最近折腾了一个小项目——AI 面试网站 interview.shiker.tech。最有意思的是： 整个项目开发，我只花了“两条消息”。 什么叫“两条消息？就是和 AI 聊两条消息，项目就从 0 跑到线上。
听起来有点夸张？但这就是现在 AI 时代开发的速度。
🧩 1. 需求 —— “能不能做个 AI 面试网站？”
这事源于朋友一句玩笑话：
“你天天给别人讲系统设计，不如做个能模拟面试的网站吧？”
于是我把需求丢给 AI： “我要做一个支持多场景面试的网站，包括算法、Java 八股、系统设计。”
AI 回答很简单： 做！然后给了我架构、页面结构、接口协议、模型选择，甚至连 UI 都顺手生成。
⚙️ 2. 技术栈 —— AI 全帮你选好了
如果AI编程工具是tare solo、antigravity、qoder，它会直接给了标准的现代全栈方案：
- Next.js + App Router：前后端一体化，支持 server actions
- TailwindCSS：快速出 UI
- Shadcn/UI：快速组装组件
- Vercel / Docker 部署：两条命令跑起来
- OpenAI API（或你自己的大模型）：作为面试官
当我准备说“让我想想 UI 怎么做”时，AI 按照它预先产生的任务计划，已经帮我画好 Figma 结构，并生成一套 landing page + 面试界面。
🛠 3. 开发 —— 两条消息就能跑的程度
第一条消息： “帮我写一个 AI 面试网站。”
AI 给了我完整的项目结构：
/app
/interview
page.tsx
/api
/interview
route.ts
/components
InterviewChat.tsx
QuestionPanel.tsx
第二条消息： “那你把所有核心代码都给我。”
然后，它就真的给了。
面试房间、打字机效果、流式输出、问题难度选择、模型切换、历史记录等等…… 全部一键复制粘贴。
连 Docker + PM2 + Nginx 配置都生成好了。
🚀 4. 部署 —— 从本地到线上只花 5 分钟
我选择了两种部署方式：
📌 方案 A：一键 Vercel
几乎零成本，推到 GitHub 直接部署。
📌 方案 B：自己的服务器 Docker 部署
AI 给的 Dockerfile 如下：
FROM node:20-alpine
WORKDIR /app
COPY . .
RUN npm ci && npm run build
EXPOSE 3000
CMD ["npm", "start"]
丢进服务器，跑一下：
docker build -t interview-ai .
docker run -p 3000:3000 interview-ai
网站上了。
💡 5. AI 面试体验是什么样的？
你可以选择各种面试模式：
🎯 算法面试
AI 会像真实面试官一样问你：
- 时间复杂度？
- 优化方案？
- 边界情况？
- 如果用 Java 怎么实现？
🎯 Java / 八股面试
从 JVM、Spring、MySQL、Redis 到消息队列、分布式锁，全都能问。
🎯 系统设计
它甚至会追问：
- 为什么选择 Kafka？
- Redis 崩了怎么办？
- 如何保证幂等？
- 高可用架构画一下？
AI 的追问程度…… 堪比阿里/字节真实面试官。
🎯 one more thing
当然了，不止面试，还可以AI写简历：
AI分析面经：
帮看简历：
🔍 6. 我为什么要做这个？
过去两年我写博客、做内容、写 Idea 插件、做工具，核心目的就是：
让知识更容易被获取，让学习门槛更低，让效率更高。
AI 面试网站只是一个开始，但它证明了一件事：
在 AI 时代，一个人能完成过去需要一个小团队才能做的事情。
你不需要懂 UI，也不需要精通全栈， 你只需要提出“我要做什么”， AI 就会告诉你“怎么做”和“代码在哪里”。
🧲 7. 项目亮点总结
- ⚡ 两条消息完成一个网站架构
- 🚀 5 分钟部署上线
- 🤖 AI 模拟真实面试官，自动追问
- 🔄 支持多模型、多难度
- 📚 支持面试记录回放
- 🎨 全自动生成的 UI，现代且清爽
🏁 最后
这个项目是个实验，也是个趋势预告。
未来一年，像这样“用两条消息做个完整应用”的例子会越来越多。 AI 不只是加速编码，而是在重写软件开发方式。
如果你也想试试，可以直接访问：
欢迎使用这个 AI 面试官，也欢迎你告诉我想加什么功能。
