网站推广和优化的原因网络营销,企业网站规划案例,海口中小企业网站制作,长春制作公司网站一、工作总结
#xff08;一#xff09;简历功能完善和发帖分享界面#xff08;吴尤#xff09;
简历优化助手开发
在界面设计上#xff0c;简历优化助手被放置在左侧导航栏的底部特殊区域#xff0c;通过分隔线和专门的“简历优化”标题进行标识#xff0c;使用特殊…一、工作总结
一简历功能完善和发帖分享界面吴尤
简历优化助手开发
在界面设计上简历优化助手被放置在左侧导航栏的底部特殊区域通过分隔线和专门的“简历优化”标题进行标识使用特殊的渐变背景色和文档图标与普通面试官进行视觉区分。
实现了跳转功能当接收到后端返回的action类型为resume时系统会自动打开指定URL。
提供了详细的提示词用于指导AI调用MCP工具进行简历分析、优化建议和PDF简历生成确保AI的发言符合规范。
这篇文章是关于山东大学软件学院项目实训中基于大模型的模拟面试系统功能开发的详细总结涵盖了简历优化助手的设计与实现、发帖界面以及文章页面集成面试官和面试记录等多个功能模块。
发帖界面
数据结构定义了面试官和面试记录的数据模型包括interviewerId、name、knowledgeBaseId等字段。
界面实现采用双列布局左侧为面试官选择区域右侧为面试记录选择区域。提供实时搜索和筛选功能支持选择与取消机制。
数据交互在页面加载时通过API获取面试官和面试记录数据在发布或保存文章时将选中的数据转换为API所需格式。
文章页面集成面试官和面试记录
界面布局文章页面采用响应式布局分为左侧内容区域和右侧面试详情面板通过display: flex实现弹性布局。
动态面板切换点击“查看详情”按钮后动态调整布局显示面试详情支持平滑的宽度过渡动画。
可调整分隔栏用户可以通过拖拽分隔线调整左右面板的宽度比例提升用户体验。
面试记录组件右侧面试详情使用interview-modal组件支持多分支面试对话的管理与切换以及Markdown格式解析显示等功能。
数据交互通过Axios与后端API交互实现获取面试官信息、面试记录等功能。
二分享功能和自动总结李一铭
面试官和面试记录分享 开发细节 前端通过添加多选框允许用户选择面试官和面试记录。通过getInterviewers和getInterviews函数分别获取用户创建的面试官列表和面试记录列表。后端提供了getUserInterviewers和getUserChatRecords接口用于获取用户创建的面试官和面试记录数据。解决了前端发送的JSON结构与后端DTO期望不一致的问题通过调整前端代码将面试官ID和面试记录ID转换为对应的对象结构确保数据能够正确传输和解析。 函数功能 getInterviewers通过调用后端接口/api/share/getUserInterviewers获取当前用户创建的所有面试官列表并存储到interviewersList中。getInterviews通过调用后端接口/api/share/getUserChatRecords获取当前用户创建的所有面试记录列表并存储到interviewsList中。在创建或保存文章时将选中的面试官ID和面试记录ID分别存储到两个列表中以便后续提交。
对话自动总结
实现思路每当AI回复用户后检查当前对话是否超过三条。如果满足条件则将用户的两条消息和AI的一条回复传递给DeepSeek API进行总结并通过updateChatTopic方法更新对话标题。此外标题更新时还实现了仿打字机效果增强用户体验。
配置文件在.env文件中配置DEEPSEEK_API并在application.yml中添加相关配置。
主要方法
chatCompletion发送聊天请求支持完整参数和默认参数版本。
createMessage创建聊天消息对象。
streamingChatCompletion支持流式聊天请求。
控制器DeepSeekController.java
功能提供API接口处理聊天请求和对话摘要生成。
主要接口
/api/v1/deepseek/chat处理聊天请求。
/api/v1/deepseek/summarize生成对话摘要。
三OJ系统功能增强吴浩明
oj增强
功能描述对在线判题OJ系统的用户体验和数据展示功能进行了优化包括题目列表状态显示、热力图标题与内容增强、后端统计接口能力扩展等。
开发细节
在题目列表中新增了“状态”列根据用户的提交记录显示不同状态的图标帮助用户直观地了解自己对每个题目的掌握情况。
优化了提交日历热力图的标题和内容动态显示用户在过去12个月的总提交数量提升了热力图的信息密度和用户友好性。
调整了后端统计接口增加了返回用户已解决的题目ID列表和已尝试但未解决的题目ID列表为前端功能的实现提供了更详细的数据支持。
后端统计接口功能扩展
用户解题详情数据提供
修改了 getStatistics 方法增加了返回用户已解决的题目ID列表和已尝试但未解决的题目ID列表。
这些数据使得前端能够准确地判断用户对每个题目的具体状态从而支持了题目列表“状态”列功能的实现。
四MCP工具增强孙旭
工具增强
功能描述开发了多个MCP工具提升了AI在模拟面试、题目推荐和简历辅助等场景下的能力。
开发细节
实现了query_problem工具根据用户输入的自然语言描述和聊天会话ID调用外部题目选择AI获取合适的题目并将结果存入Redis的动作栈中供前端捕获并执行相应操作。
开发了generate_problem_selection_prompt工具综合面试表现、简历信息和题库统计数据生成结构化的题目选择提示为题目挑选AI提供高质量的输入提升题目推荐的智能化水平。
实现了update_valuation工具用于更新用户在特定面试中的某方面的得分并将操作记录存入Redis的动作栈中以便前端实时更新界面上的评分显示。
开发了query_test_result工具根据聊天会话ID查询候选人的代码测试结果包括判题机结果和AI审阅代码结果并从Redis中删除已消费的数据。
知识库扩充
整合方法对面经资料进行分类整理按技术领域和难度级别进行标注提取关键问题和解答构建结构化的知识条目并将整理后的资料导入系统知识库。
效果提升AI面试官能够提供更加专业、准确的技术问题面试问题的多样性和覆盖面显著提升系统能够根据不同公司的面试风格调整问题策略。
五AI辅助简历服务工具集开发王博凡
面试官辅助工具集 (mcp-server)
功能描述集成NovaCV服务提供简历解析、优化、生成PDF等功能辅助AI进行简历相关的操作。
开发细节
实现了generate_resume_from_text工具将用户提供的简历纯文本内容转换为JSON Resume标准格式并基于选定模板生成精美的PDF简历同时将生成的简历URL存入Redis供前端使用。
开发了get_templates工具查询并返回所有NovaCV支持的简历模板列表及其详细信息帮助用户选择合适的简历风格。
实现了convert_resume_text工具将纯文本简历内容转换为标准的JSON Resume格式方便后续编辑或进一步处理。
开发了analyze_resume_text工具对简历文本进行深度分析评估其完整性、关键词使用、技能匹配度等并给出优化建议。
题目挑选AI辅助工具集
功能直接从数据库查询题目信息支持按难度、标签和关键词搜索。
主要工具
query_problem根据难度、标签和关键词从MySQL数据库中查询题目信息。
二、问题修复
一AI自问自答问题修复
问题描述AI面试官在对话过程中出现自问自答的情况影响了面试的真实性和流畅度。解决方案修改了提示词模板明确指示AI在提问后必须等待用户回复并添加了防止自问自答的检测逻辑当检测到可能的自问自答模式时进行干预。
二重复回答问题修复
问题描述AI面试官在回答中经常重复同一句话或类似内容降低了对话质量和用户体验。解决方案优化了提示词模板增加了避免重复的明确指令并调整了温度参数增加回复的多样性。
三跳转题目界面问题修复
问题描述用户在系统推荐题目后点击跳转按钮无法正确进入题目界面或者跳转到错误的题目页面。解决方案修复了前端路由配置确保正确解析题目ID和编号并优化了题目推送机制确保Redis中存储的题目信息完整准确。
通过本周的努力团队在模拟面试系统的功能开发、用户体验优化和AI智能化提升等方面取得了显著成果。未来团队将继续推进项目的完善和优化为用户提供更加优质、高效的模拟面试服务。
