用 Ollama 搭一个本地面试模拟助手，求职季必备，隐私安全零成本

# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 拉取模型，qwen2.5:7b 对话能力强，面试模拟效果好
ollama pull qwen2.5:7b

{
  "position": "高级后端工程师",
  "company": "某大厂",
  "focus_areas": ["分布式系统", "高并发", "Go语言", "系统设计"],
  "difficulty": "hard"
}

#!/usr/bin/env python3
"""本地 AI 面试模拟助手"""
import json
import sys
import time
from pathlib import Path
import ollama

# ============ 配置 ============
BASE_DIR = Path(__file__).parent
RESUME_PATH = BASE_DIR / "resume.txt"
CONFIG_PATH = BASE_DIR / "config.json"

def load_config():
    """加载岗位配置"""
    if not CONFIG_PATH.exists():
        print("⚠️ 未找到 config.json，使用默认配置")
        return {
            "position": "后端工程师",
            "company": "某科技公司",
            "focus_areas": ["Python", "数据库", "API设计"],
            "difficulty": "medium"
        }
    with open(CONFIG_PATH) as f:
        return json.load(f)

def load_resume():
    """加载简历"""
    if not RESUME_PATH.exists():
        print("❌ 未找到 resume.txt，请先创建简历文件")
        sys.exit(1)
    return RESUME_PATH.read_text(encoding="utf-8")

def get_difficulty_prompt(difficulty):
    """根据难度返回提示"""
    prompts = {
        "easy": "问题简单，以基础概念和自我介绍为主，帮助用户建立信心。",
        "medium": "问题适中，涵盖技术基础、项目经验和常见场景。",
        "hard": "问题深入，涉及系统设计、性能优化、故障排查等高阶话题。"
    }
    return prompts.get(difficulty, prompts["medium"])

def ask_question(model: str, resume: str, config: dict, history: list) -> str:
    """让 AI 出面试题"""
    focus = "、".join(config["focus_areas"])
    diff_prompt = get_difficulty_prompt(config["difficulty"])

    system_prompt = f"""你是一位{config['position']}岗位的资深面试官，在{config['company']}负责技术面试。

岗位要求：{focus}
难度要求：{diff_prompt}

面试规则：
1. 每次只问一个问题，等待用户回答后再问下一个
2. 根据用户回答可以追问，模拟真实面试流程
3. 问题要结合实际项目经验，不要只问概念
4. 保持专业但友好的语气
5. 当用户说"结束面试"或回答满8个问题后，给出整体评估和评分
6. 评分维度：技术深度(30分)、表达清晰度(20分)、项目理解(25分)、问题解决(25分)

请用中文提问，简洁明了。"""

    context = f"""【候选人简历】\n{resume}

【面试开始】
请作为面试官，开始第一个问题。只问问题，不要输出其他内容。"""

    messages = [{"role": "system", "content": system_prompt}] + history + [{"role": "user", "content": context}]

    response = ollama.chat(model=model, messages=messages, stream=False)
    return response["message"]["content"]

def evaluate_interview(model: str, resume: str, config: dict, history: list) -> str:
    """面试结束后给出评估"""
    diff_prompt = get_difficulty_prompt(config["difficulty"])

    system_prompt = f"""你是一位经验丰富的技术面试官，请对刚才的面试进行总结评估。

【候选人简历】\n{resume}

【面试主题】{config['position']}岗位，重点考察：{', '.join(config['focus_areas'])}
【难度】{config['difficulty']}

请输出：
1. 整体表现评价（2-3句话）
2. 各维度评分（满分100）：技术深度、表达清晰度、项目理解、问题解决
3. 做得好的地方（2-3点）
4. 需要改进的地方（2-3点）
5. 3个建议重点复习的知识点

格式简洁，不要废话。"""

    messages = [{"role": "system", "content": system_prompt}] + history

    response = ollama.chat(model=model, messages=messages, stream=False)
    return response["message"]["content"]

def run_interview():
    """运行面试模拟"""
    config = load_config()
    resume = load_resume()
    model = "qwen2.5:7b"

    print("=" * 50)
    print(f"🎯 面试模拟：{config['position']} @ {config['company']}")
    print(f"📋 重点方向：{', '.join(config['focus_areas'])}")
    print(f"💪 难度：{config['difficulty']}")
    print("=" * 50)
    print("\n提示：回答 '结束面试' 可以提前结束并获取评估\n")

    history = []
    question_count = 0
    max_questions = 8

    while question_count < max_questions:
        try:
            question = ask_question(model, resume, config, history)
            print(f"\n👨‍💼 面试官：{question}")
            history.append({"role": "assistant", "content": question})

            # 用户输入
            answer = input("\n👤 你：").strip()

            if not answer:
                print("（未回答，跳过）")
                continue

            if "结束面试" in answer or "退出" in answer or "ok" in answer.lower():
                print("\n📝 正在生成面试评估...")
                break

            history.append({"role": "user", "content": answer})
            question_count += 1

        except KeyboardInterrupt:
            print("\n\n👋 面试已中断")
            break
        except Exception as e:
            print(f"\n❌ 出错了：{e}")
            break

    # 面试评估
    print("\n" + "=" * 50)
    print("📝 面试评估报告")
    print("=" * 50)
    try:
        evaluation = evaluate_interview(model, resume, config, history)
        print(f"\n{evaluation}")
    except Exception as e:
        print(f"⚠️ 无法生成评估：{e}")

    print(f"\n✅ 共回答 {question_count} 个问题")
    print("💡 提示：把评估结果复制保存，复习改进建议")

if __name__ == "__main__":
    run_interview()

pip install ollama

python3 interview.py