AI Interview一个能真实跑起来的开源 AI 招聘工作台招聘系统最难的地方往往不是做一个候选人表单而是把所有分散的信息重新连起来岗位需求在文档里简历在邮箱里面试评价在聊天记录里笔试链接在另一个平台Offer 又回到邮件线程。每一步都有人参与每一步又都可能丢上下文。项目地址https://github.com/cjpnice/ai-interview技术栈React Vite TypeScript Ant Design FastAPI PostgreSQL OpenAI SDK 兼容模型接口。AI Interview 想解决的正是这个问题。它是一个开源的智能招聘管理系统面向 HR、招聘负责人、面试官和用人部门把岗位、简历、AI 初筛、部门评审、面试、笔试、Offer、招聘数据和自动化工作流放到一个产品里。AI 先读简历但最终判断仍然留给人简历进入系统后AI Interview 会完成上传、查重、解析状态跟踪、岗位匹配评分和候选人状态流转。HR 不再只是看到一个附件而是可以直接看到候选人与岗位之间的关系。真正的核心在简历详情页。系统会基于岗位要求生成候选人画像、匹配分、初筛建议、亮点、风险点和可追问方向。HR 可以采纳 AI 建议也可以覆盖建议、转岗重评或发起用人部门评审。这个设计刻意保留了人工确认闭环。AI 负责把高频阅读和信息整理做掉人负责做最终判断。对于招聘团队来说这比“自动录用/自动淘汰”的黑盒体验更可控也更容易落地。面试页不是填表而是 AI 辅助评估现场面试评分页把候选人简历最大化展示在左侧右侧是结构化面试题、参考答案、评分标准和面试小组提交状态。面试官不需要在多个窗口之间来回切换可以边看简历边记录评分。题目可以结合候选人背景、岗位要求和题库内容生成。对于技术岗位系统可以把简历中的项目经历转化成更具体的追问对于产品、运营或数据岗位也可以围绕业务理解、项目复盘和协作能力生成题目。面试结束后AI Interview 会继续把分散的评价汇总起来。系统支持多位面试官评分、文字评价、录音上传和转写再生成综合面试分析、优势、风险和录用建议。这让面试反馈不再只是几句零散评论而是变成一个可追踪、可复盘、可继续流转的候选人评估报告。AI 能力可以配置而不是写死在代码里一个招聘系统如果要进入真实团队模型和提示词就不能写死。AI Interview 提供了模型配置页支持 OpenAI SDK 兼容接口。你可以接 DashScope、OpenAI也可以接企业内部模型网关。提示词同样可以在后台维护。简历分析、Markdown 生成、面试题生成、面试结果分析、笔试评价等任务都可以配置不同模板。团队可以根据岗位类型、行业术语和内部评价标准持续调优。这也是 AI Interview 适合作为开源项目二次开发的原因它把 AI 能力做成了产品里的可运营对象而不是一段隐藏在服务层里的调用代码。从岗位发布到候选人投递招聘流程从岗位开始。AI Interview 支持岗位创建、状态管理、JD 生成、公开发布和岗位统计。岗位信息不只是一个表单它会参与后续简历匹配、面试题生成和招聘漏斗分析。公开职位页让候选人可以直接查看岗位并投递简历适合团队把职位页放到官网、社群或招聘渠道中。笔试、工作流和数据看板把招聘变成可运营流程技术岗位常常需要笔试或作业。AI Interview 提供在线笔试模块支持算法题、选择题、问答题、公开答题链接、代码运行和 AI 评价方便团队把测评结果纳入同一条候选人流程。当招聘流程越来越复杂系统还需要能自动推进。AI Interview 内置了基于 React Flow 的可视化工作流支持 LLM、条件判断、HTTP 请求、邮件、数据库、人工输入等节点。你可以围绕“高匹配候选人自动推进”“面试结束后自动生成报告”“Offer 过期提醒”等场景继续扩展。最后仪表盘会把招聘变成可运营的过程。团队可以看到招聘漏斗、岗位分析、面试官分析和时间趋势回答这些很实际的问题哪些岗位卡在简历初筛哪些岗位面试通过率异常低面试官的完成率和评分稳定性如何Offer 发出后的接受率如何招聘周期是否在变长技术架构AI Interview 采用前后端分离架构前端React 19、Vite、TypeScript、Ant Design、React Router、Recharts、React Flow后端FastAPI、SQLAlchemy、Alembic、Pydantic、JWT、Background Tasks数据库PostgreSQL 15AIOpenAI SDK 兼容接口支持 DashScope、OpenAI 或企业内部兼容模型网关部署Docker Compose、Nginx、GitHub Actions这套组合足够轻量适合本地开发也方便部署到企业内网或云服务器。对于想做二次开发的团队岗位、简历、面试、笔试、Offer 和工作流都有明确模块边界。快速体验gitclone https://github.com/cjpnice/ai-interview.gitcdai-interviewcp.env.example .envcpbackend/.env.example backend/.envcpfrontend/.env.example frontend/.envdockercompose up-dpostgres启动后端cdbackend python-mvenv venvsourcevenv/bin/activate pipinstall-rrequirements.txt alembic upgradeheaduvicorn app.main:app--reload--host0.0.0.0--port8000启动前端cdfrontendnpminstallnpmrun dev访问http://localhost:5173开发环境默认账号是adminexample.com / admin123。生产环境请务必修改初始管理员密码、数据库密码和SECRET_KEY。如果你想生成和本文一样的演示素材可以写入演示数据并重新截图cdbackendDATABASE_URLpostgresql://postgres:postgreslocalhost:5433/ai_interview_demo python scripts/seed_demo_data.pycd..nodescripts/generate-demo-resume-pdfs.mjsnodescripts/capture-demo-screenshots.mjs一个更现实的 AI 招聘产品起点AI Interview 的定位不是替招聘团队做出录用决定而是让招聘团队拥有一个更清晰、更自动化、更可追踪的协作系统。它把 AI 放在真正需要它的位置阅读材料、整理结构化信息、生成建议、辅助面试、汇总反馈并把最终判断权留给人。如果你正在做招聘数字化、AI 面试、人才测评或内部流程自动化这个项目可以直接作为一个可运行的起点。欢迎 Star、Fork、提交 Issue也欢迎把它改造成你自己团队真正想用的招聘工作台。相关链接GitHub 仓库https://github.com/cjpnice/ai-interview