OfferPilot 智能 AI 面试官平台

基于大语言模型的简历分析、项目打磨、知识库增强和模拟面试系统。产品定位为面向求职者、高校就业中心、培训机构和企业内推场景的 AI 面试训练工作台，帮助用户把“上传简历 → 诊断差距 → 项目打磨 → 模拟面试 → 报告复盘”跑成可持续交付的训练闭环。

市场化能力

• 清晰产品入口：内置工作台首页，展示简历资产、面试记录、知识库状态和下一步训练建议。
• 自助获客链路：登录页支持注册，注册后自动进入工作台，适合演示、试用和小规模种子用户。
• 可打包场景：个人求职订阅、高校就业训练营、培训机构学员陪跑、企业内推面试预演。
• 交付闭环：简历诊断、项目打磨、模拟面试、知识库 RAG 和 PDF 报告能力已经串联。
• 工程可信度：JWT 多用户隔离、异步任务、Docker Compose、CI 质量检查、生产 Compose 和 Nginx 配置齐备。

前端页面展示

技术栈

• 后端：FastAPI + SQLAlchemy + PostgreSQL + Redis + LangChain
• 前端：React 18 + TypeScript + Tailwind CSS v4 + AntV G6
• AI：DeepSeek（deepseek-chat）+ LangChain Structured Output
• Embedding：智谱 Embedding-3（2048 维截断至 1536）/ DashScope / 哈希降级
• 语音识别：MediaRecorder 录音上传 + 本地 faster-whisper 转写（voice-lite）
• 异步任务：Redis Stream 消费者组模式（xreadgroup + xack）
• 向量检索：pgvector + Rerank 重排序（BGE Reranker）
• 知识图谱：PostgreSQL 三元组表 + LLM 实体关系抽取 + GraphRAG 混合检索
• 部署：Docker Compose + Nginx + gunicorn/uvicorn

快速启动

一键启动/停止（推荐）

# 启动 Docker 依赖、后端和前端
./start.sh

# 停止本项目后端、前端和 Docker 依赖
./stop.sh

后端

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑 .env 填入实际的 API Key 和数据库配置

# 启动服务
uvicorn app.main:app --host 0.0.0.0 --port 8002 --reload

前端

cd frontend
npm install
npm run dev

服务地址

• 后端 API：http://localhost:8002
• 前端页面：http://localhost:5176（`./start.sh` 默认端口；手动 npm run dev 会使用 Vite 默认端口 5173）
• 产品工作台：http://localhost:5176/dashboard
• API 文档：http://localhost:8002/docs
• 本地演示默认让前端通过 Vite /api 同源代理访问后端；VITE_API_BASE_URL 保持为空即可，避免跨端口 CORS 干扰。需要直连后端时，确认 CORS_ALLOWED_ORIGINS 同时包含当前前端的 localhost 和 127.0.0.1 地址。

演示路径

1. 注册或登录账号，进入 OfferPilot 工作台。
2. 上传一份简历，等待异步解析完成。
3. 进入面试诊断，填写目标岗位、公司和 JD。
4. 根据诊断结果进入项目打磨或模拟面试。
5. 完成面试后查看复盘报告，并导出 PDF。

本地质量检查

./scripts/quality_check.sh

该脚本会依次执行 Python 编译检查、全量 Ruff 检查、Ruff 格式检查、pytest 基础测试和前端生产构建。

功能模块

简历管理

• 多格式解析（PDF、DOCX、DOC、TXT）
• Redis Stream 异步简历分析，实时状态追踪
• AI 评分报告（内容、结构、技能匹配、表达、项目五个维度）

模拟面试

• 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）
• 历史题目自动去重
• 实时追问：根据候选人回答质量动态生成追问，每个主问题最多追问 2 次
• 知识题评估：出题时生成参考答案和 key_points 评分锚点，评估时逐点对比
• 项目题评估：四维评估（真实性、技术深度、深度、表达）
• 六档评分体系：空白(0-19) → 知道名词(20-39) → 知道定义(40-59) → 理解原理(60-74) → 能用能说清(75-89) → 深度掌控(90-100)
• 语音输入：录音上传到后端本地 faster-whisper 转写，转写文本可编辑后提交，不影响原有评分链路
• 知识库集成：评估时从用户知识库检索相关知识点作为参考
• 简历结构化提取（项目列表、技术栈、经验等级）

知识库 RAG

• 文档上传入库（PDF、DOCX、TXT、Markdown）
• 异步索引：PENDING → PROCESSING → COMPLETED / FAILED
• pgvector 向量检索 + Rerank 重排序
• SSE 流式问答接口

知识图谱

• PostgreSQL 三元组表存储实体-关系-实体结构
• LLM 实体关系抽取（DeepSeek 自动从文档中提取技术/概念/工具/框架等实体及关系）
• 新文档入库自动构建图谱（索引流程集成抽取，失败不影响主流程）
• 前端 AntV G6 力导向图可视化，支持搜索高亮、类型筛选、实体详情侧栏
• GraphRAG 混合检索（向量检索 + 图谱三元组遍历双通道并行）

Agent 智能下载

• URL 解析 → 内容抓取 → 知识库构建的全自动流水线
• 多 Agent 编排（Planning → Execution → Quality → Summary）
• 搜索引擎集成（Tavily / Serper / Bing / Google）

项目结构

python/
├── app/
│   ├── common/              # 公共模块（异常、错误码、AI 适配器）
│   ├── infrastructure/      # 基础设施（Redis、文件存储）
│   ├── modules/
│   │   ├── auth/            # 用户认证（JWT）
│   │   ├── resume/          # 简历管理
│   │   ├── interview/       # 模拟面试
│   │   ├── knowledge_base/  # 知识库 RAG
│   │   ├── knowledge_graph/ # 知识图谱（实体关系抽取 + GraphRAG）
│   │   └── agent_orchestration/  # Agent 编排
│   └── main.py              # 应用入口
├── frontend/                # React 前端
├── skills/                  # 面试方向定义（SKILL.md）
├── docs/                    # 技术文档
├── docker-compose.yml       # Docker 编排
└── requirements.txt         # Python 依赖

安全与优化

• 用户级数据隔离：所有业务表 user_id 外键，查询带用户过滤（IDOR 修复）
• JWT 认证链路：全局中间件解析 token → request.state → Depends 注入
• 输入校验：Pydantic Field 约束（范围、长度）
• 文件上传安全：文件名清理 + PDF 魔术字节检测
• SSE 真流式输出：LangChain astream() token-by-token 推送
• 异步任务超时：asyncio.wait_for 5 分钟兜底
• LLM 监控：装饰器模式记录 token 消耗和调用时长

Docker 部署

# 开发环境
docker-compose up -d

# 生产环境
cp .env.prod.example .env.prod
# 编辑 .env.prod 填入真实密钥
docker-compose -f docker-compose.prod.yml up -d