AI Interview Agent — 项目规格说明书

用 AI 复现 AI 面试官。项目代号：Interview Agent

实现状态（Implementation Status）

以下记录 P1 / P2 中已落地功能，与上方规格描述对照阅读。

✅ P1 文字面试（已完成）

状态机 21 个状态，30+ 转移规则完整实现
PDF 简历解析 → 背景画像 → 规划问题 → 技术问答 → 人格评估 → Fuku 式报告
动态人格问题：personality_dynamic_questions=true（默认）时 LLM 根据 JD + 画像生成问题，而非静态列表
动态追问决策：dynamic_follow_up_decision=true 时每题由 LLM 自主判断追问/下一题/收尾
画像合并（简历初稿 + 引导增量），冲突处理与来源标记
多段经历逐个深挖，经历级综合评估
会话状态落盘（JSON + JSONL 事件流）

✅ P2 语音输入（已完成）

实时听写：录音开始 2s 后开始每 5s 上传累积完整 webm 块，输入框实时显示转写结果（不等停止）
停止后补发：停止录音时若有未转写分块，立即补发最终段
TTS 朗读：点击 🔊 按钮，window.speechSynthesis 朗读当前题目（zh-CN）
STT 三选一：通过 STT_BACKEND 切换 sensevoice_http（默认，最快）/ xfyun / local_whisper
SenseVoice 本机服务：SenseVoice/ 目录已纳入主仓库（做法 A），uvicorn SenseVoice.api:app 启动
VAD 切段（webrtcvad，无则固定 55s 窗口兜底），避免讯飞 60s 上限
文字输入全程保留，可随时切换说/打字
GET /api/config 返回 transcribe_auto_submit / tts_enabled / stt_backend

🗂️ 项目结构

ai-interview-agent/
├── app/
│   ├── config.py          # 所有配置（STT/LLM/Guards/人格开关）
│   ├── main.py            # FastAPI 入口 + 所有 HTTP 端点
│   ├── schemas/           # Pydantic 模型（Context/Plan/Scores）
│   ├── services/
│   │   ├── session_runner.py   # 业务编排层
│   │   └── stt/                # STT 提供者工厂
│   │       ├── factory.py       # STT_BACKEND → 提供者路由
│   │       ├── sensevoice_http.py
│   │       ├── xfyun_iat.py
│   │       ├── local_whisper.py
│   │       ├── audio_pcm.py     # webm → PCM 16k 单声道
│   │       └── vad_segment.py   # VAD 静音检测切段
│   └── state_machine/     # 状态机引擎
├── static/
│   ├── app.js             # 前端（含录音/TTS/实时听写/轮询）
│   └── index.html         # 面试主界面
├── SenseVoice/            # FunAudioLLM/SenseVoice 裁剪版（已纳入 Git）
├── docs/SENSEVOICE.md     # SenseVoice 子模块说明
└── run.py                 # 启动脚本

1. 项目概述

目标： 构建一个开源的 AI 驱动的面试系统，能够自主引导面试全流程（从候选人背景收集到问题生成到评分），生成结构化评估报告。

定位： 对标 Fuku AI Interview Agent，但完全透明、开源可审计、支持本地部署。

核心价值：

全流程可复现、可审计（不是 black box）
AI 主动引导，非填表式——更像真人面试
支持本地部署（隐私敏感场景）
多语言、多面试场景适配

2. 核心链路（Phase 1 MVP）

流程执行以状态机为准，详见：STATE_MACHINE.md（本目录）。

候选人 ────────────────────────────────────────────────►

  ┌─────────────────────────────────────────────────────┐
  │ 【阶段 0】面试规划（AI 内部分析）                    │
  │  AI 读取候选人背景 + JD                            │
  │  → 分析每段经历的关键问题点                        │
  │  → 规划本次面试的问题列表                          │
  │  → 确定每个问题考察什么能力                        │
  └────────────────────────┬──────────────────────────┘
                           ▼
  ┌─────────────────────────────────────────────────────┐
  │ 【阶段 1】AI 引导自我介绍 & 背景收集               │
  │  AI 主动提问，候选人文字回复                       │
  │  → 收集：学历、实习经历、技术栈、求职目标、薪资期望 │
  │  → 输出：候选人背景画像（JSON）                    │
  └────────────────────────┬──────────────────────────┘
                           ▼
  ┌─────────────────────────────────────────────────────┐
  │ 【阶段 2】AI 根据背景 + 规划提问列表逐题提问        │
  │  LLM（MiniMax M2.7）按规划的问题顺序提问           │
  │  候选人文字回复                                   │
  │  → 每回答后 AI 决定：追问 / 换下一题 / 结束        │
  └────────────────────────┬──────────────────────────┘
                           ▼
  ┌─────────────────────────────────────────────────────┐
  │ 【阶段 3】AI 逐题评分（实时）                      │
  │  LLM（MiniMax M2.7）逐题评分                      │
  │  → 三维度打分 + 理由 + 改进建议                   │
  └────────────────────────┬──────────────────────────┘
                           ▼
  ┌─────────────────────────────────────────────────────┐
  │ 【阶段 4】生成最终评估报告                          │
  │  → JSON 文件存储（可导出 HTML 报告）               │
  │  → 包含：背景画像 + 面试规划 + 每题评分 + 总体建议│
  └─────────────────────────────────────────────────────┘

◄──────────────────────────────────────────────────────

3. 评分体系（核心！）

参考 Fuku AI，每道题从 3 个维度打分：

维度	分制	含义
Expertise（专业度）	1-5	技术深度、准确性、是否到 senior 水平
Clarity（表达清晰度）	1-5	逻辑结构、术语准确性、是否有重复/模糊表述
Detailedness（详细程度）	1-5	是否有具体数据/实例/实现细节/量化结果

每个维度的评分标准：

分数	标签	含义
1	Below average	明显缺失或错误
2-3	Average	基本到位但不深入
3-4	Good	不错，有亮点
4-5	Excellent	非常出色，超越预期

每题 AI 输出格式（固定结构）：

## 题目 X：[问题原文]

### 评分
- Expertise：3/5（Good）
  理由：候选人展示了XXX的正确理解，正确识别了关键组件和挑战。然而，缺乏数学层面的清晰度和更广泛的设计考量，表明他还未达到 senior 水平。
  
- Clarity：2/5（Average）
  理由：回答有些口语化、表达不精确，有用词重复和不清晰的表述，影响了整体的连贯性。

- Detailedness：2/5（Average）
  理由：虽然覆盖了主要模块，但缺少实现细节、替代方案和量化证据。损失函数类型、噪声处理、评估指标等关键方面均未涉及。

### 改进建议
1. **结构化回答**：先用简要概述，再用具体过程，最后说挑战和结果。
   示例："The RERAW model focuses on reconstructing RAW images from RGB inputs. My approach involved designing modules for color reconstruction..."
   
2. **使用精确术语**：避免口语化表达，用准确的技术术语描述。
   示例："The multi-head gamma predictor allows us to estimate the RAW image before applying gamma transformation..."
   
3. **突出具体挑战**：说清楚遇到了什么问题、如何解决的、结果如何。
   示例："One challenge was balancing the gradients from different gamma heads. I adjusted the loss function to improve the model's accuracy..."
   
4. **用数据量化结果**：尽可能给出具体指标。
   示例："As a result, the model's PSNR improved by 2dB, leading to more accurate RAW image reconstructions."

4. 面试规划阶段（Phase 0）— 核心差异点

这是我们 vs Fuku AI 最重要的区别！

Fuku AI 是"一题一评"模式，随机抽题。我们要有面试规划——像真人面试官一样，面试前就想好要问什么。

4.1 规划 Prompt 模板

PLANNING_PROMPT = """
你是一个资深面试官。面试开始前，请根据候选人背景和目标岗位，做面试规划。

【候选人背景】
{candidate_background}

【目标岗位 JD】
{job_description}

【规划任务】
1. 分析候选人每段实习/工作经历，找出 2-3 个最值得深挖的点
2. 针对每个深挖点，规划 1 个核心问题 + 可能的追问方向
3. 确定本次面试的问题列表（建议 3-5 题，覆盖不同能力维度）
4. 说明每道题考察什么能力

【输出格式】
```json
{
  "interview_plan": [
    {
      "question_id": "Q1",
      "target_experience": "华为实习 - RERAW 轻量化模型",
      "ability_dimension": "计算机视觉 / 模型设计能力",
      "main_question": "请介绍一下你在华为做的 RERAW 轻量化模型的设计思路和遇到的挑战...",
      "follow_up_directions": [
        "如果回答模糊，追问具体模块设计",
        "如果只说结果，追问训练过程和 loss 设计",
        "如果缺乏量化，追问具体提升了多少 PSNR"
      ],
      "expected_depth": "能说清楚模型架构、设计取舍、实验结果"
    },
    {
      "question_id": "Q2",
      "target_experience": "Infineon - TCL 自动化脚本",
      "ability_dimension": "工程能力 / 脚本自动化",
      "main_question": "在 Infineon 做芯片验证时，你如何用 TCL 脚本优化测试流程...",
      "follow_up_directions": [
        "如果只说做了什么，追问具体减少了多少 runtime",
        "如果缺乏具体技术，追问脚本的核心逻辑"
      ],
      "expected_depth": "能说清脚本逻辑、优化效果、可量化的结果"
    }
  ],
  "question_order": ["Q1", "Q2", ...],
  "estimated_duration": "10-15 分钟"
}

4.2 追问决策逻辑（AI 自主判断）

每道题回答后，AI 自主决定是否追问：

FOLLOW_UP_DECISION_PROMPT = """
候选人回答了问题："{question}"
回答内容："{answer}"

【追问决策】
请判断是否需要追问。规则：
- 如果回答已经足够具体（包含具体数字、步骤、结果）→ 不追问
- 如果回答模糊、有明显漏洞、可以深挖 → 追问
- 如果候选人说"不知道"或明显跑题 → 追问（换一种问法）

【输出格式】
```json
{
  "decision": "follow_up" | "next_question" | "wrap_up",
  "reason": "判断理由（1-2句）",
  "follow_up_question": "（如果决定追问）追问内容",
  "new_direction": "（如果换方向）新的追问方向"
}

4.3 面试结束判断

所有规划问题问完后，AI 判断是否结束：

WRAP_UP_PROMPT = """
面试已完成 {n} 道题。

【各题评分概览】
{scores_summary}

【最后一道题的回答】
{last_answer}

判断：
- 如果某维度普遍低于 2 分，考虑追加补充问题
- 如果整体不错，主动告知面试结束
- 任何时候不超过 12 道题（避免候选人疲劳）

【输出格式】
```json
{
  "continue": true | false,
  "reason": "判断理由",
  "additional_questions": ["如果继续，追加的问题（最多1-2道）"]
}

5. AI 引导背景收集（Part 1）

不是填表，是 AI 主动提问！ 模仿真人面试官的开场：

引导问题序列（LLM 自动生成）：

1. "请简单介绍一下你的学历背景，包括学校、专业和毕业时间。"
2. "请介绍一下你最近的实习或工作经历，重点说清楚你负责的项目和使用的技术。"
3. "在这些经历中，你最擅长的技术领域是什么？"
4. "你为什么想要离开目前的岗位/寻找新机会？"
5. "你希望下一份工作是什么样的？（公司类型、团队氛围、技术方向等）"
6. "你的期望薪资范围是多少？"

AI 根据候选人回答动态追问，最后生成背景画像 JSON：

{
  "name": "候选人姓名",
  "education": "NTU CS Master 2026",
  "experience": [
    {
      "company": "华为新加坡研究院",
      "role": "Video/Audio Research Engineer Intern",
      "skills": ["CV", "RAW重建", "KVCACHE优化"],
      "projects": ["RERAW轻量化模型", "VLM KVCACHE"]
    }
  ],
  "strongest_skills": ["计算机视觉", "算法优化", "系统调优"],
  "reason_to_move": "作为应届生，希望获得全面成长...",
  "career_goals": "AI方向entry-level，挑战性项目，协作团队...",
  "salary_expectation": "10,000 SGD/月"
}

6. 个性评估（可选，Phase 2）

该模块在状态机中由 PERSONALITY_ASK -> PERSONALITY_EVAL 承载，详见 STATE_MACHINE.md。

参考 Fuku AI 的 5 维度滑动条，AI 根据回答内容推断：

维度	A 端	B 端
稳定性（Stability）	Conservative	Innovative
思维（Thinking）	Logical	Compassionate
社交（Social）	Introvert	Extrovert
角色（Role）	Individual Contributor	Team Manager
创新方式（Innovation style）	Incremental	Transformative

说明：稳定性与创新方式是两轴：前者偏整体是否守成/拥抱变化；后者偏创新路径是渐进迭代还是颠覆式/范式级，英文极名 deliberately 不同，避免报告页两栏文案看起来「一模一样」。

6.1 人格与个人补充访谈（技术面结束后）

在技术问答结束后，进入 PERSONALITY_ASK：题量由配置 personality_questions_count 控制（默认约 6 题）。题目需兼顾：

行为证据（供五维人格量表）：如需求不明时的推进、分歧处理、协作偏好、高压取舍等。
与 Fuku 式报告叙事对齐：在画像/技术面材料仍不足时，通过口语题补采 候选人概览与亮点、核心专长与岗位匹配、看机会动机、职业目标、薪资期望 等（薪资提问宜委婉，允许不透露具体数字）。

动态出题由 personality_questions_plan_user 提示词约束；关闭 personality_dynamic_questions 时使用 prompts.PERSONALITY_QUESTIONS 静态回退列表。

说明：本阶段以短问短答为主，一般不再多轮深挖；若回答过于抽象，可在后续版本中考虑单题一次追问。

6.2 人格评估输出（与技术评分并列）

输出 5 维度倾向（滑动条两端）
每个维度必须包含：倾向 + 证据 + 置信度
证据来源优先级：人格问题回答 > 技术问答中的行为片段 > 背景引导内容

输出格式：

{
  "personality": {
    "innovation": {
      "pole_a": "Incremental",
      "pole_b": "Transformative",
      "leaning": "Transformative",
      "rationale": "…"
    }
  }
}

7. 技术架构

分阶段交付，与 RESEARCH.md 中的选型建议一致；P1 明确不做 RAG，先跑通状态机与核心链路。

P1 — 极简 MVP（不做 RAG）

目标： 文本面试全流程可跑通、可审计、本地可部署。

前端：        纯 HTML + Vanilla JS（单文件，零框架成本；后续 P3 再工程化）
后端：        Python FastAPI（状态机驱动，见 STATE_MACHINE.md）
LLM：         MiniMax M2.7（CodePlan 覆盖时零额外模型成本）
JD / 题库：   硬编码或配置文件，不接入向量检索 —— 不做 RAG
存储：        本地 JSON + 事件 JSONL（无数据库）
部署：        pip install + python run.py

P2 — 接入语音（单段录制 → 转写 → 分析）

目标： 在 P1 文本主链路稳定的前提下，增加「语音输入」路径。每题录制一段音频，录音停止后自动转写并注入评分流程。

P2 第一步（已定案）：语音子状态仅前端。 录音、上传、等 STT 等 UI 阶段不写入服务端 State 枚举；服务端在作答环节与 P1 一样保持「等待本题答案」，直至收到 POST .../answer 的文本。转写由 POST /api/audio/upload 完成，返回文本后由前端填入输入框（可编辑）再发送，或产品确认后自动提交——服务端路径与纯打字一致。详见 STATE_MACHINE.md §11.0。

用户交互流程：

AI 提问
  -> 候选人点击 🎤 开始录音
  -> 候选人点击 ⏹ 停止录音
  -> 前端上传音频到后端
  -> 后端 STT 转写
  -> 转写文本进入现有评分流程（状态机不变）
  -> AI 追问 / 下一题 / 收尾

技术方案：

环节	选型	说明
录音	浏览器 MediaRecorder API	单段 .webm 文件，每题一段
后端接收	FastAPI `POST /api/audio/upload`	`UploadFile` 接收 .webm
STT 转写	Faster-Whisper（本地 CPU/GPU）	零云成本，隐私友好，支持中文
降噪处理	音频预处理（可选）	去除静音片段，降低 STT 错误率
分析注入	转写文本经 `POST /answer` 进入与 P1 相同的后续状态	服务端状态机不增录音态

STT 备选方案（按接入难度排序）：

方案	优势	劣势
Faster-Whisper（本地）	零成本，隐私，不依赖网络	首次需下载模型（~1GB）
MiniMax STT API	接入简单，中文效果好	走云端，有成本
Groq Whisper	速度快，$0.004/分钟，极便宜	走云端，需 API Key
讯飞语音听写（流式版 WebAPI）	中文/方言能力强，控制台有免费额度；流式可边传边收	走云端与商务套餐；WebSocket + 服务端鉴权；单路约 60s，长回答需 VAD 多段串行或文件转写（见下文）

讯飞听写（与现有 P2 架构的接法）：

官方文档：语音听写（流式版）WebAPI — 端点示例 wss://iat-api.xfyun.cn/v2/iat，握手带 authorization / date / host（HMAC-SHA256 + Base64），需 AppID、APIKey、APISecret（仅放服务端环境变量）。
与本项目 POST /api/audio/upload 对齐：浏览器仍上传 单段录音（如 .webm）；FastAPI 将音频转为接口要求的格式（常见为 16 kHz、16 bit、单声道 PCM，或文档支持的 speex/mp3 等），再在服务端建立 WebSocket、按文档分帧发送（注意单帧 base64 长度等限制），聚合返回 JSON 中的文本后作为 text 返回给前端。不要在浏览器直连讯飞 WebSocket（会泄露密钥且跨域/鉴权不便）。
流式听写单路会话上限约 60s（以官方说明为准）。面试单题口述往往更长，必须在实现层应对，不能只「卡用户 1 分钟」。

长回答应对策略（与 60s 限制自适应，可组合）：

服务端 VAD 自适应切分 + 多路串行听写（推荐，仍用流式听写 API）
- 整段音频解码为 16 kHz 单声道 PCM 后，用 VAD（如 Silero-VAD、WebRTC VAD） 在静音/停顿处切分为多个片段；每片段目标时长 ≤ 55s（留余量，避免单路触顶），尽量避免在说话中间硬切。
- 找不到足够长静音（连续长篇大论）时，再对 PCM 按时长兜底切分（例如每 50～55s 一刀），作为次要策略。
- 每个片段 独立一次 WebSocket 听写会话，按时间顺序执行，将各段识别结果 顺序拼接（段间可用空格或换行）。
- 边界减损：相邻片段可保留 约 0.3～0.5s 重叠 再分别送识别，合并文本时对重叠区做简单去重（可选，避免重复词）。
整段 HTTP 转写（同平台备选或自动降级）
- 评估讯飞 录音文件转写、极速转写等 整文件上传 能力：若支持 数分钟级 单文件，则 POST /api/audio/upload 内可对「超过某阈值时长」的音频 自动走文件转写，避免自研多段 WS 拼接。
- 与方案 1 可并存：短音频单路 WS；长音频文件接口 或 VAD 多段 WS，由服务端策略选择。
前端分段录制（补充）
- 引导用户 停顿后再续录（多段 blob 或多请求），服务端仍按「多段转写 + 拼接」处理；体验弱于「一次长录、服务端自适应切」，可作为无 VAD 时的兜底。
产品兜底
- 保留 文字输入；极端失败时提示重录或改打字。

降噪/预处理（与长音频一致）： VAD 既可用于去静音提升准确率，也是 自适应切分 的核心信号，建议放在同一套音频管线中实现。

新增 API 端点：

POST /api/sessions/{session_id}/transcribe  （推荐：路径即校验会话存在）
  Body: multipart/form-data
    - audio: 单段录音（常用 webm；服务端 ffmpeg 解码为 16k PCM）
  Response: { "text": "…", "confidence": null | number }
  说明：只转写，不推进会话状态；前端拿到 text 后再 POST /answer。

POST /api/audio/upload  （与历史 SPEC 字段兼容）
  Body: multipart/form-data
    - session_id: 字符串（必填）
    - audio: 同上
  Response: 同上

另：GET /api/config 返回 transcribe_auto_submit、tts_enabled、stt_backend 供前端行为开关（可选）。

降噪/预处理（可选 Phase 2.1）：

使用 silero-vad（等）检测语音边界：既可裁掉首尾静音、也可驱动上文「长回答切分」
减少无意义音频输入，提升 STT 准确率并降低幻觉

文字输入保留（Fallback）：

Phase 2 同时保留文字输入路径
候选人可自由切换"说"或"打字"，体验一致
架构：输入层抽象，AnswerInput = TextInput | AudioInput

TTS 播报题目（可选 Phase 2.2）：

AI 提问后可选 TTS 朗读题目（提升真实感）
方案：Web Speech API（浏览器原生，无需后端）或 MiniMax TTS API

P3 — 优化前端

目标： 提升可用性、可读性与可维护性，不等于必须上云。

前端：        Next.js + TailwindCSS（或 React + Vite 工程化后再迁）
体验：        会话状态展示、报告可视化、加载与错误态
可选：        Docker Compose 打包、多会话/多候选人管理界面

后续可选（不绑定 P1–P3）

RAG：JD/题库/公司知识库向量检索（如 Chroma / Qdrant）
存储升级：PostgreSQL + 对象存储
产品化：账号体系、与招聘系统集成等

8. 评分 Prompt 模板

SCORING_PROMPT = """
你是一个资深面试评分官。请根据候选人的回答，从以下三个维度评分。

【评分维度】
- Expertise（专业度）：技术深度、准确性、是否达到 senior 水平
- Clarity（表达清晰度）：逻辑结构、术语准确性、表达连贯性
- Detailedness（详细程度）：具体数据/实例/量化结果/实现细节

【输出格式】
对每个维度，输出：
- 分数（1-5）和等级标签（Below average / Average / Good / Excellent）
- 2-3 句话的理由
- 4 条改进建议，每条带一句话示例

【评分标准】
1 = 明显缺失或错误
2-3 = 基本到位但不深入  
3-4 = 不错，有亮点
4-5 = 非常出色

【问题】
{question}

【候选人回答】
{answer}

请开始评分：
"""

9. 开发阶段

与 §7 技术架构 的 P1 / P2 / P3 对齐。

P1：极简 MVP（不做 RAG）

流程编排采用状态机驱动（STATE_MACHINE.md）
PDF 简历提取 → 初稿画像 → 引导补全 → 按经历技术问答 → 收尾与人格（若开启）→ 报告
文字对话为主；JD 硬编码或配置文件，不接入 RAG
单页 HTML + Vanilla JS 或最小前端；存储为本地 JSON / JSONL

P2：接入语音（单段录制 → 转写 → 分析）

每题一段 .webm 录音（MediaRecorder API）
后端 POST /api/audio/upload 仅 STT 转写；服务端状态机不增加录音相关状态
转写文本经与 P1 相同的 /answer 提交后进入评分等后续逻辑
保留文字输入作为 Fallback，支持混合使用
可选：TTS 播报题目（Web Speech API 或 MiniMax TTS）

P3：优化前端

Next.js + Tailwind（或 React 工程化方案）重写/增强 UI
报告与会话体验优化多会话列表等

后续可选（不列入 P1–P3 必做）

RAG（题库 / JD / 知识库）、PostgreSQL、账号与产品化集成等 —— 见 §7「后续可选」

10. 命名

项目名：ai-interview-agent
License：Apache 2.0

11. 参考

Fuku AI Interview Agent（产品参考，评分 rubric 来
TechSpar（记忆系统）：https://github.com/AnnaSuSu/TechSpar
openhire（语音面试）：https://github.com/brijeshmarch16/openhire
本项目状态机规范：STATE_MACHINE.md

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

AI Interview Agent — 项目规格说明书

实现状态（Implementation Status）

✅ P1 文字面试（已完成）

✅ P2 语音输入（已完成）

🗂️ 项目结构

1. 项目概述

2. 核心链路（Phase 1 MVP）

3. 评分体系（核心！）

4. 面试规划阶段（Phase 0）— 核心差异点

4.1 规划 Prompt 模板

4.2 追问决策逻辑（AI 自主判断）

4.3 面试结束判断

5. AI 引导背景收集（Part 1）

6. 个性评估（可选，Phase 2）

6.1 人格与个人补充访谈（技术面结束后）

6.2 人格评估输出（与技术评分并列）

7. 技术架构

P1 — 极简 MVP（不做 RAG）

P2 — 接入语音（单段录制 → 转写 → 分析）

P3 — 优化前端

后续可选（不绑定 P1–P3）

8. 评分 Prompt 模板

9. 开发阶段

P1：极简 MVP（不做 RAG）

P2：接入语音（单段录制 → 转写 → 分析）

P3：优化前端

后续可选（不列入 P1–P3 必做）

10. 命名

11. 参考

FilesExpand file tree

SPEC.md

Latest commit

History

SPEC.md

File metadata and controls

AI Interview Agent — 项目规格说明书

实现状态（Implementation Status）

✅ P1 文字面试（已完成）

✅ P2 语音输入（已完成）

🗂️ 项目结构

1. 项目概述

2. 核心链路（Phase 1 MVP）

3. 评分体系（核心！）

4. 面试规划阶段（Phase 0）— 核心差异点

4.1 规划 Prompt 模板

4.2 追问决策逻辑（AI 自主判断）

4.3 面试结束判断

5. AI 引导背景收集（Part 1）

6. 个性评估（可选，Phase 2）

6.1 人格与个人补充访谈（技术面结束后）

6.2 人格评估输出（与技术评分并列）

7. 技术架构

P1 — 极简 MVP（不做 RAG）

P2 — 接入语音（单段录制 → 转写 → 分析）

P3 — 优化前端

后续可选（不绑定 P1–P3）

8. 评分 Prompt 模板

9. 开发阶段

P1：极简 MVP（不做 RAG）

P2：接入语音（单段录制 → 转写 → 分析）

P3：优化前端

后续可选（不列入 P1–P3 必做）

10. 命名

11. 参考