以可信职业事实为起点，连接简历、岗位、模拟面试、评估报告和求职进度的 AI 求职平台。
iFaceoff 不是单独的“AI 出题器”。系统围绕可验证的职业事实建立完整链路：简历内容必须来自用户确认的数据，面试问题可以引用经过审批的知识库证据，评分必须引用候选人的真实回答，模型不可用时明确降级而不是伪造结果。
flowchart LR
FACT["职业事实库"] --> RESUME["主简历与版本"]
RESUME --> JOB["目标岗位与真实 JD"]
JOB --> MATCH["简历诊断与定制"]
MATCH --> INTERVIEW["自适应模拟面试"]
INTERVIEW --> REPORT["证据化评估报告"]
REPORT --> PLAN["投递进度与补强任务"]
PLAN --> FACT
- 事实优先：AI 只能使用已确认的教育、工作、项目、技能、成果和真实 JD。
- 版本可复现：面试和分析绑定不可变简历版本、JD 快照、模板版本和模型配置。
- 证据可审计：题目、检索来源、评分、能力覆盖和报告结论均保存来源链路。
- 失败不伪装：缺少模型、向量库、Rerank 或语音服务时进入可解释降级。
求职工作台 |
自适应面试入口 |
解析后知识块编辑 |
真实简历与 JD 诊断 |
以上截图由 Playwright 在当前版本、真实本地服务和现有业务数据上重新生成，不使用前端 Mock 数据。
| 模块 | 已实现能力 |
|---|---|
| 简历与职业事实 | JSON Resume 兼容结构、职业事实库、不可变 ResumeVersion、异步导入、人工确认、真实 JD 分析、证据来源与历史快照 |
| 求职工作台 | 目标岗位、JD、投递管道、面试安排、Offer、补强任务；模块独立加载，局部接口失败不会导致整页白屏 |
| Composite Agent V3 | 外部只有一个综合面试官，内部由 Conversation、Evaluation、Evidence Guard、Strategy、Retrieval、Memory、Question、Safety、Report 等 SubAgent 协作 |
| 自适应面试 | 目标时长与能力覆盖共同决定结束；依据回答证据执行澄清、验证、深挖、挑战、迁移、换题或收尾；支持主题栈与自然承接 |
| 企业级评估 | 规则评分与 AI 评分双轨、量表锚点、STAR/技术深度/证据质量、能力矩阵、风险标记、置信度、Trace 和明确降级模式 |
| 企业知识库 | 用户私有与系统公共隔离、HR/Admin 审批、导入批次、Docling/OCR、修订版本、逐 Chunk 编辑、冻结发布和历史版本保留 |
| Hybrid RAG | Multi Query、向量召回、中文关键词召回、RRF 融合、Rerank、已用块去重、租户和审批二次校验、检索 Trace |
| 模型网关 | Chat/Embedding/Rerank/ASR/TTS 模型类型、加密凭据、任务别名、路由策略、预算、调用账本和 LiteLLM 数据面 |
| 多模态体验 | 音频分片、ASR 转写与置信度确认、TTS 缓存与浏览器兜底、媒体记录；语音和表情不直接决定能力分数 |
| 社区与搜索 | 本地已发布文章和公共知识 Feed、Meilisearch 全量/增量索引、Discourse SSO/Webhook 扩展入口、私人内容不进入公开索引 |
| 私信与附件 | WebSocket 会话、文本与图片粘贴、Emoji、IME/组合键处理、附件上传、屏蔽举报以及可靠消息状态基础 |
| 账号与安全 | Candidate/HR/Admin RBAC、独立 Django Admin 登录、JWT、MFA 能力、活动会话、隐私偏好、租户隔离和敏感字段脱敏 |
flowchart TB
subgraph UX["交互层"]
WEB["Vue 3 Web"]
SPEECH["ASR / TTS / Media"]
end
subgraph APP["业务与 Agent 层"]
API["Django REST API"]
WS["Django Channels"]
AGENT["Composite Agent V3 / LangGraph"]
TOOLS["Agent Tool Executor"]
MEMORY["Session / Event / Evidence Memory"]
end
subgraph DATA["数据与检索层"]
MYSQL[(MySQL)]
REDIS[(Redis)]
MQ[(RabbitMQ)]
QDRANT[(Qdrant)]
SEARCH[(Meilisearch)]
end
subgraph AI["模型与异步层"]
WORKER["Celery Worker / Beat"]
GATEWAY["LiteLLM Proxy"]
PG[(LiteLLM PostgreSQL)]
SCAN["ClamAV"]
end
WEB --> API
WEB <--> WS
WEB --> SPEECH
API --> AGENT
AGENT --> TOOLS
AGENT <--> MEMORY
TOOLS --> GATEWAY
TOOLS --> QDRANT
API --> MYSQL
API --> REDIS
API --> SEARCH
API --> SCAN
WORKER --> MQ
WORKER --> MYSQL
WORKER --> QDRANT
GATEWAY --> PG
候选人端始终只看到一个面试官。内部使用职责受限的 SubAgent 和统一状态 DTO，不允许任意节点修改整份状态：
Observe
-> Evaluate Evidence
-> Guard Unsupported Claims
-> Update Topic and Ability Confidence
-> Decide Termination
-> Select Next Action
-> Retrieve if Needed
-> Assemble Budgeted Context
-> Generate Dialogue Turn
-> Safety Validate
-> Repair or Deterministic Fallback
-> Persist, Reflect and Update Memory
AgentToolExecutor 统一处理工具权限、Schema 校验、超时、幂等重试、降级和审计。模型只参与需要语义判断的节点，租户权限、证据校验、重复题、多问题、阶段边界和发布状态由确定性规则兜底。
- 默认以 30 分钟目标时长、最低时长、能力覆盖和异常轮次上限共同控制进度，不再固定为 10 题。
- 回答被结构化为
insufficient / ambiguous / partial / solid / strong / contradictory证据状态。 - 弱回答先澄清，部分回答补齐链路，强回答追问边界或迁移场景；连续无证据后换题，避免死循环。
- 项目话题可穿插基础知识追问，再通过主题栈返回项目验证真实方案和个人贡献。
- 宽松、严格、八股、项目深挖等风格只改变语气、节奏和挑战率，不改变评分量表。
- 真实模拟隐藏过程分数和内部策略，训练模式可展示即时反馈。
flowchart LR
UPLOAD["PDF / DOCX / XLSX / MD / FAQ / Image"]
PARSE["Docling + OCR + Fallback"]
DRAFT["Revision + Editable Chunk Drafts"]
REVIEW["Human Review"]
PUBLISH["Freeze Published Revision"]
INDEX["Embedding + Qdrant"]
RETRIEVE["Multi Query + Vector + BM25"]
FUSION["RRF + Rerank"]
GUARD["MySQL Tenant / Approval / Version Guard"]
UPLOAD --> PARSE --> DRAFT --> REVIEW --> PUBLISH --> INDEX
INDEX --> RETRIEVE --> FUSION --> GUARD
- 大文件由 Celery 异步解析，任务状态和失败原因可查询、可重试。
- Docling 优先保留标题、阅读顺序、页码、表格和图片结构；OCR 只补充真实识别文本。
- 标题/FAQ/表格形成父块，超长内容递归切分，短块按相邻结构和语义合并。
- 解析结果先进入
KnowledgeChunkDraft，支持编辑、拆分、合并、排序和排除。 - 审批后冻结不可变发布版本；修改生成新草稿，旧线上版本在新版审批前继续服务。
- Qdrant 结果必须经过 MySQL 的租户、可见性、审批状态和发布版本二次校验。
- 无向量或 Rerank 服务时可降级关键词检索；没有合法证据时面试继续，但报告不得声称使用题库覆盖。
- Frontend：Vue 3、TypeScript、Vite、Element Plus、Pinia、ECharts、Playwright
- Backend：Python 3.12、Django 5.2、DRF、Channels、Celery、Uvicorn
- Agent：LangGraph、结构化 Prompt、节点契约、Trace、Context Budget、Tool Registry
- Data：MySQL、Redis、RabbitMQ、Qdrant、PostgreSQL、Meilisearch
- AI：OpenAI-compatible、DashScope/百炼、LiteLLM、Embedding、Rerank、ASR、TTS
- Document：Docling adapter、OCR adapter、PyPDF、python-docx、openpyxl、jieba
- Security：encrypted credentials、JWT、MFA、RBAC、tenant guard、ClamAV
AI_interview/
├── ai-interview-frontend/ # Vue 3 应用与 Playwright 测试
├── ai_interview_backend/
│ ├── careers/ # 职业事实、岗位、投递和学习任务
│ ├── resumes/ # 简历版本、导入、建议和分析
│ ├── interviews/ # Composite Agent、评估、语音和 Trace
│ ├── knowledge/ # 审批、修订、切块、索引和混合检索
│ ├── system/ # AI 设置、模型网关和 readiness
│ ├── community/ # 内容 Feed、搜索和 Discourse 集成
│ ├── chat/ # 私信、附件和 WebSocket
│ ├── reports/ # 证据化报告和分析快照
│ └── users/ # 身份、角色、引导和隐私
├── docker/ # LiteLLM 等服务配置
├── docs/ # 部署说明与当前产品截图
├── scripts/
│ ├── ifaceoff-infra.ps1 # 只管理基础设施容器
│ ├── ifaceoff-dev.ps1 # 管理本地应用进程
│ └── ifaceoff-docker.ps1 # 完整容器化部署
├── docker-compose.infra.yml # MySQL/Redis/MQ/Qdrant 等
└── docker-compose.yml # 完整应用栈
- Windows PowerShell 7 或兼容终端
- Python 3.12
- Node.js 20+
- Docker Desktop / Docker Compose v2
基础设施和应用进程刻意分离。日常开发只将 MySQL、Redis、RabbitMQ、Qdrant、LiteLLM/PostgreSQL、Meilisearch 和 ClamAV 放进 Docker。
git clone https://github.com/6Asmile/AI_interview.git
cd AI_interview
Copy-Item .env.infra.example .env.infra
.\scripts\ifaceoff-infra.ps1 up| 服务 | 默认地址 |
|---|---|
| MySQL | 127.0.0.1:3307 |
| Redis | 127.0.0.1:6379 |
| RabbitMQ / 管理页 | 127.0.0.1:5672 / http://127.0.0.1:15672 |
| Qdrant | http://127.0.0.1:6333/dashboard |
| LiteLLM | http://127.0.0.1:4000 |
| LiteLLM PostgreSQL | 127.0.0.1:5433 |
| Meilisearch | http://127.0.0.1:7700 |
| ClamAV | 127.0.0.1:3310 |
cd ai_interview_backend
python -m venv venv
.\venv\Scripts\Activate.ps1
pip install -r requirements.txt
Copy-Item .env.example .env
python manage.py migrate
cd ..\ai-interview-frontend
npm ci
cd ..请根据 .env.infra 修改后端 .env 中的数据库、消息队列和服务地址。不要提交真实 API Key、JWT Secret 或数据库密码。
.\scripts\ifaceoff-dev.ps1 up
.\scripts\ifaceoff-dev.ps1 status该脚本启动 Django、Celery Worker、Celery Beat 和 Vite，并将 PID 与日志保存在本地忽略目录。停止或重启：
.\scripts\ifaceoff-dev.ps1 down
.\scripts\ifaceoff-dev.ps1 restart- Web：
http://127.0.0.1:5173 - API：
http://127.0.0.1:8000/api/v1/ - Readiness：
http://127.0.0.1:8000/api/v1/system/readiness/ - Swagger：
http://127.0.0.1:8000/api/v1/schema/swagger-ui/ - Django Admin：
http://127.0.0.1:8000/admin/
Readiness 会分别报告 Database、Redis、RabbitMQ、Celery Worker、Qdrant、Meilisearch 和 LiteLLM 状态。异步服务不可用时，上传页面会展示队列不可用，而不是让任务无限停留在 pending。
完整容器化部署仍可使用：
.\scripts\ifaceoff-docker.ps1 up两种启动方式不要混用同一组端口。更多说明见 基础设施部署 与 完整容器部署。
INTERVIEW_AGENT_ENGINE=composite_v3
AGENT_CONTEXT_TOKEN_BUDGET=12000
AGENT_MAX_GENERATION_RETRIES=2
MODEL_CREDENTIAL_ENCRYPTION_KEY=
LITELLM_PROXY_URL=http://127.0.0.1:4000/v1
QDRANT_URL=http://127.0.0.1:6333
MEILISEARCH_URL=http://127.0.0.1:7700
MEILISEARCH_API_KEY=
DOCUMENT_PARSER=docling
DOCLING_ENABLE_OCR=true
OCR_ENGINE=paddleocr
HYBRID_SEARCH_TOPN=30
HYBRID_SEARCH_TOPK=4
DISCOURSE_BASE_URL=
DISCOURSE_CONNECT_SECRET=
DISCOURSE_WEBHOOK_SECRET=生产环境必须显式配置凭据加密密钥、Django/JWT Secret 和基础设施密码。模型 API Key 仅以密文保存，接口只返回掩码；Prompt、Trace、日志和前端状态不得出现明文密钥。
/api/v2/career-facts/,/job-targets/,/applications/,/learning-tasks//api/v2/resumes/,/resume-imports/,/resume-suggestions//api/v1/analyze-resume//api/v1/interviews/,/api/v1/interviews/{id}/abandon//api/v1/knowledge/documents/,/revisions/,/chunk-drafts/,/publish//api/v1/community/feed/,/community/search//api/v1/gateway/credentials/,/deployments/,/aliases/,/requests//api/v1/system/readiness/
旧简历和 AI 设置 API 保留兼容层，新增流程优先使用版本化 /api/v2 资源。
- 面试会话状态以 MySQL 为事实来源，Redis 只做缓存；检查未完成面试时会修复失效缓存。
- 放弃面试必须携带明确的
session_id；旧兼容接口在存在多个运行会话时返回409。 - 陈旧会话对账默认 dry-run：
python manage.py reconcile_interview_sessions
python manage.py reconcile_interview_sessions --apply- 知识库草稿、待审核、拒绝、归档和旧修订不会进入 RAG。
- 社区公开索引只包含已发布文章、公共知识和外部公开主题，不索引简历、私信或私有知识库。
cd ai_interview_backend
python manage.py check
python manage.py makemigrations --check --dry-run
python manage.py test interviews.tests knowledge.tests system.tests resumes.tests community.tests careers.tests --noinput
cd ..\ai-interview-frontend
npm run build
$env:IFACEOFF_E2E_EMAIL='your-test-account@example.com'
$env:IFACEOFF_E2E_PASSWORD='your-test-password'
npm run test:e2e当前发布前实测结果：
- Django 定向回归：101 tests passed
- Django system check：0 issues
- Migration drift：No changes detected
- Vue production build：passed
- Playwright 关键流程：2 suites passed
- Readiness：MySQL、Redis、RabbitMQ、Celery、Qdrant、Meilisearch、LiteLLM all healthy
测试业务数据来自本地真实或匿名化样例；provider boundary fake 仅用于超时、异常和降级故障注入，不作为简历、知识库、评分或社区内容。