interview-guide
<div align="center"> **智能 AI 面试官平台** - 基于大语言模型的简历分析、模拟面试和 RAG 知识库系统 [](https://openjdk.org/) [](https://spring.io/projects/spring-boot) [](https://react.dev/) [](https://www.typescriptlang.org/) [](https://www.postgresql.org/) </div> --- ## 项目介绍 InterviewGuide 是一个集成了简历分析、模拟面试（文字 + 语音）、面试安排、知识库管理和多模型配置的智能面试辅助平台。系统利用大语言模型（LLM）、向量数据库、Redis Stream 异步任务和实时语音技术，为求职者、HR 和培训机构提供智能化的简历评估、面试练习、知识库问答和面试日程管理能力。 ## 系统架构  ## 配套教程 本项目承诺**完整功能免费开源**，也不会做所谓的 Pro 版或“付费解锁核心功能”之类的设计。 如果你想学习这个项目，或者希望把它作为个人项目经历 / 毕设选题，我也整理了一套相对细致的教程：从基础设施搭建、核心业务实现，到最后如何在面试中讲清楚思路与亮点，尽量把容易卡住的地方讲透。 如果你确实需要更系统的辅导，可以点这里了解详情（**教程为付费内容**，主要是想覆盖一些时间成本，望理解，感谢支持）：[《SpringAI 智能面试平台+RAG 知识库》](https://javaguide.cn/zhuanlan/interview-guide.html)。 ## 技术栈 ### 后端技术 | 技术 | 版本 | 说明 | | --------------------- | ----- | ----------------------------- | | Spring Boot | 4.0.1 | 应用框架 | | Java | 21 | 开发语言（虚拟线程） | | Spring AI | 2.0.0-M4 | AI 集成框架、OpenAI 兼容模型接入 | | Spring AI Agent Utils | 0.7.0 | Skill 资源加载、Advisor 能力扩展 | | PostgreSQL + pgvector | 14+ | 关系数据库 + 向量存储（Compose 默认 PG16） | | Redis + Redisson | 6+ / 4.0.0 | 缓存 + 消息队列（Stream） | | Apache Tika | 2.9.2 | 文档解析 | | iText 8 | 8.0.5 | PDF 导出 | | MapStruct | 1.6.3 | 对象映射 | | SpringDoc OpenAPI | 3.0.2 | API 接口文档 | | DashScope SDK | 2.22.7 | 语音识别/合成（Qwen3 ASR/TTS）| | AWS S3 SDK | 2.29.51 | S3 兼容对象存储（MinIO/RustFS）| | WebSocket | - | 语音面试实时双向通信 | | Gradle | 8.14 | 构建工具 | 技术选型常见问题解答： 1. 数据存储为什么选择 PostgreSQL + pgvector？PG 的向量数据存储功能够用了，精简架构，不想引入太多组件。 2. 为什么引入 Redis？ - Redis 替代 `ConcurrentHashMap` 实现面试会话的缓存。 - 基于 Redis Stream 实现简历分析、知识库向量化等场景的异步（还能解耦，分析和向量化可以使用其他编程语言来做）。不使用 [Kafka](https://javaguide.cn/high-performance/message-queue/kafka-questions-01.html) 这类成熟的消息队列，也是不想引入太多组件。 3. 构建工具为什么选择 Gradle？个人更喜欢用 Gradle，也写过相关的文章：[Gradle核心概念总结](https://javaguide.cn/tools/gradle/gradle-core-concepts.html)。 ### 前端技术 | 技术 | 版本 | 说明 | | ----------------- | ----- | -------------- | | React | 18.3 | UI 框架 | | TypeScript | 5.6 | 开发语言 | | Vite | 5.4 | 构建工具 | | Tailwind CSS | 4.1 | 样式框架 | | React Router | 7.11 | 路由管理 | | Framer Motion | 12.23 | 动画库 | | Recharts | 3.6 | 图表库 | | Lucide React | 0.468 | 图标库 | | React Big Calendar| 1.19 | 面试日历组件 | | React Virtuoso | 4.18 | RAG 聊天虚拟列表 | | pnpm | 10.26 | 前端包管理器 | ## 功能特性 ### 简历管理模块 - **多格式解析**：支持 PDF、DOCX、DOC、TXT 等多种简历格式。 - **异步处理流**：基于 Redis Stream 实现异步简历分析，支持实时查看处理进度（待分析/分析中/已完成/失败）。 - **稳定性保障**：内置分析失败自动重试机制（最多 3 次）与基于内容哈希的重复检测。 - **分析报告导出**：支持将 AI 分析结果一键导出为结构化的 PDF 简历分析报告。 ### 模拟面试模块 - **Skill 驱动出题**：内置 10+ 面试方向（Java 后端、阿里/字节/腾讯专项、前端、Python、算法、系统设计、测开、AI Agent 等），每个方向由 `SKILL.md` 定义考察范围、难度分布和参考知识库。 - **历史题目去重**：出题时自动排除已有会话中问过的题目，避免重复考察。 - **面试阶段时长联动**：总时长滑块拖动后，各阶段（自我介绍、技术考察、项目深挖、反问环节）按时比自动分配。 - **智能追问流**：支持配置多轮智能追问（默认 1 条），模拟多轮问答场景。 - **统一评估架构**：文字面试和语音面试共用同一套评估引擎（分批评估 + 结构化输出 + 二次汇总 + 降级兜底），评估结果可对比。 - **报告一键导出**：支持异步生成并导出详细的 PDF 模拟面试评估报告。 - **面试中心入口**：面试中心页整合文字面试和语音面试入口，支持继续面试和重新面试。 ### 面试安排模块 - **邀请解析**：规则 + AI 双引擎，支持飞书/腾讯会议/Zoom 格式，自动提取公司、岗位、时间、会议链接 - **日历管理**：日/周/月视图 + 拖拽调整 + 列表视图 - **状态流转**：定时任务自动过期，手动标记待面试/已完成/已取消 - **面试提醒**：可配置提醒，避免错过面试 ### 语音面试模块 实时语音对话面试，WebSocket + 千问3 语音模型（ASR/TTS/LLM 统一 API Key）： - **实时流式对话**：句子级并发 TTS，边生成边合成边播放，首包延迟 200ms - **服务端 VAD**：自动断句，实时字幕（含中间结果） - **回声防护 + 手动提交**：避免 AI 语音被误录入 - **多轮上下文记忆 + 暂停/恢复**：超时自动暂停 - **Micrometer 埋点**：TTS/ASR 延迟、会话时长等指标 > **已知问题**：端到端延迟偏高（服务端音频中转）、无耳机时回声泄漏、TTS 音色单一、弱网音频断续。后续计划探索 WebRTC、客户端 VAD 降噪、端到端语音模型等方案。 ### 知识库管理模块 - **文档智能处理**：支持 PDF、DOCX、Markdown 等多种格式文档的自动上传、分块与异步向量化。 - **RAG 检索增强**：集成 pgvector，通过查询改写、相似度阈值和 TopK 策略提升 AI 问答的准确性与专业度。 - **流式响应交互**：基于 SSE（Server-Sent Events）技术实现打字机式流式响应。 - **智能问答对话**：支持会话管理、置顶、多知识库关联、Markdown 展示和虚拟列表渲染。 - **知识库运维**：支持分类管理、下载、重新向量化、搜索和统计信息展示。 ### 多模型与系统设置模块 - **多 Provider 管理**：内置 DashScope、LM Studio、Kimi、DeepSeek、GLM 等 OpenAI 兼容 Provider 配置。 - **默认模型切换**：支持在设置页切换默认聊天模型和默认向量模型，不需要频繁修改源码配置。 - **语音服务配置**：ASR/TTS 配置可视化管理，支持语音服务连通性测试。 - **配置安全落盘**：运行时配置默认写入用户目录 `~/.interview-guide/`，支持 API Key 加密配置。 ### TODO - [x] 问答助手的 Markdown 展示优化 - [x] 知识库管理页面的知识库下载 - [x] 异步生成模拟面试评估报告 - [x] Docker 快速部署 - [x] 添加 API 限流保护 - [x] 前端性能优化（RAG 聊天 - 虚拟列表） - [x] 模拟面试增加追问功能 - [x] 语音面试功能（基于 Qwen3 实时语音模型） - [x] 面试安排管理（智能解析 + 日历视图） - [x] Skill 驱动出题（10+ 面试方向 + 参考知识库） - [x] 统一面试评估架构（文字/语音共用评估引擎） - [x] 面试历史题目去重 - [x] 面试中心页（整合文字/语音入口） - [x] 语音面试 LLM 流式输出 + 句子级并发 TTS - [x] 语音面试暂停/恢复 + 手动提交 + 回声防护 - [x] 多 LLM Provider 管理与默认模型切换 - [x] RAG 聊天会话管理 + 虚拟列表优化 - [x] 可重复注解 API 限流（Global/IP/User 维度） - [ ] 打通模拟面试和知识库 - [ ] 语音面试接入 WebRTC 降低延迟 - [ ] 语音面试支持更多 TTS 音色 ## 效果展示 ### 简历与面试 面试中心：  Skill 出题 + JD 解析：  简历库：  简历上传分析：  简历分析详情：  面试记录：  面试详情：  模拟面试：  面试安排  多模型切换 + 语音服务设置：  ### 知识库 知识库管理：  问答助手：  ## 项目结构 ``` interview-guide/ ├── app/ # 后端应用 │ ├── src/main/java/interview/guide/ │ │ ├── App.java # 主启动类 │ │ ├── common/ # 通用基础能力 │ │ │ ├── ai/ # LLM Provider、结构化输出、Prompt 安全 │ │ │ ├── annotation/ # @RateLimit 可重复限流注解 │ │ │ ├── aspect/ # RateLimitAspect + Redis Lua 限流 │ │ │ ├── async/ # Redis Stream 生产者/消费者模板 │ │ │ ├── config/ # CORS、S3、OpenAPI、Jackson 等配置 │ │ │ ├── evaluation/ # 文字/语音共用的统一评估引擎 │ │ │ ├── exception/ # 业务异常与全局异常处理 │ │ │ └── result/ # 统一响应 Result<T> │ │ ├── infrastructure/ # 基础设施 │ │ │ ├── export/ # PDF 导出 │ │ │ ├── file/ # 文件解析、校验、清洗、S3 存储 │ │ │ ├── mapper/ # MapStruct 映射器 │ │ │ └── redis/ # RedisService、面试会话缓存 │ │ └── modules/ # 业务模块 │ │ ├── interview/ # 模拟面试模块 │ │ ├── interviewschedule/ # 面试安排模块 │ │ ├── knowledgebase/ # 知识库模块 │ │ ├── llmprovider/ # 多模型 Provider 与语音配置 │ │ ├── resume/ # 简历模块 │ │ └── voiceinterview/ # 语音面试模块 │ └── src/main/resources/ │ ├── application.yml # 应用配置 │ ├── prompts/ # AI 提示词模板（StringTemplate） │ ├── scripts/ # Redis Lua 脚本 │ ├── skills/ # 面试 Skill 定义和参考题库 │ └── voice-interview-opening.yml # 语音面试开场白配置 │ ├── frontend/ # 前端应用 │ ├── src/ │ │ ├── api/ # API 接口 │ │ ├── components/ # 公共组件 │ │ ├── hooks/ # 业务 Hooks │ │ ├── pages/ # 页面组件 │ │ ├── types/ # 类型定义 │ │ └── utils/ # 工具函数 │ ├── package.json │ └── vite.config.ts │ ├── docker-compose.yml # 完整部署：前端 + 后端 + PostgreSQL + Redis + MinIO ├── docker-compose.dev.yml # 本地开发依赖：PostgreSQL + Redis + RustFS ├── docs/ # 架构设计与改造记录 ├── .env.example # 环境变量示例 └── README.md ``` ## 快速开始 环境要求： | 依赖 | 版本 | 必需 | 说明 | | ------------- | ---- | ---- | ---------------------------------------- | | JDK | 21+ | 是 | 开发语言 | | Node.js | 18+ | 是 | 前端构建 | | pnpm | 10+ | 推荐 | 前端包管理器（项目 packageManager 指定 10.26）| | Docker | - | 推荐 | 一键启动依赖服务（PostgreSQL/Redis/RustFS）| > 如果不用 Docker，需要自行安装 PostgreSQL 14+（含 pgvector 扩展）、Redis 6+ 和 S3 兼容存储。 ### 1. 克隆项目 ```bash git clone https://github.com/Snailclimb/interview-guide.git cd interview-guide ``` ### 2. 配置环境变量 推荐复制 `.env.example` 为 `.env`，后端 `bootRun` 会自动读取根目录 `.env`。最少需要填写 `AI_BAILIAN_API_KEY`，用于 DashScope 文本模型、ASR 和 TTS： ```bash cp .env.example .env # 编辑 .env # AI_BAILIAN_API_KEY=your_dashscope_api_key # AI_MODEL=qwen3.5-flash ``` 如果你更习惯通过 shell 环境变量注入，也可以这样设置： ```bash # macOS / Linux（zsh） echo 'export AI_BAILIAN_API_KEY=your_api_key' >> ~/.zshrc source ~/.zshrc # Linux（bash） echo 'export AI_BAILIAN_API_KEY=your_api_key' >> ~/.bashrc source ~/.bashrc ``` ### 3. 启动依赖服务（可选） 项目提供了 `docker-compose.dev.yml`，可一键启动 PostgreSQL、Redis、RustFS（S3 兼容存储）三个依赖： ```bash # 启动依赖服务 docker compose -f docker-compose.dev.yml up -d # 停止依赖服务 docker compose -f docker-compose.dev.yml down # 停止并清除数据 docker compose -f docker-compose.dev.yml down -v ``` 启动后默认账号： | 服务 | 地址 | 账号 | 密码 | | ------------ | ---------------- | --------------- | --------------- | | PostgreSQL | `localhost:5432` | `postgres` | `123456` | | Redis | `localhost:6379` | - | - | | RustFS 控制台 | `localhost:9001` | `rustfsadmin` | `rustfsadmin` | > **注意**：首次启动后需浏览器访问 [http://localhost:9001](http://localhost:9001) 登录 RustFS 控制台，手动创建名为 `interview-guide` 的 Bucket。使用 `docker-compose.dev.yml` + `:app:bootRun` 时，请确保 `.env` 中的 `APP_STORAGE_ACCESS_KEY` / `APP_STORAGE_SECRET_KEY` 与 RustFS 账号一致，例如都设为 `rustfsadmin`。如果本地已有 MinIO 或其他 S3 兼容存储，也可以直接使用，在 `.env` 中修改 `APP_STORAGE_*` 配置即可。 ### 4. 启动应用 **后端：** ```bash ./gradlew :app:bootRun ``` 后端服务启动于 `http://localhost:8080` **前端：** ```bash cd frontend corepack enable pnpm install pnpm dev ``` 前端服务启动于 `http://localhost:5173` ## Docker 快速部署 本项目提供了完整的 Docker 支持，可以一键启动所有服务（前后端、数据库、中间件）。 Docker Compose 编排了 6 个服务：PostgreSQL（pgvector）、Redis、MinIO（S3 兼容存储）、MinIO Bucket 初始化、Spring Boot 后端、React 前端（Nginx）。数据通过 Docker 命名卷持久化，`docker-compose down` 不会丢失数据。 ### 1. 前置准备 - 安装 [Docker](https://www.docker.com/products/docker-desktop/) 和 Docker Compose - 申请阿里云百炼 API Key（用于 AI 对话功能，申请地址：<https://bailian.console.aliyun.com/>） ### 2. 快速启动 在项目根目录下执行： `.env.example` 中的 PostgreSQL、Redis、MinIO 已与 `docker-compose.yml` 对齐（数据库用户 `postgres` / 密码 `password`，MinIO `minioadmin` / `minioadmin`）。复制为 `.env` 后主要填写 `AI_BAILIAN_API_KEY`；若你曾在旧版本中使用过不同的库密码或对象存储密钥，请同步修改 `.env`，必要时重建 Postgres 卷以免旧数据与密码不一致。 ```bash # 1. 复制环境变量配置文件 cp .env.example .env # 2. 编辑 .env 文件，填入 AI 配置 # vim .env # 必填：AI_BAILIAN_API_KEY=your_key_here # 可选：AI_MODEL=qwen3.5-flash # 默认值为 qwen3.5-flash # 也可以在设置页维护 DashScope、Kimi、DeepSeek、GLM、LM Studio 等 Provider # # 面试参数配置（可选）： # APP_INTERVIEW_FOLLOW_UP_COUNT=1 # 每个主问题生成追问数量（默认 1） # APP_INTERVIEW_EVALUATION_BATCH_SIZE=8 # 回答评估分批大小（默认 8） # APP_AI_CONFIG_ENCRYPTION_KEY=32_chars # 可选：运行时 Provider API Key 加密密钥 # 3. 构建并启动所有服务 docker-compose up -d --build ``` > **仅启动依赖服务**：如果只想本地开发调试（用 `./gradlew :app:bootRun` 启动后端），可以只启动基础设施：`docker compose up -d postgres redis minio createbuckets`。将 `.env.example` 复制为 `.env` 并填写 `AI_BAILIAN_API_KEY` 即可，默认账号与 `docker-compose.yml` 一致。 ### 3. 服务访问 启动完成后，您可以通过以下地址访问各个服务： | 服务 | 地址 | 默认账号 | 默认密码 | 说明 | | ---------------- | ---------------------------------------------- | ------------ | ------------ | ---------------------- | | **前端应用** | [http://localhost](http://localhost) | - | - | 用户访问入口 | | **后端 API** | [http://localhost:8080](http://localhost:8080) | - | - | RESTful API | | **接口文档** | [http://localhost:8080/swagger-ui.html](http://localhost:8080/swagger-ui.html) | - | - | SpringDoc/Swagger UI | | **MinIO 控制台** | [http://localhost:9001](http://localhost:9001) | `minioadmin` | `minioadmin` | 对象存储管理 | | **MinIO API** | `localhost:9000` | - | - | S3 兼容接口 | | **PostgreSQL** | `localhost:5432` | `postgres` | `password` | 数据库 (包含 pgvector) | | **Redis** | `localhost:6379` | - | - | 缓存与消息队列 | ### 4. 常用运维命令 ```bash # 查看服务状态 docker-compose ps # 查看后端日志 docker-compose logs -f app # 拉取新代码后重新构建部署 docker-compose up -d --build # 停止并移除所有服务（数据保留在 Docker 卷中） docker-compose down # 停止服务并清除数据卷（慎用，会删除数据库和文件） docker-compose down -v # 清理无用镜像（构建产生的中间层） docker image prune -f ``` ## 使用场景 | 用户角色 | 使用场景 | | --------------- | -------------------------------------- | | **求职者** | 上传简历获取分析建议，进行模拟面试练习 | | **HR/招聘人员** | 批量分析简历，评估候选人能力 | | **培训机构** | 提供面试培训服务，管理知识库资源 | ## 常见问题 ### Q: 数据库表创建失败/数据丢失 检查 JPA 的 `ddl-auto` 配置。`ddl-auto` 模式对比： | 模式 | 行为 | 适用场景 | 数据保留 | | -------- | ------------------------------- | ------------- | -------- | | **update** | 智能模式：表不存在自动创建，存在则增量更新 | **开发环境（推荐）** | ✅ 保留 | | create | 无条件删除并重建所有表 | 仅首次建表时使用 | ❌ 删除 | | validate | 只验证，不修改 | 生产环境 | ✅ 保留 | | none | 什么都不做 | 生产环境 | ✅ 保留 | **推荐配置（已默认）**： ```yaml jpa: hibernate: ddl-auto: update # 首次启动自动创建表，后续保留数据并增量更新 ``` ⚠️ **注意**：避免使用 `create` 模式，否则每次重启都会删除所有数据！ ### Q: 知识库向量化失败 当 `initialize-schema: false` 时，Spring AI **不会自动创建** `vector_store` 表。 ```java spring: ai: vectorstore: pgvector: initialize-schema: true ``` 建议开发环境设置为 true，方便快速启动。生产环境设置为 false，手动管理数据库 schema，避免意外变更。 ### Q: 简历分析失败 检查一下阿里云 DashScope API KEY 是否配置正确（申请地址：<https://bailian.console.aliyun.com/>）。 ### Q: 设置页新增/切换模型后不生效？ 运行时 Provider 配置默认写到 `~/.interview-guide/llm-providers.yml` 和 `~/.interview-guide/llm-providers.env`。可以在设置页点击测试连接，或调用 `/api/llm-provider/reload` 重新加载配置。Docker 部署时如果希望配置持久化，建议为该目录挂载卷。 ### Q: 语音面试无法识别或没有声音？ 语音面试的 ASR/TTS 默认也使用 `AI_BAILIAN_API_KEY`。请检查浏览器麦克风权限、后端日志中的 DashScope WebSocket 连接状态，以及设置页里的 ASR/TTS 测试结果。无耳机时可能触发回声录入，建议先使用手动提交模式或佩戴耳机测试。 ### Q: 简历分析一直显示"分析中"？ 检查 Redis 连接和 Stream Consumer 是否正常运行。查看后端日志确认是否有错误。 ### Q: PDF 导出失败或中文显示异常？ 项目已内置中文字体（珠圆玉润仿宋），支持跨平台导出。如遇到问题，请检查： - 字体文件是否存在：`app/src/main/resources/fonts/ZhuqueFangsong-Regular.ttf` - 检查日志中的字体加载信息 - 确认 iText 依赖是否正确 ### Q: Windows PowerShell 下后端日志中文乱码？ **原因简述**：后端与 Logback 按 **UTF-8** 输出日志；中文 Windows 下控制台默认多为 **GBK（代码页 936）**，且 PowerShell 的 `$OutputEncoding`、控制台编码若未统一为 UTF-8，显示时就会把同一串字节解释错，出现乱码。 **本项目已做的配置**（一般无需再改）：根目录 `gradle.properties`（Gradle 进程 UTF-8）、`app/src/main/resources/logback-spring.xml`（控制台日志 UTF-8）、`app/build.gradle` 中 `bootRun` 的 JVM 参数（含 `file.encoding` / `stdout.encoding` / `stderr.encoding`）。 **仍乱码时（PowerShell 侧）**：在启动 `.\gradlew.bat :app:bootRun` 的同一终端先执行下面一段；或写入 **PowerShell 配置文件**（`$PROFILE`）以便每次自动生效： ```powershell chcp 65001 | Out-Null [Console]::OutputEncoding = [System.Text.UTF8Encoding]::new($false) [Console]::InputEncoding = [System.Text.UTF8Encoding]::new($false) $OutputEncoding = [System.Text.UTF8Encoding]::new($false) ``` 新建或编辑配置文件：`if (!(Test-Path $PROFILE)) { New-Item -Path $PROFILE -ItemType File -Force }`，再 `notepad $PROFILE` 将上述内容粘贴保存；新开终端后生效，或执行 `. $PROFILE` 立即加载。若提示脚本无法执行，可执行一次：`Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy RemoteSigned`。 在 PowerShell 中建议使用 `.\gradlew.bat :app:bootRun`（或仓库根目录的 `.\gradlew.bat`），避免与执行策略、路径解析相关的问题。 ## 贡献 欢迎提交 Issue 和 Pull Request！ ## 许可证 AGPL-3.0 License（只要通过网络提供服务，就必须向用户公开修改后的源码）