摘要：每逢校招求职季，数以千万计的高校应届生面临“缺乏实战对练经验、简历描述泛化空洞、面试高压追问容易慌乱”等诸多严峻挑战。传统的人工模拟面试成本极高、排期困难，难以在高校大范围普及。本项目研发了一套基于 Vue 3.4 + Pinia + Tailwind CSS + ECharts 5 + Spring Boot 3.2 + DeepSeek-V3大语言模型 + 毫秒级流式TTS语音合成 + STAR法则量化简历诊断引擎 的一体化【大学生AI模拟面试与简历智能诊断实战系统】。实现了“多角色AI面试官高压实战对练 + 语音秒级转文字多轮追问 + 简历全文六维雷达体检与修改优化 + 自动化生成综合胜任力评估报告”全流程闭环，打造“PC 端应届生AI实战驾驶舱大屏 + Admin 提示词工程与学院就业中台 + Mobile 微信小程序随身语音对练端”三位一体全栈数字解决方案！
一、 系统核心业务架构与三端拓扑
系统围绕“沉浸对练、精准体检、就业力赋能”三大主线，构建了完整的全栈技术矩阵：
- PC 端应届生AI实战驾驶舱与评测中枢（1440×960 视口）：AI面试官全景驾驶舱大屏、双轨流式面试实战演播室、简历智能深度诊断沙盒、综合就业力六维雷达评测报告、高频校招真题库；
- Admin 运营管理与提示词工程中台：全校面试与大模型负载总览大盘、Prompt Studio 提示词工程工坊、简历诊断库与缺陷审计中台、学院就业画像群体分析（Cohort Analysis）、大模型Token计费与调用流水日志；
- Mobile 微信小程序随身对练端（390×844 规范移动视口）：移动对练找真题首页、全真沉浸式语音通话面试间、手机端秒级简历体检打分、我的综合能力评测报告。
二、 PC 端高保真页面全景呈现（1440×960 视口）
1. AI面试官全景驾驶舱大屏 (InterviewCockpitView)
集成岗位直通卡片、热门面试方向（Java、大模型算法、前端、产品等）、实战对练排行榜及近7天对练频次态势柱状图。
2. 双轨流式面试实战演播室 (InterviewStudioView)
模拟大厂终面现场，支持面试官风格自由切换（技术大牛、严厉HR、温和架构师），左侧实时动态展示语音声波流与转写文字，支持STAR原则结构化回答。
3. 简历智能深度诊断沙盒 (ResumeDiagnoseView)
支持简历拖拽解析，秒级输出综合得分、全校排名百分位、三大核心缺陷清单（如缺乏量化指标、技术栈脱节），并给出高说服力的改写范式。
4. 综合就业力六维雷达评测报告 (InterviewReportView)
交卷后全自动生成六维能力雷达（专业深度、逻辑严密、临场抗压、表达流利、职业素养、问题拆解），提供面试高光时刻与针对性提分建议。
5. 高频校招真题库沙盒 (QuestionBankSandboxView)
汇集大厂校招高频技术与行为面试真题，配套参考回答要点、考察盲区剖析及一键带入演播室对练体验。
三、 Admin 运营管理与提示词工坊（1440×960 视口）
1. 学院就业态势与大模型推理大盘 (AdminDashboardView)
全校模拟面试场次、累计诊断简历数、DeepSeek 推理 Token 实时消耗估算及并发会话时延监控。
2. 提示词工程工坊 (PromptStudioView)
支持微调不同岗位面试官的 System Prompt、设定抗压追问烈度（Pressure Rate）与在线沙箱调优。
3. 简历诊断库与缺陷审计中台 (ResumeAuditManageView)
集中归档学生体检记录，监控高频表达缺陷，为学院针对性开展就业指导讲座提供大数据依据。
4. 学院就业力画像群体分析 (StudentCohortView)
统计毕业年级各院系的薄弱环节分布（如并发故障排查薄弱、STAR量化不足），智能推荐补强实训题库。
5. 大模型 Token 计费与调用流水审计 (TokenMetricsLogsView)
实时记录 DeepSeek API 请求 ID、首字时延、输入/输出 Token 数量及 TTS 合成状态，成本透明可控。
四、 Mobile 微信小程序端高保真设计（390×844 视口）
针对大学生碎片化备战求职需求，小程序提供了轻量、丝滑的语音对练与秒级体检体验：
移动找真题首页
语音通话对练间
手机简历体检
就业力诊断书
五、 核心后端架构实现（Spring Boot 3.2 + SSE 流式推理）
// Spring Boot 3.2 大模型面试官流式追问与胜任力诊断中枢
@RestController
@RequestMapping("/api/v1/ai-interview")
@Tag(name = "AiInterviewController", description = "DeepSeek-V3大模型面试对练与简历诊断中枢")
public class AiInterviewController {
@Autowired
private DeepSeekInterviewAgent deepSeekAgent;
@Autowired
private SpeechSynthesisStreamService ttsStreamService;
@Autowired
private ResumeParserOcrService resumeParserService;
@Autowired
private CompetencyEvaluationEngine evalEngine;
@PostMapping(value = "/stream-dialogue", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
@Operation(summary = "SSE流式对练：DeepSeek依据岗位画像与历史答题实时启发追问")
public SseEmitter streamInterviewDialogue(@Valid @RequestBody CandidateAnswerDTO answerDTO) {
SseEmitter emitter = new SseEmitter(60_000L);
PromptContext context = deepSeekAgent.buildContext(answerDTO.getSessionId());
deepSeekAgent.streamChat(context, answerDTO.getSpeechTranscript(), emitter);
return emitter;
}
@PostMapping("/resume/diagnose")
@Operation(summary = "多模态简历图文诊断：秒级抽取工作经历并依据STAR原则打分")
public ResponseEntity<ApiResponse> diagnoseResume(
@RequestParam("file") MultipartFile file) {
RawResumeText parsed = resumeParserService.parse(file);
ResumeDiagnosisVO report = evalEngine.auditResume(parsed);
return ResponseEntity.ok(ApiResponse.success(report));
}
@PostMapping("/session/evaluate")
@Operation(summary = "交卷综合测评：六维就业力能力雷达与个性化推荐课件")
public ResponseEntity<ApiResponse> generateFinalReport(
@RequestParam String sessionId) {
EvaluationReportVO finalReport = evalEngine.generateComprehensiveReport(sessionId);
return ResponseEntity.ok(ApiResponse.success(finalReport));
}
}
六、 项目源码与三端产物清单
本项目包含完整的三端工程源码与部署说明：
- PRD 需求规格说明书：
PRD.md（涵盖 8 大核心维度规范、六维评测模型及安全流控标准）； - 前端工程完整源码：基于
Vue 3.4 + Pinia + Vue Router 4 + Tailwind CSS + RemixIcon，开箱即用； - 后端工程样例代码：涵盖 Controller、DeepSeek 对话流编排器与简历诊断模块；
- 数据库与提示词字典：初始化 SQL、提示词库与 mock 评估测试集。
