AI 技术面试系统

基于openai-agents-python 实现的面试智能体，通过多 Agent 协作实现从简历分析、面试规划到智能评分的全流程自动化。

✨ 特性

特性	说明
🎤 实时语音交互	语音识别 + 语音合成，营造真实面试氛围
📝 智能面试规划	基于简历自动生成面试问题和流程
🤖 多 Agent 协作	PlannerAgent（规划）→ InterviewAgent（提问）→ SummaryAgent（评分）
🔍 自主知识搜索	Agent 可实时联网查询不熟悉的技术概念
💬 实时对话展示	终端/UI 实时显示面试过程

📁 项目结构

.
├── terminal/                 # 终端版本（CLI）
│   ├── main.py              # 主入口
│   ├── printer.py           # 终端 UI
│   ├── prompts.py           # Agent 提示词
│   ├── tools.py             # 搜索工具
│   └── realtime_tts_player.py
│
├── qt/                      # QT 版本（GUI）
│   ├── main.py              # 主入口
│   ├── interview_worker.py  # 面试流程引擎
│   ├── interview_signals.py # Qt 信号系统
│   ├── prompts.py
│   ├── tools.py
│   └── realtime_tts_player.py
│
├── examples/
│   └── sample_resume.pdf    # 测试用简历
│
├── requirements.txt         # Python 依赖
└── README.md

🚀 快速开始

1. 安装依赖

pip install -r requirements.txt

2. 配置 API 密钥

在项目根目录创建 .env 文件：

# 阿里云 DashScope（通义千问 + 语音）
DASHSCOPE_API_KEY=your_dashscope_key
DASHSCOPE_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
MODEL_NAME=qwen-max

# Tavily（搜索）
TAVILY_API_KEY=your_tavily_key

# 可选：自定义模型
# EXAMPLE_BASE_URL=https://api.openai.com/v1
# EXAMPLE_API_KEY=your_openai_key

获取 API Key：

• DashScope：阿里云通义千问
• Tavily：AI 搜索引擎

3. 运行

终端版本

python terminal/main.py

QT 版本

python qt/main.py

4. 使用方式

终端版本

1. 按 s 开始录音，对着麦克风说话
2. 回答完成后，按 s 结束录音，自动提交给 AI
3. AI 会根据简历内容提问，并进行追问
4. 面试结束后自动生成面评总结
5. 按 q 退出

QT 版本

1. 填写好 api_key， 选择好PDF简历，点击初始化面试等待
2. 按 开始说话 开始录音，对着麦克风说话
3. 回答完成后，按 停止 结束录音，自动提交给 AI

🎓 此外

本项目包含两套独立实现，便于对比学习：

版本	技术栈	特点
terminal/	asyncio + sounddevice + rich	纯 Python，无 GUI 依赖，代码简洁
qt/	PySide6 + QThread	跨线程通信，信号槽机制，事件驱动

核心业务逻辑（prompts.py、tools.py）在两套实现中复用，帮助学生理解：

• 多 Agent 协作架构
• 异步编程模式
• 跨线程通信
• UI 与业务分离

🏅 支持

如果你喜欢这个项目，可以通过以下方式支持我们：

• GitHub Star
• bilibili