项目实训(8) - 模拟面试模块初步完成, 回顾、反思
不知不觉，AI 模拟面试这个模块也从一个光秃秃的聊天框，慢慢“进化”到了有点“人模狗样”了。虽然离一个完美、智能的AI面试官还差十万八千里，但起码的核心功能（经历深挖、模拟面试流程、流式输出、一些简单的异常处理）都有了个雏形。
回顾一下这段时间的“屎山代码”与“灵光一闪”：
- 从0到1的聊天界面：最开始用 Ant Design Vue 搭的那个聊天框，现在看还是挺耐用的。
- 对接 DeepSeek 内部接口：感谢后端同学给力，API 本身还算稳定，跨域问题也帮我们解决了。流式输出的支持更是关键。
- Prompt Engineering 的无底洞：为了让 AI 理解我们的意图，扮演好面试官角色，遵守流程，System Prompt 改了N个版本。感觉就像在跟一个很聪明但注意力不集中的人说话，得反复强调，换着法儿说。
- 流程控制的挣扎：怎么让AI乖乖地按“开场->技术->项目->...”的剧本走，真是费老劲了。从一个大而全的Prompt，到后来的阶段性“幕后指令”，感觉找到了一点点门道，但还是不够优雅。
- 流式输出带来的体验飞跃：这个功能加上后，等待感大大降低，AI“活”了起来。虽然
ReadableStream和TextDecoder的处理细节有点绕，但值得。 - 各种“异常”与“引导”的小补丁：“换个问题”按钮、思考怎么提示用户详细回答……这些都是在实际使用中发现AI和用户都可能“跑偏”后，一点点加上去的。
最大的收获（和教训）：
- AI 不是神，预期管理很重要：一开始总幻想 AI 能像真人一样智能。现实是，它只是个语言模型，强于模式匹配和文本生成，但离真正的理解、推理、常识还远。对它的能力边界要有清醒认识。
- Prompt 是灵魂，也是枷锁：好的 Prompt 能极大提升 AI 表现。但过于依赖 Prompt，也会让系统变得复杂和脆弱。有时候，简单的规则和前端辅助可能比一个超复杂的 Prompt 更有效。
- 迭代，快速迭代：AI 应用的开发，很多时候不是一蹴而就的。功能上线后，根据用户反馈和实际运行情况，不断调整 Prompt、优化交互、修复 bug，这个过程会很长。
- 前端在 AI 应用中的角色越来越重：不仅仅是展示，很多“智能”的微调、用户行为的理解和引导、甚至部分对话逻辑的控制，前端都可以发挥很大作用。
目前还存在的明显不足（或者说，未来的TODO List）：
- 上下文长度管理：现在是把所有历史消息都传给API，对话长了之后，性能和效果都可能下降。需要实现一个合理的上下文截断或摘要策略。
- AI 回答质量的稳定性：有时候AI的提问依然很棒，有时候就比较水。这个除了持续优化Prompt，可能也依赖于后端模型本身的迭代。
- “经历深挖”和“模拟面试”的流畅切换与信息共享：比如用户在深挖完一个经历后，能不能把这个“深挖”的结论或重点，带到接下来的“模拟面试”环节？
- 更完善的错误/异常处理：网络超时、API限流、AI返回非预期内容等，都需要更优雅的处理。
- 面试记录的保存与回顾：用户完成一次模拟面试后，如果能保存对话记录，甚至做一些简单的分析（比如高频词、回答流畅度等），会更有价值。
对未来的“亿点点”畅想（画饼时间到！）：
- 多模态面试？ AI 不仅能文字提问，还能放个图片（比如系统架构图）让用户分析？或者用户可以语音回答，AI语音回复？（这个饼太大了，我先吃口饭）
- AI 面试官“性格”选择：温柔型、压力型、打破砂锅问到底型……让用户选一个自己想挑战的。
- 针对性的反馈与建议：面试结束后，AI 能不能不仅仅是“谢谢参与”，而是针对用户的回答，给出一些具体的、有建设性的反馈？比如“关于XX问题的回答，你可以从YY方面再补充一下会更好”。这个对AI的要求就非常高了。
- 与简历数据的深度联动：AI 能真正“读懂”用户在AIResume平台上制作的简历，所有提问都围绕简历内容精准展开，而不是简单基于关键词。
呼～ 写完这篇，感觉这个AI模拟面试模块的第一个大版本算是告一段落了（虽然我知道后面还有无数的细节要磨）。从最初的一头雾水，到现在勉强能跑起来，这个过程还是挺有成就感的。
继续学习，继续踩坑，继续进步吧！AI 的世界，其乐（也“其苦”）无穷啊！
#AI模拟面试 #项目总结 #阶段性成果 #Vue3 #DeepSeek #前端与AI #未来可期 #继续搬砖
