mock-interview(zjh)

基于用户真实经历的模拟面试。引导录入经历后生成 5 道深挖题,在本地网页答题(支持语音),答完按 5 个维度打分并生成评分报告。当用户想练面试、模拟面试、准备面试、练习行为面试题时使用。

模拟面试

一条链路:引导录入 → 出题 → 网页答题 → 打分 → 报告。

核心区别于普通题库:题目从用户自己的经历里长出来,不是"讲讲你的优缺点"。

流程

1. 录入经历

按 references/intake.md 走四轮对话。要点:

• 开场先预告"大概三四轮、两三分钟",用户才配合
• 相近的合并问,别一轮一个问题
• 用户说"没有"立刻跳过,不追
• 拿到的原话尽量保留 —— 出题时 source_quote 要从这里摘

完成后判定经历密度(rich / moderate / sparse),规则在同一份文档里。课程项目、比赛、开源、社团负责人都算实质经历,不能只认实习。

2. 出题

按 references/question-gen.md 生成 5 道题,写入 data/session.json。

硬要求:

• 默认全部深挖用户经历,通用题只在 sparse 档兜底
• source_quote 必须是用户原话,题干里要带上引用
• 每题 2-3 条 probes,指向 rubric 的加分点
• 不问用户没提过的东西

写文件时 status 置 awaiting_answers,answers 置空数组,scores 置 null。完整结构见 data/session.example.json。

3. 起服务

bash

python server.py

后台跑。它会打印 URL(默认 http://127.0.0.1:8787,端口占用会自动往上找,实际 URL 在输出里)。

把 URL 给用户,并说明:

打开这个链接答题,5 道题,可以打字也可以语音。答完最后一题页面会自己结束,然后回来找我看分。

4. 等

bash

python wait.py

每次最多阻塞约 90 秒。退出码:

码	含义	你该做什么
0	收集完成	进入打分
2	还没答完(带进度)	再调一次 wait.py
3	出错	看输出信息

退出码 2 就继续调,别停下来问用户"答完了吗"。一轮面试十分钟左右,调七八次是正常的。

用户中途放弃的话,不足 5 题也能打分 —— 报告会自动标为低置信度。

5. 打分

读 data/session.json 里的 questions 和 answers,按 references/rubrics.md 打分,写 data/scores.json。

分数只是索引,点评才是用户要看的东西。 rubrics.md 里「写点评」那一节是重点,别只看评分表。

每题必须给:

• strengths — 至少 1 条,每条 quote + why(这句为什么值钱)
• weaknesses — 1-3 条,每条 quote + problem + dimension(会导致什么后果)
• rewrite — before / after / what_changed,改写示范不能省,这是最有用的一块
• fix — 2-3 句可执行动作

顶层还要给 summary(3-5 句跨题观察)和 bottleneck(含 evidence_across_questions 至少两条、improvement_plan 恰好 3 步)。

四条硬约束:

1. 所有 quote 必须是用户原话,能在 answers[].text 里搜到。校验脚本会检查,编造会报警告。
2. rewrite.after 不许编事实。 用户没给的数字写成 ___(填你实际的数字)。
3. 给分要有区分度。 五题全 3 分的报告没有信息量。
4. 别写"多练习""注意结构"这类空话。 太短会被校验拦下来。

有 input_mode / duration_sec 时,在 summary 里对比语音和打字的差异 —— 这是本系统独有的观察。

字段结构见 data/scores.example.json(那份是深度标杆,照那个量级写)。写完先自检:

bash

python build_report.py --check

校验不通过会把所有问题一次列出来,改完再跑。除结构完整性外它还会检查:

• 点评长度 —— fix / why / problem / what_changed 太短会被拦(防空话)
• 引用落地 —— 所有 quote 能否在用户回答里搜到(防编造),不匹配报警告
• overall 是否等于逐题均值、bottleneck 是否真指向最低分维度 —— 警告,不阻断,但通常说明算错了

6. 生成报告

bash

python build_report.py

产出 data/score-report.html,自包含,双击就能开。告诉用户路径,并把瓶颈维度和 next_drill 在对话里也说一遍 —— 有人不会去点那个文件。

收尾

报告给完后,如果用户想改进重练:重新出题(可以只换瓶颈维度相关的题),data/ 下的旧文件直接覆盖。不做跨轮历史追踪。

文件

路径	作用
references/intake.md	四轮录入话术、密度判定
references/question-gen.md	出题策略、五个考察点
references/rubrics.md	5 维评分标准、根因归因
api-contract.md	前端接口契约(给前端同事看)
server.py	答题页 server
wait.py	等待答题完成
build_report.py	校验评分 + 生成报告
data/session.json	单一数据源

data/ 里是用户简历和面试回答,已在 .gitignore 里。

注意

别自己在对话里出题然后让用户口头答。 那绕过了整条链路,也拿不到 input_mode 和 duration_sec。

server 收满 5 题会自动退出,这是设计好的,不是崩了。

端口冲突时它会自己避让,用它打印的 URL,不要假定是 8787。

打分前确认 wait.py 返回 0。 提前打分会漏掉后面的回答。