开源的 AI 面试模拟系统，用 AI 面试官陪你练面试。基于 LangGraph 多智能体 + DeepSeek 大模型 + 本地 Whisper 语音识别，纯语音对话，会追问、会评分、会写面评报告。
关键词：AI 面试 · AI 陪面 · AI 模拟面试 · 智能面试官 · 面试模拟器 · 大模型面试 · AI Interviewer · Mock Interview · Interview Simulator · LLM Agent
- 🎤 纯语音交互：像和真人对话一样，AI 面试官会听你说话、会追问、会评分
- 🧠 面试官在真的思考：每次追问都会引用你回答里的原话（"你刚才提到的双 Agent 架构..."），不是套路化"能详细讲讲吗"
- 🎯 简历+JD 定制出题：上传简历和目标岗位，AI 结合你的技术栈针对性出题，不是题库随机
- 👔 三档面试官人格：一面同级工程师（peer 随和）/ 二面资深工程师（high peer 严谨）/ 三面直属经理（manager 沉稳），说话风格明显不同
- 🎙️ 智能衔接：AI 会先说"嗯，我理解了..."再问下一题，不再是"沉默 20 秒然后突兀开口"
- 📊 面评报告：面完立即生成 Markdown + PDF，标注技术亮点、待改进点、学习建议
- 💰 零成本运行：本地 Whisper STT + 免费 Edge TTS + DeepSeek 便宜模型，一场面试 LLM 成本 ≈ ¥0.3
- 🐳 Docker 一键起：
docker compose up -d，三分钟跑起来
| 模块 | 选型 |
|---|---|
| 前端 | Next.js 14 + TypeScript + Tailwind |
| 后端 | FastAPI + SQLAlchemy + LangGraph |
| 数据库 | MySQL 8 |
| LLM | OpenAI 兼容协议（默认 DeepSeek，可切 Kimi / Qwen / GPT） |
| STT | faster-whisper（默认，本地）· 可选火山引擎豆包流式 ASR 2.0（中文准确率更高） |
| TTS | edge-tts（默认，免费）· 可选豆包 Seed TTS 2.0（更自然、有情感） |
| 部署 | docker-compose |
git clone https://github.com/heatnan/offerMaster.git
cd offerMaster
cp .env.example .env
# 编辑 .env，填入 OPENAI_API_KEY（DeepSeek Key 就行，¥1 能面几十场）
docker compose up -d --build访问：
- 前端：http://localhost:3000
- 后端 API 文档：http://localhost:8000/docs
首次启动 backend 会下载 Whisper 模型（约 1.5GB），耐心等一下。模型缓存到 whisper_cache volume，后续启动秒开。
- 上传简历（PDF/DOCX）+ JD 文本
- 选择面试轮次（1~3 轮）：一面 peer → 二面 high peer → 三面直属经理
- 每轮 5~8 道题，AI 根据你的简历和 JD 现场出题
- push-to-talk 语音作答，AI 会等你说完再回应
- 智能追问：AI 判断你的知识边界，深入的答案会推进下一题，泛泛的答案会被继续追问
- 每题维度打分（技术/表达/深度），每轮 ≥70 分晋级下一轮
- 面完自动生成面评报告（Markdown + PDF），可下载
- 🎓 准备找工作/换工作的开发者，想练面试但没有真人愿意陪面
- 💼 HR / 招聘方，想在正式面试前先让 AI 过一轮
- 🎥 面试培训机构，作为学员的日常自练工具
- 🔧 AI Agent 学习者，作为多智能体 + 语音交互的开源参考
offerMaster/
├── docker-compose.yml
├── .env.example
├── frontend/ Next.js 前端
│ ├── app/ 页面（面试 / 报告）
│ ├── components/ UI 组件（面试官头像等）
│ └── lib/api.ts 后端 API 封装
└── backend/ FastAPI 后端
└── app/
├── api/ REST endpoints
├── agent/ LangGraph Agent + prompts
├── services/ LLM / STT / TTS provider
└── models.py SQLAlchemy ORM
见 .env.example，支持切换：
- LLM provider（DeepSeek / Kimi / Qwen / GPT / 任何 OpenAI 兼容 API）
- STT provider（本地 Whisper / 火山引擎豆包流式 ASR / OpenAI API 兼容）
- TTS provider（Edge TTS / 豆包 Seed TTS 2.0 / OpenAI API 兼容）
- 每轮题量、追问激进度、通过阈值等
默认用本地 Whisper，零门槛。Whisper 在连续口语和专有名词（技术术语、人名）上准确率有限，且要录完整段才转写。切换到火山引擎豆包流式语音识别 2.0 后，中文识别更准，而且边说边出字（前端把 16kHz PCM 通过 WebSocket 实时推给后端转写）。
开通
- 打开控制台：https://console.volcengine.com/speech/service/10007
- 找到「豆包流式语音识别模型 2.0」，点击开通（试用 20 小时）
- 在「API Key 管理」创建一个 API Key（新版控制台鉴权用 API Key）
配置 .env
STT_PROVIDER=volcengine_asr
VOLCENGINE_ASR_API_KEY=你的_API_Key注：识别准确率仍受口音、网络、专有名词影响，识别错误可能拉低面试评分——回答中可在下方文本框手动订正后再提交。
成本：按识别小时数计费，试用 20 小时，资源包 900 元起。
改完后重建后端：
docker compose up -d --build backend默认用免费的 Edge TTS，零门槛。如果觉得 Edge 声音太"播音腔"、想要更自然有情感的中文面试官声音，可以切到火山引擎豆包语音合成大模型 2.0：
开通
- 打开火山引擎语音技术控制台：https://console.volcengine.com/speech/service/10007
- 找到「豆包语音合成模型 2.0」，点击开通（新用户有 2 万字符免费额度，约够 4-6 场完整面试）
- 进入应用详情，复制 APP ID 和 Access Token
配置 .env
TTS_PROVIDER=doubao
DOUBAO_APP_ID=<你的 APP ID>
DOUBAO_ACCESS_TOKEN=<你的 Access Token>
DOUBAO_CLUSTER=volcano_tts
DOUBAO_VOICE_TYPE=zh_male_m191_uranus_bigtts # 云舟（沉稳男声，默认推荐）其他可选音色（2.0 通用场景）：
zh_male_m191_uranus_bigtts— 云舟（沉稳男声）zh_female_xiaohe_uranus_bigtts— 小何（自然女声）zh_male_taocheng_uranus_bigtts— 小天（年轻男声）
成本：约 ¥15 / 百万字符，一场完整面试 ≈ ¥0.05。
改完后必须重建后端才会生效（restart 不会加载新的环境变量）：
docker compose up -d --build backend- 多轮语音面试 + 智能追问
- 三档面试官人格差异化
- Answer 音频回放
- 面评报告 PDF 导出
- 流式 ASR（火山引擎豆包 2.0），录音时实时出字幕
- 情感 TTS（豆包 Seed TTS 2.0 可选 provider）
- 精准 STT（火山引擎豆包 ASR 2.0 可选 provider）
- 流式 TTS（豆包 V3 WebSocket），降低首字延迟
- 表情驱动 Avatar（SadTalker / LivePortrait）
- Prompt 版本化管理
- 面试历史管理 + 多用户
AI 面试系统 | AI 陪面工具 | AI 模拟面试 | AI 面试官 | 智能面试 | 大模型面试 | LangGraph 面试 Agent | 语音面试 | 模拟面试软件 | 面试练习工具 | Mock Interview Bot | AI Interview Simulator | LLM Interviewer | Voice Interview Agent | Interview Preparation
MIT
Issues 和 PR 都欢迎。如果这个项目对你有帮助，点个 ⭐ 支持一下。