Mock-Interview

一个可以在本地跑起来的 AI 面试官。上传简历和知识库文档，它会基于你的背景生成针对性问题，支持实时语音对话，面试结束后输出多维度量化报告。不是玩具——RTX 5080 上端到端延迟约 4 秒，面试成功率 98%。

挑战

核心难点是全链路语音的延迟控制。从用户说话到 AI 回复出声，中间经过 ASR → LLM → TTS 三个模型，任何一环卡住都会破坏对话的自然感。另一个挑战是让 AI 面试官具备真正的追问能力，而不是照着题库念。

方案

WebSocket 双向通信保证语音流的实时性。ASR 用 FunASR 的 2-pass 模型（先出草稿再修正），TTS 用 CosyVoice2 的流式输出（不等整句生成完就开始播放）。LLM 侧做了激进的句子切分和 hedge delay 优化，把首 token 延迟压到 0.29s。追问能力通过 RAG 检索用户简历 + 知识库上下文实现，每轮对话都带完整的面试状态。

亮点

• 01

  全链路语音：FunASR 2-pass ASR + CosyVoice2 流式 TTS + Ollama 本地推理，端到端延迟 ~4s

• 02

  RAG 知识库：异步文档解析、智能分块、向量化入库，SSE 流式输出带引用溯源

• 03

  面试 Agent：简历结构化解析 → 定制题目生成 → 多轮动态追问 → 量化报告

• 04

  行为监测：实时眼神接触、面部表情、头部姿态分析，纳入最终评估

• 05

  GPU 利用率 91%（14.5GB/16GB VRAM），面试会话成功率 98%

成果

完整的面试系统：支持 PDF/Markdown/TXT 简历解析，多轮动态追问，实时行为监测（眼神、表情、头部姿态），自动生成包含内容质量、表达流畅度、行为分析的量化报告。Docker Compose 一键部署 6 个服务。

反思与收获

这个项目让我理解了"延迟即体验"。技术指标上 4 秒的端到端延迟看起来不短，但通过流式输出和视觉反馈，用户感知到的等待远小于实际延迟。工程上最大的收获是学会了在多个异步服务之间做状态编排——6 个 Docker 容器的协调比单体应用复杂一个量级。