基于Springboot3+SpringAI+LLM+Function Calling+SSE的AI面试官与刷题训练平台

一、项目技术栈

前后端分离

后端：SpringBoot3 + Spring AI + MyBatis + PageHelper + Hutool + WebClient + JWT 前端：Vue3 + Vite + Element-Plus + Vue-Router + Axios AI 技术：Spring AI PromptTemplate + @Tool 工具声明 + OpenAI 兼容 Tool Calling 协议 + 结构化评分报告 + AI 动态追问 + AI 辅助出题 + 能力雷达 + AI 调用日志统计 数据库：MySQL

版本要求： jdk 不低于 17，MySQL 5.7 或者 8，node.js 版本 18 以上，maven 版本建议 3.8 及以上，navicat 建议不低于 16

二、项目功能描述

1. 管理员

登录、个人信息、修改密码 用户信息：管理系统所有用户 岗位与技术方向管理：维护面试岗位、技术方向与难度 面试题库管理：维护题库题目，支持 AI 辅助生成题库题目 AI 模型配置与 Prompt 模板管理：维护模型配置与各类场景 Prompt AI 模型连通性测试：在管理端测试模型是否可用 AI 调用日志与统计：查看 AI 调用记录、Token 消耗与调用效果统计 工具调用日志：查看 Function Calling / Tool Calling 的工具调用记录

2. 用户

登录、注册、个人信息、修改密码 训练首页：选择岗位与技术方向，开始面试训练 训练题目与回答：系统按岗位、方向和难度从题库抽取题目，用户作答并保存 AI 动态追问：AI 依据当前原题和用户回答生成一条追问及参考答案 AI 单题结构化评分：对每道题回答给出分数、等级、优点、问题与改进建议 整场训练总结报告：生成本场训练的综合评估报告 错题收藏与复盘：收藏错题并进行复盘 训练历史与回放：查看历史训练记录并回放问答过程 学习建议与能力雷达：查看 AI 学习建议与能力雷达图

三、项目创新点

1. AI 扮演"面试官"而非"出题机"：系统让 AI 完成出题、追问、评分、指出缺漏、给参考答案的完整链路，模拟真实面试的动态问答，而不是一次性生成几道题。
2. Function Calling / Tool Calling 协议落地：用 @Tool 标识业务工具，手工组装 OpenAI 兼容 tools JSON，解析 tool_calls 并分发查题库、保存学习计划方法。
3. 基于当前回答的动态追问：AI 使用原题和已保存回答生成更深入的一条追问，同时返回默认折叠的参考答案。
4. 结构化评分报告：单题评分强制输出分数、等级、回答优点、存在问题和改进建议，并分字段落库，可展示、可统计、可复盘。
5. 训练可沉淀、可复盘、可回放：面试会话、问答消息、评分记录、错题、学习计划全部落库，支持训练历史回放与错题复盘，把 AI 能力包装成可持续学习的训练系统。
6. AI 调用与工具调用双日志观测：AI 调用日志统计普通模型请求的 Token 与耗时，工具调用日志记录每次实际执行的 Java 工具，模型连通性测试用于在业务训练前验证配置。

四、关键页面截图