Skip to content

Palaiologos1453/OpenInterview

BranchesTags

Repository files navigation

OpenInterview

OpenInterview 是一个面向 Java 后端和 AI 应用开发校招/实习准备的本地 AI 模拟面试工具。

项目定位很明确：每个人把项目拉到自己的电脑上，启动本地 API 和静态前端，填写自己的模型 URL、模型名和 API Key，然后开始练习。它默认不是公网 SaaS，不要求上传简历、语音或 API Key 到第三方服务端。

新用户可以先看 Quickstart。

当前公开入口先开放 Java 后端和 AI 应用开发。前端、测开、数据、算法、SRE、嵌入式等方向没有在目录里开放，避免题库深度不足时给用户错误预期；后续等题库质量跟上再恢复多方向入口。

一键启动

Windows PowerShell：

cd OpenInterview
.\scripts\start-local.ps1

脚本会自动做这些事：

  • 找可用的本地端口，避免 8000 或 5173 被占用。
  • 检查 Python 版本、pip、端口和启动健康状态。
  • 创建/复用 apps/api/.venv。
  • 安装 API 依赖。
  • 启动 FastAPI 后端和静态前端。
  • 打印最终访问地址，例如：
http://127.0.0.1:5173/?api=http://127.0.0.1:8000

如果项目根目录存在 voice_venv，脚本会自动用它启动 API，以便本地 SenseVoice/CosyVoice 可用。如果你只想使用轻量文本环境，可以加：

.\scripts\start-local.ps1 -NoVoicePython

启动失败时脚本会打印常见修复建议和日志路径。大多数问题集中在 Python 未安装、版本低于 3.10、PowerShell 执行策略、依赖安装失败或端口被占用。

首次使用

  1. 打开脚本打印的前端地址。
  2. 在左侧“模型配置（本机保存）”里填写 LLM：
    • Provider 模板：可选 OpenAI、DeepSeek、阿里云百炼 DashScope、SiliconFlow、Moonshot/Kimi、Ollama
    • Provider：openai_compatible
    • API Base：例如 https://api.openai.com/v1，或其他兼容 /v1/chat/completions 的地址
    • Model：你的模型名
    • API Key：你的 key
  3. 点击“测试 LLM”，确认模型能返回。
  4. 选择方向、难度、模式和面试官风格，开始面试。

LLM 测试失败时会显示错误类型和修复建议，例如 Key 错、模型不存在、Base URL 不匹配、额度不足、超时或返回格式不兼容。真实 LLM 调用失败或返回空内容时，默认不会静默回退到 Mock；只有手动开启“LLM 失败时允许 Mock 回退（仅开发调试）”才会降级。

ASR/TTS 默认走浏览器能力，文本面试不依赖本地语音。建议第一次先只跑文本。需要语音时，可在配置区点击“测试 ASR”“测试 TTS”或“语音自检”确认浏览器/本地语音环境。完整模型配置教程见 Voice Setup。

面试模式

  • 综合评估：自我介绍、项目、八股基础、场景/系统设计、反问。
  • 单纯八股：集中刷计算机基础和方向知识点，适合配合 JavaGuide 查漏补缺。
  • 简历拷打：自动拆项目卡片，围绕个人贡献、虚假/模糊表述、指标来源、技术选型、故障风险和复盘连续追问。
  • 系统设计专项：训练需求澄清、模块拆分、容量估算、架构取舍和验证方案。

面试官风格

  • 中小厂基础型：按真实一面节奏平衡基础、项目和工程常识。
  • 八股连环追问型：围绕当前方向高频知识点连续追问原理、边界和误区。
  • 项目真实性拷打型：验证简历项目是否真做过，重点追个人贡献、指标来源、选型依据和故障复盘。
  • 系统设计型：把场景题推向需求澄清、容量估算、模块拆分、可用性和风险兜底。

模式决定面试流程，风格决定追问口径。比如可以用 单纯八股 + 八股连环追问型 查漏补缺，也可以用 简历拷打 + 项目真实性拷打型 专门压测项目真实性。

报告会生成复练题、推荐回答结构、示例答案和题目学习卡。学习卡包含参考答案、常见错误、面试官追问点、低分回答 vs 高分回答、关联知识点。逐题复盘还会展示命中评分点、缺失评分点、评分证据和重答建议，方便把一次模拟沉淀成后续复习清单。

题库主要从 D:\JavaGuide 的 Java 后端、数据库、缓存、分布式、高可用、高性能、系统设计和 AI 目录改写为面试题。当前 Java 后端方向 700+ 题，AI 应用开发方向 250+ 题；覆盖页会对 Java 后端核心 topic 使用更高阈值，对补充 topic 使用轻量阈值，避免非核心小类目干扰复习优先级。

如本机更新了 JavaGuide，可重新生成批量题库：

python .\scripts\generate_javaguide_questions.py --javaguide-root D:\JavaGuide

简历导入

支持直接粘贴文本，也支持本地导入：

  • .txt
  • .md
  • .docx
  • .pdf

文件只会发送到本机 API 做文本提取，不会上传公网服务。扫描版图片 PDF 可能无法提取文字，建议先复制成文本。

历史和报告

面试历史保存在本机 SQLite：

data/openinterview.sqlite

前端“历史”入口支持：

  • 打开历史报告。
  • 只看复练题。
  • 导出单次 Markdown 报告。
  • 将低分题和缺口加入错题本。
  • 导出历史为 JSON。
  • 从 JSON 导入历史。
  • 清空全部面试历史。

导出 JSON 会包含报告缓存、回答记录、转写、trace 和错题本，适合换电脑或升级前备份。导入历史只写入本机 SQLite；同 ID 的旧记录会被导入文件覆盖。清空历史只删除面试记录、报告、转写和 trace，不会清空浏览器里的模型配置。

错题本和题库覆盖

前端顶部提供：

  • 错题本：集中查看待复习题、重答建议和缺失评分点，可标记待复习、复练中、已掌握。
  • 题库覆盖：按当前方向主题统计题量、追问覆盖和评分点覆盖，用来判断下一步该补哪些题。

历史记录里的“入错题本”会从报告中提取低分题、缺失评分点和重答建议，适合做长期复练。

数据和隐私

  • 模型配置保存在当前浏览器 localStorage。
  • 后端历史保存在本机 SQLite。
  • API 默认绑定 127.0.0.1。
  • 不建议把前端或 API 暴露到公网。
  • 历史记录里的 API Key 会脱敏保存，重启后打开旧报告会优先使用缓存报告。

手动启动

后端：

cd OpenInterview\apps\api
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -e .
python -m uvicorn openinterview_api.main:app --host 127.0.0.1 --port 8000

前端：

cd OpenInterview\apps\web
python -m http.server 5173 --bind 127.0.0.1

访问：

http://127.0.0.1:5173/?api=http://127.0.0.1:8000

Provider

能力 Provider 默认 说明
LLM openai_compatible 是 调用 /v1/chat/completions
LLM ollama 否 调用本地 Ollama /api/chat
LLM mock 否 离线开发和测试用
ASR browser 是 浏览器内置语音识别
ASR openai_compatible 否 调用 /v1/audio/transcriptions
ASR sensevoice 否 本地 SenseVoice，可选重型 runtime
TTS browser 是 浏览器内置语音合成
TTS openai_compatible 否 调用 /v1/audio/speech
TTS cosyvoice 否 本地 CosyVoice，可选重型 runtime

本地语音增强

本地语音不是核心路径。只有当你希望离线 ASR/TTS 时，才需要下载和配置模型。普通用户优先使用页面里的“语音配置向导”：浏览器语音不需要填写任何模型；云端语音只填 URL、Model、Key；本地模型只填 VAD、SenseVoice、CosyVoice 模型目录和 CosyVoice runtime 路径。

当前适配的本地模型路径：

  • models/vad/silero-vad/silero_vad.onnx
  • models/asr/SenseVoiceSmall
  • models/tts/Fun-CosyVoice3-0.5B

使用 /v1/readiness 检查 ffmpeg、模型文件、FunASR、CosyVoice 和 CUDA 状态。使用 /v1/readiness/smoke?include_voice=true 可以做语音冒烟测试。

一键准备语音环境：

.\scripts\setup-voice.ps1

如需同时下载推荐 ASR/TTS 模型：

.\scripts\setup-voice.ps1 -DownloadModels

页面向导保存的本地模型路径会写入 configs/voice-models.local.yaml，也可以通过环境变量覆盖；音色可以通过 configs/voice-profiles.local.yaml 自定义。详细步骤见 Voice Setup。

API 摘要

  • GET /health
  • GET /v1/catalog
  • GET /v1/readiness
  • GET /v1/voice/config
  • POST /v1/voice/config
  • POST /v1/providers/llm/test
  • GET /v1/questions
  • POST /v1/resume/analyze
  • POST /v1/resume/extract
  • GET /v1/questions/coverage
  • GET /v1/interviews/{session_id}/report.md
  • POST /v1/interviews/{session_id}/review-items
  • GET /v1/review-items
  • PATCH /v1/review-items/{item_id}
  • POST /v1/interviews
  • POST /v1/interviews/{session_id}/turn
  • GET /v1/interviews/{session_id}/report
  • GET /v1/interviews
  • GET /v1/interviews/export
  • POST /v1/interviews/import
  • DELETE /v1/interviews
  • DELETE /v1/interviews/{session_id}
  • GET /v1/metrics
  • POST /v1/realtime/sessions
  • POST /v1/realtime/sessions/{session_id}/events
  • POST /v1/vad/detect
  • POST /v1/asr/transcribe
  • POST /v1/tts/speech

升级和迁移

SQLite 会在 API 启动时自动做轻量迁移。当前迁移策略只做向后兼容字段补齐，例如给旧 turns 表补 question_meta_json。

升级前可以在前端导出历史 JSON。遇到无法恢复的本地测试数据，也可以在前端清空历史后重新开始。

开发验证

cd OpenInterview
$env:PYTHONPATH="D:\OpenInterview\apps\api"
python -m unittest apps.api.tests.test_engine apps.api.tests.test_api
node --check apps/web/app.js
.\voice_venv\Scripts\python.exe -m ruff check apps\api\openinterview_api apps\api\tests

项目结构

OpenInterview/
  apps/
    api/                 FastAPI 后端、面试编排器、模型适配器
    web/                 零构建静态前端
  configs/               provider 和语音配置样例
  data/                  本地 SQLite 数据
  docs/                  架构、路线图、模型接入说明
  scripts/               本地启动和工具脚本

License

MIT

About

No description, website, or topics provided.

Resources

Readme

License

MIT license

Code of conduct

Code of conduct

Contributing

Contributing

Security policy

Security policy
Activity

Stars

56 stars

Watchers

2 watching

Forks

6 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages