TydKsx的博客

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。通过和函数分别获取用户创建的面试官列表和面试记录列表。后端提供了和接口，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：通过调用后端接口，获取当前用户创建的所有面试官列表，并存储到中。：通过调用后端接口，获取当前用户创建的所有面试记录列表，并存储到中。

用户可以将自己创建或使用过的AI面试官及与AI的聊天记录，通过文章的形式分享给其他用户。其他用户可以查看分享的AI资源，并一键将其添加到自己的账户下使用。分享的内容以“快照”形式存在，即分享出去的是一个独立副本，原作者后续的修改不影响已分享的内容，反之亦然。

前端体验优化：吴尤通过多样化文件图标、增加AI思考状态指示器、实现可折叠边栏、音频波形可视化及骨架屏等，显著增强了系统的视觉反馈和交互流畅度。后端性能与功能强化：吴浩明完成了大量题库数据的爬取与管理，通过优化查询逻辑、引入Redis多级缓存及完善分页查询，大幅提升了题库模块的性能和响应速度，并实现了统计与回调功能。AI交互反馈增强：王博凡开发的MCP动作记录系统，使得AI的后台操作能够被记录并反馈给用户，弥补了用户感知空白，提升了系统的透明度和用户体验。核心功能完善。

本周，团队成员在AI聊天界面、Docker容器化与AI代码评测、语音识别与分析、用户数据存储以及核心业务逻辑BUG修复与功能增强等多个方面均取得了重要进展。特别是AI能力的集成和优化，如基于大模型的代码评测和语音分析，以及MCP在AI交互中的应用，都为项目带来了更强的智能化特性。

明确了css的布局设计。通过不断的写方法逻辑，对前后端接口更加得心应手。模块化设计的重要性 ：将功能封装为独立的模块（如MCP服务），可以大大提高系统的可维护性和可扩展性。性能优化 ：在处理大量聊天记录和复杂计算时，需要注意性能优化，避免系统响应缓慢。用户体验 ：即使是技术性很强的功能，也需要考虑用户体验，如何让用户更直观地理解和使用系统。在实现评测环境容器化过程中，充分体会到了Docker带来的环境一致性和部署便捷性，为后续扩展多语言支持奠定了基础。

本周主要围绕智能面试系统的 AI 对话功能进行开发，核心任务是实现面试官提示词生成器（InterviewerPromptGenerator）。本周主要完成了 AI 面试官聊天系统的核心功能开发，重点实现了分支式对话管理系统和 AI 消息轮询机制。组件实现自定义滚动条，自动检测内容高度和容器高度的差异，当内容高度大于容器高度时，显示滚动条。本周主要完成了在线评测系统（OJ）的 Docker 容器化评测环境开发。本周主要完成了前端界面的滚动条优化和模拟面试界面的开发工作。：利用 Element UI 的。

通过文件内容提取工具类，将文件内容提取并整合到即将输入的信息中，再根据信息在用户自定义知识库中进行嵌入搜索，实现 RAG 内容增强，最后发送给大模型完成对话。本周主要完成了 AI 聊天工具类的编写，并整合 Milvus 向量数据库、文件内容提取工具类和 Qwen-audio-turbo-latest 模型等技术。，URL 存在但路径有问题，导致图片加载失败。用队列读取消息，读取最新的一条，结合 Milvus 向量数据库进行知识检索，生成符合大语言模型规范的输入序列。类，实现个性化面试官功能。

本周的主要任务是开发模拟面试系统的登录注册界面。登录注册界面是用户接触系统的第一印象，因此需要简洁、直观且安全。本周主要负责 OJ 系统的开发，已完成前端在线 IDE 的开发，后端评测机正在开发中。本周主要负责整个项目 Agent 逻辑的设计，以及详细聊天内容的设计。通过本周的努力，项目取得了阶段性进展。下周我们将继续推进各项工作，确保项目顺利进行。本周与队友 吴浩明 同学一起开发了题库和在线 IDE 功能。

知识库上传与管理方案提示词编辑器设计参数调整封装规范共享面试官权限控制系统。

这是一个融合前沿AI技术与求职培训需求的创新平台，旨在通过大模型技术为求职者提供个性化、智能化的模拟面试体验。