AI面试官与刷题训练平台
项目简介：基于多轮对话、结构化评分和Tool Calling，实现岗位题库、AI追问、回答评分、错题收藏、训练回放、能力雷达和个性化学习建议，适合学习工具调用日志、训练闭环和过程追踪。
本项目覆盖的技术点
学完能答的面试题
学完这个项目，下面 12 道面试题你都能结合项目细节讲出来。题目在 AIGC 面试刷题网可以免费看。
tool_calls，由程序执行对应方法，再把结果回传给模型。系统架构
一张图看清整个系统的分层与核心链路，点开可缩放查看细节。
- 1接入层：训练端 + 管理端用户端作答、追问、评分、错题复盘、训练回放和能力雷达；管理端维护岗位方向、题库、模型与 Prompt 和双日志。
- 2一场训练的主流程选岗位、方向、难度开一场训练，从题库抽题作答；AI 拿原题和你的回答再追问一层，再给单题结构化评分，最后出总结报告和能力雷达。
- 3Function Calling 工具调用
ChatClient.tools()把queryQuestionTool、saveStudyPlanTool两个@Tool交给模型，提示词要求先查复习题、再保存计划；模型返回tool_calls后由框架执行 Java 方法并回填结果。 - 4训练可沉淀、可回放会话、问答消息、评分记录、错题、学习计划全部落库，训练历史按题展示原题、回答、追问与评分。
- 5模型与观测底座模型配置页面维护并先做连通性测试；AI 调用日志记 Token 和耗时，工具调用日志记每次真正执行的工具。
技术栈
用到的框架、中间件和模型。
技术难点与解法
每一项优化都针对一个真实问题，讲清楚问题、做法和背后的原理。
01让 AI 像面试官一样追问
- 问题
- 一次性生成几道题只是「出题机」，真实面试会根据你的回答继续深挖细节、边界和项目真实性。
- 做法
- 用户保存回答后，把岗位、原题和当前回答填进
FOLLOW_UP模板，用固定 JSON 同时取回追问和参考答案，后端校验非空再入库。 - 原理
- 追问的质量取决于上下文：把「题目 + 已作答内容」一起给模型，它才知道该往哪里挖。
02把主观评价变成可用数据
- 问题
- 面试评价天然是主观的自由文本，没法展示、统计，更画不出能力雷达。
- 做法
- Prompt 设定评分标准，强制返回分数、等级、优点、问题、改进建议的固定 JSON，分字段落库，再按维度聚合出雷达图和学习建议。
- 原理
- 先把模型输出结构化，数据才能进入统计、可视化和复盘，形成「评价 → 建议 → 改进」的闭环。
03工具描述写不好，模型就不会调
- 问题
- 查题库、保存学习计划交给模型决定何时调用，可描述含糊时模型要么不调，要么参数传错。
- 做法
- 用
@Tool、@ToolParam写清工具用途和每个参数的含义，通过ChatClient.tools()挂到请求上，系统提示词再规定先查复习题、再保存计划，由 Spring AI 执行tool_calls并回填结果。 - 原理
- 模型只能根据工具描述和参数 Schema 判断「要不要调、怎么调」，工具说明本身就是 Prompt 的一部分。
04模型调用和工具调用都要看得见
- 问题
- 评分、追问、总结、出题都在调模型，工具又是模型自己触发的，出了问题不知道是哪一步、花了多少 Token。
- 做法
ai_usage_log记录每次模型请求的 Prompt、返回、Token、耗时和异常，tool_call_log记录每次实际执行的工具和入参结果，再加一键连通性测试。- 原理
- 调用日志既是排错依据，也是成本核算依据：Token 用量从
ChatResponse的Usage里取。
功能清单
按角色看这个系统都能做什么。
题库2 项
- 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 辅助生成题目
AI 配置与观测4 项
- AI 模型配置与 Prompt 模板维护模型配置与各场景 Prompt
- 模型连通性测试在管理端一键测试模型是否可用
- 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
系统2 项
- 用户信息管理系统所有用户
- 个人资料登录、个人信息、修改密码
页面截图
共 8 张真实运行截图，点击大图查看高清原图。
点击放大你将获得
购买后可以拿到的全部内容。
喂饭级学习教程19 章
从工程底座、题库管理讲起，到结构化评分、动态追问、训练总结、AI 出题和 Spring AI 工具调用，按开发顺序一章一章讲。
完整源码 + SQL
Spring Boot 后端 + Vue3 前端完整源码，MySQL 建表脚本和题库初始化数据。
配套面试文档
电梯陈述、架构与选型、Spring AI 与 Function Calling 深挖、高频面试题和难点包装，面试时照着讲。
环境安装文档
JDK、MySQL、Node.js、Maven 等开发环境的安装与配置。
项目运行文档
数据库初始化、前后端启动、模型配置，从零把项目跑起来。
常见问题
下单前最常被问到的几个问题。
这个项目是 Java 还是 Python？
后端是 Java（JDK 21 + Spring Boot 4 + Spring AI 2），前端是 Vue3。
模型需要自己准备吗？
需要自己在 DeepSeek 开放平台创建 API Key，在管理端「AI 模型配置」里填入，再用连通性测试确认可用即可，不用改代码。模型走接口调用，不需要显卡。
基础薄弱能学会吗？
教程是喂饭级的，从登录注册、统一返回这些工程底座讲起，每章都有验证步骤。基础不够的话，可以先按上面的「学习路径」从基础项目学起。
能写进简历、用作毕业设计吗？
可以，配套面试文档里有项目介绍、难点包装和高频追问，照着就能讲清楚。至于毕业设计，有小伙伴问过我，统一回答一下：AI 实战库板块的项目拿去做毕业设计，就四个字——降维打击。
源码能用于商业项目吗？
源码和教程本质上是给大家学习、提升技能的。如果需要商用，自己二次开发一下也没问题，但禁止原项目 + 教程转手倒卖。我是一个程序员，能看到你们学习我的教程提升能力，能听你们叫我一声大佬，挺幸福的！知足~
售后答疑
买完不是结束跟着教程学习，遇到问题不用自己硬扛。