MockMate — AI 面试模拟陪练

基于 FastAPI 多 Agent 协同的拟真 AI 面试平台，支持多面试官切换、实时语音交互与 9 阶段面试流程，内置 5 层安全防护。

界面预览

准备面试 — 填写简历、选择面试轮次、生成岗位画像

岗位画像分析 — AI 搜索岗位招聘要求，生成结构化画像

模拟面试 — AI 面试官出题，支持语音、倒计时、提示

历史记录 — 多维度趋势图表、薄弱点分析

历史记录详情 — 雷达图评分、逐题回顾

快速开始

安装依赖

cd MockMate
pip install -r requirements.txt

配置 API Key

MockMate 支持四个 AI 提供商（可在网页端运行时切换）：

提供商	支持能力	申请地址
MiMo（小米）	推理出题、简历图片识别、语音合成	https://100t.xiaomimimo.com
DeepSeek	推理出题、对话（不支持图片和语音）	https://platform.deepseek.com
通义千问 (Qwen)	推理出题、对话、图片识别（vl）、语音合成（CosyVoice）	https://help.aliyun.com/zh/model-studio
智谱 (Zhipu)	推理出题、对话（GLM-4 系列）	https://open.bigmodel.cn

配置方式（二选一）：

方式一：环境变量

set MIMO_API_KEY=your_key_here
set DEEPSEEK_API_KEY=your_key_here
set AI_PROVIDER=mimo    # 或 deepseek / qwen / zhipu

方式二：启动后网页配置 启动服务后，在浏览器打开设置页面，填入 API Key 并保存。

启动

start.bat        # Windows 双击 或
python run.py    # 直接运行

浏览器打开 http://127.0.0.1:18633

HTTPS 支持：启动后会自动生成自签名 SSL 证书，局域网其他设备可通过 https://<LAN-IP>:18633 访问并使用麦克风（首次访问需信任自签名证书）。

架构

┌─────────┐     ┌─────────────────────────────────────────────────┐     ┌───────────┐
│ 浏览器   │────▶│                FastAPI 服务                       │────▶│  MiMo API │
│ (SPA)   │     │                                                 │     │  DeepSeek │
└─────────┘     │  ┌─────────────────────────────────────────────┐│     │  Qwen API │
                │  │              安全层 (Security Pipeline)      ││     │  Zhipu API│
                │  │  InputGuard → OutputGuard → StateVerifier    ││     └───────────┘
                │  └─────────────────────────────────────────────┘│
                │       │                        │                │
                │       ▼                        ▼                │
                │  ┌──────────┐  ┌──────────────────────────────┐ │
                │  │ 路由层    │  │    拟真面试引擎               │ │
                │  │ main.py  │  │  mock_engine                  │ │
                │  └────┬─────┘  │  mock_state                   │ │
                │       │        │  api_router                   │ │
                │       │        │  interviewer_config            │ │
                │       ▼        └──────────────────────────────┘ │
                │  ┌──────────┐               │                   │
                │  │ 网页搜索   │               ▼                   │
                │  │web_resea │  ┌──────────────────────────────┐ │
                │  │ rch.py   │  │   统一 AI 客户端              │ │
                │  └──────────┘  │  ai_client                   │ │
                │       │        │  ┌─────┐ ┌──────┐ ┌──────┐  │ │
                │       ▼        │  │MiMo │ │Deep  │ │Qwen  │  │─│─▶ HTTP API
                │  ┌──────────┐  │  │Cli  │ │Seek  │ │Cli   │  │ │
                │  │ 数据库    │  │  └─────┘ └──────┘ └──────┘  │ │
                │  │database │  │  ┌──────┐ ┌─────────────────┐ │ │
                │  │ .py     │  │  │Zhipu │ │   语音合成 TTS   │ │ │
                │  └──────────┘  │  │Cli   │ │  tts.py         │ │ │
                │       │        │  └──────┘ │  cosyvoice_ws   │ │ │
                │       ▼        └───────────┴─────────────────┘ │
                │  ┌──────────┐                                   │
                │  │ finetune │                                   │
                │  │ 训练数据   │                                   │
                │  └──────────┘                                   │
                └─────────────────────────────────────────────────┘

核心模块

模块	文件	职责
入口	`run.py`	启动入口
Web 服务	`backend/main.py`	FastAPI 应用，路由注册，全局实例管理
AI 客户端	`backend/ai_client.py`	统一接口，四提供商自动路由和 fallback
MiMo 客户端	`backend/mimoclient.py`	小米 MiMo API 封装（推理、多模态、TTS）
DeepSeek 客户端	`backend/deepseek_client.py`	DeepSeek API 封装（推理、对话）
Qwen 客户端	`backend/qwen_client.py`	通义千问 API 封装（推理、对话、多模态、TTS）
智谱客户端	`backend/zhipu_client.py`	智谱 GLM-4 API 封装（推理、对话）
传统面试引擎	`backend/interview_engine.py`	旧版出题、评分、报告生成的 Prompt 编排
拟真面试引擎	`backend/mock_interview/mock_engine.py`	多面试官拟真面试核心引擎（流式出题、追问、质量驱动阶段推进）
拟真面试状态	`backend/mock_interview/mock_state.py`	面试状态管理、面试官路由评分、阶段推进决策
拟真面试路由	`backend/mock_interview/api_router.py`	拟真面试 API 编排（创建、答题、历史管理）
面试官配置	`backend/mock_interview/interviewer_config.py`	面试官角色创建、Prompt 生成、行为属性建模
安全层	`backend/mock_interview/security.py`	5 层安全防御体系（注入检测、输出扫描、状态校验等）
WebSocket 流式聊天	`backend/stream_chat.py`	AI 流式聊天 WebSocket 通信
CosyVoice WebSocket	`backend/cosyvoice_ws.py`	阿里云 CosyVoice TTS WebSocket 长文本合成
网页搜索	`backend/web_research.py`	多引擎并行搜索 + AI 整合成岗位画像
实时语音识别(ASR)	`backend/main.py` → `/api/asr/stream`	WebSocket 流式 ASR（PCM16→WAV→DashScope fun-asr-realtime），边说边出字
ASR 热词管理	`backend/asr_phrases.py`	技术术语热词短语管理（80+ 中英文术语），提升专业词汇识别率
语音合成	`backend/tts.py`	文字转语音 WAV
数据持久化	`backend/database.py`	MySQL / JSON 文件双模式存储（会话、缓存、搜索历史）
配置	`backend/config.py`	环境变量和常量配置
训练数据	`backend/finetune/`	训练数据采集、管理、LoRA 微调准备
前端	`frontend/`	模块化 SPA（12 个 JS 模块 + 独立 CSS）

安全架构

┌──────────────────────────────────────────────────────────────┐
│                   Security Pipeline                            │
│                                                              │
│  ┌──────────┐   ┌──────────┐   ┌──────────┐   ┌──────────┐  │
│  │InputGuard │──▶│OutputGuard│──▶│StateVeri │──▶│MemoryGuard│  │
│  │ 注入检测   │   │ 泄漏扫描  │   │ 状态机校验 │   │ 记忆污染  │  │
│  └──────────┘   └──────────┘   └──────────┘   └──────────┘  │
│       │              │              │              │         │
│       ▼              ▼              ▼              ▼         │
│  8 种攻击类型    5 类关键词      状态转移矩阵     上下文污染    │
│  加权正则匹配     分级告警       非法操作拦截     自动隔离     │
└──────────────────────────────────────────────────────────────┘

拟真面试系统内置 5 层安全防御，覆盖 8 种攻击类型：

安全层	职责	防护目标
InputGuard	用户输入注入检测	Prompt 注入、越狱、角色逃逸、权限提升
Prompt Isolation	系统提示与用户数据隔离	数据污染、交叉会话干扰
OutputGuard	AI 输出关键词扫描	系统提示泄漏、敏感信息泄露
StateVerifier	状态机转移校验	越权操作、状态异常跳转
MemoryGuard	上下文记忆污染检测	长期记忆投毒、历史篡改

攻击检测分类

攻击类型	说明	检测方式
`prompt_injection`	提示词注入	加权正则 + 关键字评分
`jailbreak`	越狱攻击	越狱模板识别
`role_escape`	角色逃逸	系统角色欺骗检测
`system_leak`	系统提示泄漏	Prompt 模板指纹匹配
`privilege_escalation`	权限提升	特权操作请求检测
`memory_pollution`	记忆污染	交叉上下文污染检测
`tool_abuse`	工具滥用	调用频率和参数异常
`data_exfiltration`	数据窃取	批量数据请求检测

核心原则

LLM 只负责生成语言，不负责任何系统控制决策
用户输入永远不能直接影响系统控制逻辑
多层防御，不依赖单层 Prompt 安全
所有安全事件记录详细日志，支持审计追踪

API 文档

所有接口前缀 /api，请求/响应均为 JSON。

基础

`GET /api/status`

服务状态和配置信息。

{
  "status": "ok",
  "provider": "mimo",
  "mimo_ready": false,
  "deepseek_ready": false,
  "qwen_ready": false,
  "zhipu_ready": false,
  "db": "json",
  "cache": { "total": 0, "valid": 0, "expired": 0 }
}

`POST /api/config`

更新 API Key 或切换提供商。

{ "mimo_api_key": "sk-xxx", "deepseek_api_key": "sk-xxx", "provider": "deepseek" }

简历

`POST /api/resume/parse`

上传简历文件进行解析（JPG/PNG/PDF/DOCX/MD）。

`POST /api/resume/analyze`

AI 分析简历文本，提取技能、经验、项目。

岗位研究

`POST /api/research`

全网搜索目标岗位的招聘要求和面经，生成结构化岗位画像。结果缓存 90 天。

传统面试

`POST /api/interview/start`

开始一场传统面试。支持选择面试轮次，每个轮次有独立的面试官角色定位和考察方向。

轮次	值	面试官角色	考察方向
笔试	`written`	笔试考官	理论基础与知识广度（客观题）
技术一面	`tech_1`	资深工程师	工程实践与编码能力
技术二面	`tech_2`	架构师/技术总监	架构设计与技术深度
综合面	`comprehensive`	工程 VP/HR 负责人	综合素质与发展潜力
自定义练习	`custom`	—	使用自定义题目练习

`POST /api/interview/answer`

提交回答，获取评分和下一题（5 维度评分 + 参考回答）。

`POST /api/interview/end`

结束面试，生成总结报告。

拟真面试（多面试官）

拟真面试是 MockMate 的旗舰功能 — 多个 AI 面试官依次上场，自动推进 9 个面试阶段，支持追问、切换、质量驱动的阶段推进。

面试官管理

方法	路径	说明
POST	`/api/mock/interviewers`	创建面试官角色
GET	`/api/mock/interviewers`	列出所有面试官
GET	`/api/mock/interviewers/{id}`	获取单个面试官
PUT	`/api/mock/interviewers/{id}`	更新面试官配置
DELETE	`/api/mock/interviewers/{id}`	删除面试官

// POST /api/mock/interviewers 请求
{
  "name": "张工",
  "role": "资深后端工程师",
  "style": "严谨专业，喜欢追问细节",
  "focus_area": "分布式系统、数据库、高并发",
  "aggressiveness": 0.7,
  "follow_up_depth": 0.8,
  "interruption_rate": 0.3,
  "voice_style": "稳重男声",
  "preferred_stages": ["general_tech", "deep_dive", "project"]
}

面试官行为属性：

属性	范围	说明
`aggressiveness`	0~1	攻击性：越高越倾向挑战、质疑、施压
`follow_up_depth`	0~1	追问深度：越高越倾向连续深挖不换人
`interruption_rate`	0~1	打断概率：越高越倾向插话抢问
`preferred_stages`	列表	偏好的面试阶段

创建拟真面试

`POST /api/mock/interview/start`

// 请求
{
  "interviewer_ids": ["id1", "id2", "id3"],
  "resume": "简历内容...",
  "profile": {},
  "max_duration": 3600,
  "wrap_up_threshold": 0.8
}

参数	说明
`interviewer_ids`	参加的面试官 ID 列表（至少 2 位）
`max_duration`	最大时长（秒），默认 3600
`wrap_up_threshold`	收尾阈值（0~1），达到此进度时开始收尾

// 响应
{
  "session_id": "a1b2c3d4e5f6",
  "interviewers": [
    { "id": "id1", "name": "张工", "role": "资深后端工程师", ... },
    { "id": "id2", "name": "李总", "role": "技术总监", ... }
  ],
  "stages": ["intro", "resume", "general_tech", "deep_dive", "project", "pressure", "hr", "qna", "end"],
  "current_stage": "intro",
  "current_interviewer": { "id": "id1", "name": "张工", ... }
}

WebSocket 流式面试

`WebSocket /api/mock/interview/ws/{session_id}`

拟真面试采用 WebSocket 全双工通信，消息均为 JSON。

发往服务器：

// 提交回答
{
  "type": "answer",
  "answer": "我的回答是...",
  "elapsed": 120
}

字段	说明
`answer`	用户回答文本
`elapsed`	本题已用时（秒）

来自服务器：

消息类型	说明
`question`	新题目（含面试官信息、switch 标记）
`question_start`	出题开始（显示 loading）
`switch_interviewer`	面试官切换（先于音频，触发切换动画）
`audio_chunk`	语音流分片（base64 WAV）
`audio_end`	语音传输结束
`evaluation`	评分结果（五维度评分 + 评语）
`stage_change`	阶段推进通知
`error`	错误信息

// question — 新题目
{
  "type": "question",
  "question": "请介绍一下你在项目中遇到的最大的技术挑战...",
  "question_index": 1,
  "stage": "general_tech",
  "interviewer": { "id": "id1", "name": "张工", "role": "资深后端工程师" },
  "is_follow_up": false,
  "switch_from": null,
  "switch_to": null,
  "countdown": 180
}

// switch_interviewer — 面试官切换（在音频之前发送）
{
  "type": "switch_interviewer",
  "from": "张工",
  "to": "李总"
}

// evaluation — 评分结果
{
  "type": "evaluation",
  "technical_score": 8,
  "logic_score": 7,
  "depth_score": 6,
  "communication_score": 8,
  "overall_score": 7.3,
  "summary": "综合评价...",
  "strengths": ["优点1", "优点2"],
  "improvements": ["建议1", "建议2"],
  "reference_answer": "参考回答要点",
  "is_follow_up": true
}

// stage_change — 阶段推进
{
  "type": "stage_change",
  "from": "general_tech",
  "to": "deep_dive",
  "reason": "评分 78 分，回答长度 200 字，满足推进条件",
  "description": "从「技术广度考察」进入「技术深度挖掘」"
}

结束拟真面试

`POST /api/mock/interview/end/{session_id}`

结束面试，返回完整报告，包含每个阶段的统计数据、评分趋势、面试官评价汇总。

其他拟真面试接口

方法	路径	说明
GET	`/api/mock/interview/state/{session_id}`	获取当前面试状态
GET	`/api/mock/interview/report/{session_id}`	获取面试报告
GET	`/api/mock/interview/history`	列出所有拟真面试记录
GET	`/api/mock/voice/tts`	语音合成测试
POST	`/api/mock/voice/asr`	语音转文字（上传音频文件，返回文字）

题目收藏

方法	路径	说明
POST	`/api/favorites`	收藏题目
GET	`/api/favorites`	列出所有收藏
DELETE	`/api/favorites/{id}`	取消收藏

自定义题目

方法	路径	说明
POST	`/api/custom/questions`	创建题目
GET	`/api/custom/questions`	列出所有题目
PUT	`/api/custom/questions/{id}`	更新题目
DELETE	`/api/custom/questions/{id}`	删除题目

历史记录 / 缓存

方法	路径	说明
GET	`/api/audio/{filename}`	获取语音文件（WAV）
GET	`/api/history`	列出所有面试记录
DELETE	`/api/history/{session_id}`	删除指定记录
GET	`/api/cache/stats`	缓存统计
POST	`/api/cache/clear`	清空缓存

项目结构

MockMate/
├── run.py                      # 启动入口
├── start.bat                   # Windows 启动脚本
├── requirements.txt            # Python 依赖
├── mockmate.sql                # MySQL 建表脚本
├── CHANGELOG.md                # 版本变更日志
├── README.md                   # 本文件
├── .env / .env.example         # 环境配置
├── frontend/
│   ├── index.html              # HTML 骨架（7 Tab 页面）
│   ├── README.md               # 前端开发文档
│   ├── css/
│   │   └── style.css           # 全部样式（主题、组件、动画、响应式）
│   ├── lib/                    # 本地库（marked.js, chart.umd.min.js）
│   └── js/
│       ├── app.js              # 主入口（Tab 切换、快捷键、表单记忆）
│       ├── api.js              # API 请求封装
│       ├── utils.js            # 工具函数 & 常量
│       ├── interview.js        # 传统面试全流程
│       ├── mock_interview.js   # 拟真面试全流程（WebSocket 流式）
│       ├── research.js         # 岗位画像搜索
│       ├── history.js          # 历史记录 + Chart.js 图表
│       ├── favorites.js        # 题目收藏管理
│       ├── custom.js           # 自定义题目 CRUD
│       ├── settings.js         # API Key 配置
│       ├── auth.js             # 用户认证（邮箱验证码登录）
│       ├── feedback.js         # 评分反馈（👍/👎 点踩与修正）
│       └── finetune.js         # 训练数据展示与管理
└── backend/
    ├── __init__.py
    ├── config.py               # 配置（API Key、端口、模型名称）
    ├── main.py                 # FastAPI 服务主程序
    ├── ai_client.py            # 统一 AI 客户端接口
    ├── mimoclient.py           # MiMo API 客户端（异步）
    ├── deepseek_client.py      # DeepSeek API 客户端（异步）
    ├── qwen_client.py          # 通义千问 API 客户端（异步）
    ├── zhipu_client.py         # 智谱 GLM-4 API 客户端（异步）
    ├── interview_engine.py     # 传统面试引擎（出题、评分、报告）
    ├── web_research.py         # 网络搜索 + 岗位画像生成
    ├── tts.py                  # 语音合成
    ├── cosyvoice_ws.py         # CosyVoice WebSocket 长文本合成
    ├── stream_chat.py          # WebSocket 流式聊天
    ├── database.py             # 数据持久化（MySQL / JSON 回退）
    ├── auth.py                 # 用户认证逻辑
    ├── mail.py                 # 邮件发送（验证码）
    ├── mock_interview/         # 拟真面试模块
    │   ├── __init__.py
    │   ├── api_router.py       # 拟真面试 API 路由编排
    │   ├── api_models.py       # 请求/响应数据模型
    │   ├── mock_engine.py      # 核心引擎（出题、评分、追问）
    │   ├── mock_state.py       # 状态管理（面试官路由、阶段推进）
    │   ├── interviewer_config.py # 面试官角色配置与管理
    │   └── security.py         # 多层安全防御体系
    ├── finetune/               # 训练数据模块
    │   ├── collector.py        # 数据采集
    │   └── manager.py          # 数据管理（查询、统计、导出）
    └── data/                   # 运行时数据（自动创建）
        ├── ssl/                # 自签名 SSL 证书
        ├── sessions/           # 面试会话 JSON
        ├── audios/             # 语音 WAV 文件
        └── mockmate.log        # 运行日志

拟真面试流程

9 阶段面试流程

拟真面试模拟真实面试的完整流程，自动推进 9 个阶段：

面试开始
   │
   ▼
┌─────────────┐
│ 破冰与自我介绍 │──▶ 面试官开场，候选人自我介绍
│ (intro)      │
└─────────────┘
   │
   ▼
┌─────────────┐
│ 简历细节确认  │──▶ 面试官就简历内容逐项提问
│ (resume)     │
└─────────────┘
   │
   ▼
┌─────────────┐
│ 技术广度考察  │──▶ 覆盖基础知识和技能广度
│ (general_tech)│
└─────────────┘
   │
   ▼
┌─────────────┐
│ 技术深度挖掘  │──▶ 深入追问，考察技术深度
│ (deep_dive)  │
└─────────────┘
   │
   ▼
┌─────────────┐
│ 项目经验拷问  │──▶ STAR 法则深挖项目细节
│ (project)    │
└─────────────┘
   │
   ▼
┌─────────────┐
│ 场景压力测试  │──▶ 压力场景、限时设计题
│ (pressure)   │
└─────────────┘
   │
   ▼
┌─────────────┐
│ HR 综合素质面 │──▶ 职业规划、软技能、文化匹配
│ (hr)         │
└─────────────┘
   │
   ▼
┌─────────────┐
│ 候选人反问环节 │──▶ 候选人提问
│ (qna)        │
└─────────────┘
   │
   ▼
┌─────────────┐
│ 面试收尾     │──▶ 面试官总结、下一步说明
│ (end)        │
└─────────────┘

质量驱动的阶段推进（动态决策）

不再使用固定题数阈值，而是根据多维信号动态决策：

信号	条件	结果
综合评分	≥75 分且已回答 1 题以上	建议推进
回答长度	平均 ≥150 字且已回答 2 题以上	建议推进
回答过短	平均 <40 字且已回答 3 题以上	强制推进
时间压力	已用时间 >70% 且已回答 1 题以上	强制推进
最大题数	达到安全上限（INTRO=3, TECH=5, 其他=4）	强制推进
深度抵抗	`follow_up_depth` ≥0.6 且评分 <70 且未满 3 题	推迟推进

面试官路由评分

每道题后系统根据以下维度评分，选择下一个面试官：

维度	权重	说明
阶段匹配度	基础权重	面试官偏好的阶段匹配得分
追问奖励	+0.5 递增	同一面试官连续出题时累加
短回答加成	+0.3	回答 <80 字时触发追问
高追问深度加成	+0.05~0.15	`follow_up_depth` ≥0.5 时额外加分
时间压力	动态	进度 >70% 后减少切换
随机扰动	±0.1	增加不确定性

评分维度

所有面试（笔试除外）从 5 个维度评分，每个轮次的评分权重不同：

维度	范围	技术一面权重	技术二面权重	综合面权重
技术分	1-10	40%	30%	15%
逻辑分	1-10	30%	20%	25%
深度分	1-10	15%	40%	20%
表达分	1-10	15%	10%	40%
综合分	1-10	加权平均	加权平均	加权平均

技术一面：侧重工程实践、代码质量、调试能力
技术二面：侧重架构设计、技术深度、权衡分析
综合面：侧重 STAR 表达、自我认知、成长思维
笔试：客观题自动判卷，直接比对正确答案

配置说明

环境变量

变量	默认值	说明
`MIMO_API_KEY`	空	小米 MiMo API Key
`DEEPSEEK_API_KEY`	空	DeepSeek API Key
`QWEN_API_KEY`	空	通义千问 API Key
`ZHIPU_API_KEY`	空	智谱 GLM-4 API Key
`AI_PROVIDER`	`mimo`	默认 AI 提供商
`ALLOW_SHARED_API_KEY`	`false`	是否允许未配 Key 的用户回退使用全局 Key

模型配置

通义千问支持在设置页分别配置各用途模型：

变量	默认值	说明
`QWEN_MODEL`	`qwen-plus`	通用模型（fallback）
`QWEN_MODEL_REASONER`	`qwen-plus`	推理出题模型
`QWEN_MODEL_CHAT`	`qwen-plus`	对话模型
`QWEN_MODEL_WRITTEN_EVAL`	`qwen-turbo`	笔试判卷模型
`QWEN_MODEL_TTS`	`cosyvoice-v1`	语音合成模型

服务配置 (`backend/config.py`)

参数	默认值	说明
`HOST`	`127.0.0.1`	监听地址
`PORT`	`18633`	监听端口

API 超时

客户端	超时	连接池
MiMo API	120s	max 10 连接
DeepSeek API	120s	max 10 连接
智谱 API	120s	max 10 连接
网页搜索	15s/请求	max 10 连接

技术栈

层级	技术
后端框架	FastAPI + uvicorn
AI 推理	MiMo API / DeepSeek API / 通义千问 (Qwen) / 智谱 (Zhipu)
网页搜索	Bing + DuckDuckGo（自动 fallback）
图片识别	MiMo 多模态 / Qwen-VL
语音合成	MiMo TTS / Qwen CosyVoice
语音识别	各提供商 STT 接口
WebSocket	FastAPI WebSocket（流式出题、音频传输）
模型微调	PEFT + LoRA (开发中)
数据存储	MySQL / JSON 文件双模式
前端	原生 JS SPA（12 模块化文件 + Chart.js 图表）
图表库	Chart.js v4（本地 lib 加载）
Markdown	marked.js（本地 lib 加载）
安全	5 层防御体系（注入检测、状态校验、泄漏扫描）
SSL	自签名证书自动生成（支持局域网 HTTPS）
依赖管理	pip + requirements.txt

开发指南

添加新的 AI 提供商

在 backend/ 下新建客户端类，参考 mimoclient.py 的模式
实现 reason()、chat_standard()、written_eval() 等方法
在 config.py 添加配置项
在 ai_client.py 注册新客户端和 fallback 逻辑

创建面试官角色

编辑 backend/mock_interview/interviewer_config.py 或通过 API 动态创建：

from backend.mock_interview.interviewer_config import InterviewerConfig

config = InterviewerConfig(
    name="张工",
    role="资深后端工程师",
    style="严谨专业",
    focus_area=["分布式系统", "数据库"],
    aggressiveness=0.7,
    follow_up_depth=0.8,
    interruption_rate=0.3,
)
prompt = config.render_prompt(resume="...", profile={...})

修改拟真面试 Prompt

核心 prompt 模板在 interviewer_config.py 的 DEFAULT_PROMPT_TEMPLATE，包含以下占位符：

占位符	说明	生成方式
`{role}`	面试官角色	创建时指定
`{style}`	面试风格	创建时指定
`{focus_area}`	考察方向	创建时指定
`{behavior_desc}`	行为描述	根据 aggressiveness/follow_up_depth/interruption_rate 自动生成
`{follow_up_rule}`	追问规则	根据 follow_up_depth 自动生成

追问和切换场景使用不同的 prompt 指令：

追问时：强制要求紧扣上一条回答、引用候选人说过的话
切换时：要求至少用"刚才提到了…"过渡，回顾前文

前端开发

前端是模块化 SPA，所有文件在 frontend/ 目录。详见 frontend/README.md。

各 JS 模块职责和 API 详见 frontend/README.md。

日志

日志同时输出到控制台和 backend/data/mockmate.log，格式：

HH:MM:SS [LEVEL] module: message

Name		Name	Last commit message	Last commit date
Latest commit History 23 Commits
backend		backend
frontend		frontend
images		images
.env.example		.env.example
.gitignore		.gitignore
CHANGELOG.md		CHANGELOG.md
README.md		README.md
mockmate-plan.md		mockmate-plan.md
mockmate.sql		mockmate.sql
requirements.txt		requirements.txt
run.py		run.py
start.bat		start.bat

Folders and files

Latest commit

History

Repository files navigation

MockMate — AI 面试模拟陪练

界面预览

快速开始

安装依赖

配置 API Key

启动

架构

核心模块

安全架构

攻击检测分类

核心原则

API 文档

基础

GET /api/status

POST /api/config

简历

POST /api/resume/parse

POST /api/resume/analyze

岗位研究

POST /api/research

传统面试

POST /api/interview/start

POST /api/interview/answer

POST /api/interview/end

拟真面试（多面试官）

面试官管理

创建拟真面试

POST /api/mock/interview/start

WebSocket 流式面试

WebSocket /api/mock/interview/ws/{session_id}

结束拟真面试

POST /api/mock/interview/end/{session_id}

其他拟真面试接口

题目收藏

自定义题目

历史记录 / 缓存

项目结构

拟真面试流程

9 阶段面试流程

质量驱动的阶段推进（动态决策）

面试官路由评分

评分维度

配置说明

环境变量

模型配置

服务配置 (backend/config.py)

API 超时

技术栈

开发指南

添加新的 AI 提供商

创建面试官角色

修改拟真面试 Prompt

前端开发

日志

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

`GET /api/status`

`POST /api/config`

`POST /api/resume/parse`

`POST /api/resume/analyze`

`POST /api/research`

`POST /api/interview/start`

`POST /api/interview/answer`

`POST /api/interview/end`

`POST /api/mock/interview/start`

`WebSocket /api/mock/interview/ws/{session_id}`

`POST /api/mock/interview/end/{session_id}`

服务配置 (`backend/config.py`)

Packages