面向技术岗位的本地 AI 面试训练工具。上传 PDF 简历后,可生成定制面试题、逐题评价、完整复盘报告,并提供 Java 后端八股知识库与语音模拟面试。
- 简历驱动的面试题:基础八股、项目深挖、业务场景、系统设计与反问。
- 逐题评分与复盘:保存回答、识别薄弱项;完成整套题后生成 AI 报告。
- 语音模拟:基于简历连续追问,支持浏览器语音输入与语音播报。
- 畅享八股:Java 后端 16 个专题、每章 25 道离线知识卡片,可翻面、标记掌握度。
- 两套模型通道:文本题目模型与语音面试模型独立配置,Key 仅存浏览器本机。
推荐使用 Docker Desktop。它是唯一需要安装的运行环境,支持 Windows 10/11、macOS(Intel 与 Apple Silicon)和 Linux。
- 安装 Docker Desktop for Mac。Apple Silicon(M1/M2/M3/M4)选择 Apple 芯片版本,Intel 选择 Intel 版本。
- 打开 Docker Desktop,等待顶部状态显示 Docker Engine 正在运行。
- 在“终端”执行:
git clone https://github.com/Yin123-ybh/offerpilot.git
cd offerpilot
cp .env.example .env
docker compose up -d --buildgit clone https://github.com/Yin123-ybh/offerpilot.git
cd offerpilot
Copy-Item .env.example .env
docker compose up -d --buildWindows 用户如果尚未启用 WSL 2,请在 Docker Desktop 的 Settings → General 中启用 “Use the WSL 2 based engine”。
安装 Docker Engine 与 Compose 插件后执行:
git clone https://github.com/Yin123-ybh/offerpilot.git
cd offerpilot
cp .env.example .env
docker compose up -d --build在任何系统上,打开 http://localhost:5174,再在左侧“连接 AI 大模型”配置自己的 API Key、服务地址和模型名称即可开始。
Apple Silicon 用户无需手动指定 platform;所用官方镜像均提供 ARM64 架构。若 Docker Desktop 内存不足,请在 Settings → Resources 中分配至少 4 GB 内存。
默认会启动:
web:Nginx 前端,端口5174api:FastAPI + LangGraph,端口8787postgres:训练记录与题库数据redis:缓存与任务基础设施minio:简历 PDF 本地对象存储,控制台端口9001
文本模型需兼容 OpenAI Chat Completions 接口。国内推荐:
- 通义千问:
https://dashscope.aliyuncs.com/compatible-mode/v1+qwen-plus - DeepSeek:
https://api.deepseek.com/v1+deepseek-chat
语音模拟可单独设置模型。浏览器本身负责语音识别与播报,模型通道负责生成首问、追问与复盘;请按供应商实际可用模型填写。
不要将个人 API Key 写入
.env、提交到 Git,或分享给他人。
# 查看服务状态
docker compose ps
# 更新代码后重新构建应用,不重置数据
docker compose build web api
docker compose up -d web api
# 停止服务,保留训练数据
docker compose down
# 查看 API 日志
docker compose logs -f apiPostgreSQL、Redis 与 MinIO 均使用 Docker 命名卷持久化。除非明确不再需要训练记录,否则不要执行 docker compose down -v。
- 默认密码仅适用于个人电脑本机部署;向局域网或公网暴露前,请修改
.env中的数据库和 MinIO 密码,并在反向代理前增加 HTTPS 与身份认证。 - 用户模型 Key 保存在浏览器
localStorage,服务端不保存 Key。 - 简历与训练记录存储在本机 Docker 卷中;调用模型时,所需的简历文本、题目或回答会发送给用户选择的模型服务商。
前端使用 React + Vite,后端使用 FastAPI、LangGraph、PostgreSQL/pgvector、Redis、MinIO 与 Nginx。日常开发可执行:
pnpm install
pnpm dev正式体验与发布请使用 Docker Compose,以保持与生产部署一致。