答；面试官默认围绕当前问题继续深挖，减少重复念题和跑题
• 当前回答点评 / 参考答案 / 深挖建议：作为辅助训练功能存在，不打断主面试流程
• 本场完整面试评价：结束会话后基于本场完整问答生成结构化中文评分
• 系统历史对比分析：将本场结果与历史会话按正确性、深度、结构、表达、风险意识等维度比较，输出进步项、退步项、稳定项与优先加强建议
• 面试复盘：上传真实面经，AI 深度复盘分析，给出改进建议
• 在线 IDE：支持 Java、Python、Go 等 ACM 模式运行，题库支持手动添加题目
• 智能助手（Function Calling）：模型可自动调用「查面经」「查算法题」「运行代码」「统计高频考点」，返回可点击的纯净链接
• 简历 + 投递：简历管理、投递进度追踪（编辑时自动滚动到表单并提示“正在编辑”）
• Skill Pack + Capability 架构：将面试流程、简历画像、评分标准、历史对比、面经清洗抽象为项目内 skill-packs/*.md，并以 Java capability 模块驱动实际运行逻辑
• 简单密码保护：部署时可配置管理员密码，防止他人修改数据

---

技术栈

---

本地快速开始

1. 克隆与配置

git clone https://github.com/alvinxx1123/sspOffer-interview-assistant.git
cd sspOffer-interview-assistant

在 src/main/resources/ 下创建 application-local.yml（不提交到 Git）：

zhipu:
  apiKey: "你的智谱API_Key"

# 可选：管理员密码
app:
  admin-password: "你的密码"

也可使用环境变量：

export ZHIPU_API_KEY=xxx
export APP_ADMIN_PASSWORD=xxx

2. 启动

# 终端 1：后端
mvn spring-boot:run

# 终端 2：前端
cd frontend && npm install && npm run dev

浏览器访问：

• 开发态前端：http://localhost:5173
• 若已有前端打包产物，也可直接访问后端静态页：http://localhost:8080

3. 可选配置

• 联网搜索算法题原题：在 application-local.yml 中配置 app.algorithm-search（如 SearchCans/Bing/Serper），未命中题库时可返回力扣等链接
• 智谱 Embedding：在 application.yml 中配置 zhipu.apiKey 后，RAG 默认使用智谱 Embedding-2；未配置则使用本地 AllMiniLM
• 图片简历解析建议：优先上传 PDF；图片解析目前依赖智谱视觉模型，若后续引入本地 OCR（如 Tesseract），则部署环境中也需要安装对应 OCR 引擎或打进 Docker 镜像

---

评分体系

1. 本场完整面试评价

结束当前模拟面试后，系统会基于本场完整问答记录生成结构化评价，包括：

• 总分（0-100）
• 维度分：正确性、深度、结构、表达、风险意识
• 亮点
• 不足
• 改进建议
• 缺失关键点
• 建议补强

2. 系统历史对比分析

若存在历史面试样本，系统会额外输出：

• 历史样本数
• 历史平均分
• 本场相对历史差值
• 相比历史的进步
• 相比历史的不足
• 保持稳定的方面
• 建议优先加强

历史详情接口也会在读取旧会话时自动补齐 comparison 字段，减少旧数据缺失造成的展示不完整问题。

---

Skill Pack 架构

项目内新增了 5 个可维护的 skill pack，用于将“规则、参考标准、模板”从 Java 代码中抽离：

• interview-flow-skill
  • 作用：控制面试官追问节奏，避免重复念题和跑题
• resume-grounding-skill
  • 作用：从简历中抽取候选人画像，让题目更贴近实习/项目/技术栈
• interview-evaluation-skill
  • 作用：统一单题点评与整场评价的维度、语言、输出格式
• history-comparison-skill
  • 作用：把本场表现与历史会话进行维度级对比
• experience-cleaning-skill
  • 作用：清洗 OCR / 手动录入面经，提升 RAG 语料质量

每个 skill pack 结构类似：

skill-packs//
├── SKILL.md
├── references/
└── templates/

运行时由 SkillPackService 加载，并注入到：

• 出题链路：InterviewAgentService
• 会话链路：InterviewChatService
• 评分/历史对比链路：InterviewCoachingService
• 面经清洗链路：ImageParseService、InterviewDataService

---

主要接口

• POST /api/interviews/questions
  • 生成整套深挖题
• POST /api/interviews/questions/stream
  • SSE 流式生成深挖题与思考过程
• POST /api/interviews/chat-session
  • 与面试官继续深挖当前题
• POST /api/interviews/chat-session/end
  • 结束会话并生成本场完整评分
• POST /api/interviews/coach/answer
  • 查看参考答案（辅助功能）
• POST /api/interviews/coach/followups
  • 查看可继续深挖点（辅助功能）
• POST /api/interviews/coach/evaluate
  • 当前回答点评（辅助功能）
• GET /api/interviews/chat-sessions
  • 获取历史会话列表
• GET /api/interviews/chat-sessions/by-id/{id}
  • 获取历史会话详情（含本场评分与历史对比）

---

打包与部署（阿里云 ECS）

在项目根目录执行：

./scripts/deploy.sh
scp target/interview-assistant-1.0.0.jar root@你的公网IP:/opt/

服务器上（首次需配置环境变量或 /opt/interview-assistant.env，见下方“开机自启”）：

sudo pkill -9 java
sudo systemctl restart interview-assistant

开机自启（systemd）：将 ZHIPU_API_KEY、APP_ADMIN_PASSWORD 写在 /opt/interview-assistant.env 或 Service 的 Environment 中，然后：

systemctl daemon-reload
systemctl enable interview-assistant
systemctl start interview-assistant

若你的前端是通过后端静态页访问 http://:8080，每次部署前都要先执行 frontend/npm run build 或直接运行 ./scripts/deploy.sh，确保最新前端产物被复制进 target/classes/static。

若未来引入本地 OCR（例如 Tesseract）用于图片简历解析，需要注意：

• 仅在本机安装 OCR 引擎并不足够
• 部署到阿里云 ECS 时，目标服务器或 Docker 镜像中也必须具备相同 OCR 依赖
• 纯 Java 代码会打进 jar，但系统级 OCR 二进制不会自动跟随 jar 上传

更详细的部署与“提交到 GitHub 且不提交敏感配置”说明见 docs/部署与提交说明.md。

---

项目结构

interview-assistant/
├── src/main/java/
│   ├── .../service/            # Agent 编排、RAG、评分、SkillPackService
│   └── .../capability/         # 运行时能力模块（原 skill，已重命名）
├── src/main/resources/
│   ├── application.yml
│   ├── application-local.yml
│   └── skill-packs/            # 项目内 .md skill 包（规则、reference、template）
├── frontend/
├── scripts/
│   ├── deploy.sh
│   └── run_rag_experiment.sh
├── docs/
└── pom.xml

---

文档索引

---

License

MIT License