返回黑客松案例
#57
黑客先锋奖奖金：100 元#57
InterReview
InterReview 是一个面向技术面试场景的智能复盘系统，旨在解决面试结束后“反馈模糊、难以复盘、能力无法沉淀”的问题。项目通过多 Agent 协作，将一次面试从音频/文本输入，自动转化为结构化、可分析、可持续积累的能力资产。 系统中，转写 Agent 负责音视频到文本的高质量转写；解析 Agent 自动抽取面试问题、候选人回答与追问链路；分析 Agent 从技术深度、表达结构与风险点等维度生...
关于作者
已经联系
项目简介
InterReview 是一个面向技术面试场景的智能复盘系统，旨在解决面试结束后“反馈模糊、难以复盘、能力无法沉淀”的问题。项目通过多 Agent 协作，将一次面试从音频/文本输入，自动转化为结构化、可分析、可持续积累的能力资产。 系统中，转写 Agent 负责音视频到文本的高质量转写；解析 Agent 自动抽取面试问题、候选人回答与追问链路；分析 Agent 从技术深度、表达结构与风险点等维度生成复盘报告；追问 Agent 模拟面试官视角，给出潜在追问与改进方向；对话 Agent 则支持围绕单场面试进行持续追问与回答优化。 通过 Agent 间的流水线与协作机制，InterReview 将“一次面试体验”升级为可复盘、可迭代、可进化的个人能力系统。
技术方案
本项目计划构建 5 个核心 Agent，围绕一次面试数据的“转写 → 结构化 → 分析 → 追问 → 交互优化”形成协作闭环。 在 OpenAgents 框架下，系统采用 事件驱动的 Agent 协作模式：以上 Agent 通过统一的事件协议进行解耦通信，前一 Agent 的输出作为事件触发后续 Agent 执行。项目将利用 OpenAgents 的 Mods 机制封装不同 Agent 能力（转写、解析、分析、对话），并通过 标准化协议与上下文共享机制实现多 Agent 间的状态传递与任务编排，从而构建一个可扩展、可插拔的面试复盘智能体系统。
功能亮点
Transcription Agent：负责音视频/文本输入的统一处理与高质量转写； Parsing Agent：对转写结果进行语义切分，抽取问题–回答–追问链路，生成结构化 QA 数据； Analysis Agent：基于结构化数据，从技术深度、表达逻辑与风险点等维度生成复盘分析； Follow-up Agent：模拟面试官视角，基于候选人回答生成潜在追问与改进方向； Conversation Agent：面向用户提供上下文对话，支持针对单个问题或整场面试的持续优化。