基于RAG(检索增强生成)+私有知识库构建的垂域私人AI助手,帮助用户优化简历、诊断知识漏洞、进行模拟面试,并提供个性化学习建议。
- 简历优化:针对用户简历内容给出可执行的优化建议
- 知识储备诊断:发现用户在面试中容易出现的知识盲区
- 模拟面试:提供可交互的面试模拟对话
- 个性化学习路径:根据漏洞生成提升计划
- 私有化数据管理:确保用户数据仅用于个人,支持本地部署
- 后端:Python + FastAPI
- 前端:Streamlit Web应用
- 向量数据库:FAISS/Milvus/neo4j
- LLM调用:Zhipu/OpenAI API
- RAG框架:LangChain
- 文档处理:PyPDF2, python-docx
TalentIntervuAI/
├── backend/ # 后端API服务
│ ├── app/
│ │ ├── api/ # API路由
│ │ ├── core/ # 核心配置
│ │ ├── models/ # 数据模型
│ │ ├── services/ # 业务逻辑
│ │ └── utils/ # 工具函数
│ ├── requirements.txt # 依赖包
│ └── main.py # 启动文件
├── frontend/ # 前端Streamlit应用
│ ├── pages/ # 页面模块
│ ├── components/ # 组件
│ └── main.py # 主应用
├── data/ # 数据存储
│ ├── uploads/ # 上传文件
│ ├── vector_db/ # 向量数据库
│ └── knowledge_base/ # 知识库
├── config/ # 配置文件
├── tests/ # 测试文件
└── docs/ # 文档
- Python 3.8+
- 8GB+ RAM
- Zhipu/OpenAI API Key
# 安装后端依赖
cd backend
pip install -r requirements.txt
# 安装前端依赖
cd ../frontend
pip install -r requirements.txt# 复制配置文件
cp config/.env.example config/.env
# 编辑配置文件,添加OpenAI API Key
OPENAI_API_KEY=your_api_key_here# 启动后端API服务
cd backend
uvicorn main:app --reload --host 0.0.0.0 --port 8000
# 启动前端应用
cd ../frontend
streamlit run main.py- 简历上传:上传PDF或Word格式的简历
- 岗位匹配:输入目标岗位JD,分析匹配度
- 简历优化:获取针对性的优化建议
- 模拟面试:选择岗位类型,开始模拟面试
- 知识诊断:上传面试记录,分析知识漏洞
- 学习建议:获取个性化学习路径
- 所有数据本地存储,不上传到第三方服务器
- 支持本地向量数据库部署
- 用户数据加密存储
- 可选择私有云部署
- MVP版本(已完成):基础简历分析、岗位匹配度建议和知识查缺补漏
- 第二阶段(8-9月):面试记录分析和评估报告
- 第三阶段(9-10月):高级功能和语音交互
欢迎提交Issue和Pull Request!
MIT License