An AI interview coach that learns you — the more you practice, the better it knows your weaknesses.
本仓库当前作为 TechSpar 的 fork / custom 变体 使用。
- 原始上游项目：
AnnaSuSu/TechSpar- 当前魔改主线：
custom- 建议将
upstream-main视为上游同步基线，将custom视为长期功能分支详细的分支与同步说明见：FORK.md
- 持久记忆 - 基于 Mem0 架构的用户画像系统，每次训练后自动提取薄弱点、强项、思维模式，持续演进
- 个性化出题 - 融合全局画像、领域掌握度、知识库检索三层上下文，每道题都有针对性
- 智能评估 - 逐题评分 + 薄弱点提取 + 改进建议，确定性掌握度算法量化能力水平
- 间隔重复 - SM-2 算法为每个薄弱点维护复习调度，到期知识点优先出题
- 知识库管理 - 按领域维护核心知识文档和高频题库，支持 Markdown 编辑，RAG 检索提供出题依据
- 简历模拟面试 - AI 读取简历，基于 LangGraph 状态机驱动完整面试流程（自我介绍 → 技术 → 项目深挖 → 反问）
- 专项强化训练 - 选择领域集中刷题，AI 根据画像动态调整难度，精准定位薄弱点
- 录音复盘 - 上传面试录音或粘贴文字，AI 自动转写分析，结构化 Q&A 逐题评分
- 移动端适配 - 响应式布局，移动端自动切换为顶栏 + 汉堡菜单，随时随地刷题
- 多用户隔离 - JWT 认证，数据按用户完全隔离，可配置是否开放注册
Try TechSpar online: https://stu.6bits.de/
| Password | |
|---|---|
| admin@techspar.local | admin123 |
传统面试工具是无状态的——每次练习都从零开始。TechSpar 构建了持久化的候选人画像系统：每次训练后自动提取薄弱点、评估掌握度、记录思维模式。下一次出题时，AI 面试官基于画像精准命中短板。
| Component | Technology |
|---|---|
| Backend | FastAPI, LangChain, LangGraph, LlamaIndex |
| Frontend | React 19, React Router v7, Vite, Tailwind CSS v4 |
| Storage | SQLite, bge-m3 embeddings |
| Auth | JWT, bcrypt |
| LLM | Any OpenAI-compatible API |
cp .env.example .env编辑 .env：
# LLM（支持任何 OpenAI 兼容接口）
API_BASE=https://your-llm-api-base/v1
API_KEY=sk-your-api-key
MODEL=your-model-name
# 嵌入模型（留空则使用本地 bge-m3）
EMBEDDING_API_BASE=
EMBEDDING_API_KEY=
EMBEDDING_MODEL=BAAI/bge-m3
# 阿里云 DashScope ASR（录音转写，录音复盘功能需要）
DASHSCOPE_API_KEY=
# 七牛云 OSS（录音上传到 OSS 后供 DashScope 转写）
QINIU_ACCESS_KEY=
QINIU_SECRET_KEY=
QINIU_BUCKET=
QINIU_DOMAIN=
# 认证
JWT_SECRET=change-me-in-production
DEFAULT_EMAIL=admin@techspar.local
DEFAULT_PASSWORD=admin123
DEFAULT_NAME=Admin
ALLOW_REGISTRATION=false优先使用仓库内的包装脚本，兼容 docker compose 插件缺失、以及部分 Debian 环境下 docker-compose 被 Python 包污染的问题：
./scripts/compose.sh -f docker-compose.prod.yml up --build常用部署命令：
# 仅重建前端
./scripts/deploy.sh deploy frontend
# 仅重建后端
./scripts/deploy.sh deploy backend
# 整体重建
./scripts/deploy.sh deploy all
# 重启前端
./scripts/deploy.sh restart frontend
# 查看日志
./scripts/deploy.sh logs frontend
# 查看最近 200 行日志
./scripts/deploy.sh logs all 200
# 拉取最新代码并重建前端
./scripts/deploy.sh update frontend
# 查看状态
./scripts/deploy.sh status
# 仅拉取最新代码
./scripts/deploy.sh pull访问 http://localhost。
生产环境默认使用：
./data保存后端数据./.runtime/caddy_data保存 Caddy 证书与状态./.runtime/caddy_config保存 Caddy 配置状态
# 后端
pip install -r requirements.txt
uvicorn backend.main:app --reload --port 8000
# 前端
cd frontend && npm install && npm run dev访问 http://localhost:5173。
从无认证旧版升级：
python -m backend.migrateTechSpar/
├── backend/
│ ├── main.py # FastAPI, 40+ API routes
│ ├── auth.py # JWT auth, user management
│ ├── memory.py # Profile engine (Mem0-style)
│ ├── vector_memory.py # Vector memory (SQLite + bge-m3)
│ ├── indexer.py # Knowledge indexing (LlamaIndex)
│ ├── spaced_repetition.py # SM-2 scheduler
│ ├── migrate.py # Database migration
│ ├── graphs/
│ │ ├── resume_interview.py # Resume interview (LangGraph)
│ │ └── topic_drill.py # Topic drill & evaluation
│ ├── prompts/ # System prompts
│ └── storage/sessions.py # Session persistence (SQLite)
├── frontend/src/
│ ├── App.jsx # Routing + auth guards
│ ├── contexts/AuthContext.jsx
│ ├── components/Sidebar.jsx
│ ├── pages/ # Landing, Login, Home, Profile, etc.
│ └── api/interview.js # API client (authFetch)
├── data/users/{user_id}/ # Per-user isolated data
│ ├── profile/profile.json
│ ├── resume/
│ ├── knowledge/
│ └── topics.json
├── docker-compose.yml
└── .env.example
MIT
If you find this project useful, please give it a star!