AI面试官系统实战：语音对话+在线编程的架构与Demo实现

在准备技术面试的过程中，很多同学都遇到过类似的困境：刷题刷了不少，但真正面对面试官时，要么表达没有条理，要么一紧张就写不出完整代码。最近我一直在关注一类新的 AI 工具：让 AI 扮演面试官，用语音和候选人做多轮对话，并直接在线考察编码能力。Prepin 正是这个方向里比较有代表性的产品——它的定位很清晰：AI that interviews engineers with voice and live coding。

这篇文章我不会去分析某个具体产品值不值得买，而是想围绕“AI 面试官 + 语音对话 + 在线编程”这条技术主线，拆解这类工具的使用流程、底层原理，并带大家手写一个极简可运行的 Demo。无论你是准备面试的候选人，还是想在企业内部搭建面试陪练系统的开发者，这篇文章都能给你一个相对完整的视角。

1. 背景与核心概念

1.1 什么是“AI 面试官”工具

AI 面试官工具本质上是一个面向“技术面试场景”的 AI Agent。它不只是简单地生成面试题，而是能够根据候选人的回答进行追问、引导，甚至在候选人写代码时给出即时反馈。

它的核心能力可以拆成四块：

• 语音输入与输出：模拟真实面试中的口头交流。
• 语义理解与追问：理解候选人的答案，判断是继续追问还是换一个问题。
• 在线编程环境：候选人可以在页面里直接写代码，系统会运行并评测。
• 结果复盘：面试结束后生成评分报告和面试记录。

Prepin 的业务形态就是围绕这四块能力展开的。它把“面算法题”和“面工程能力”结合到一起，目标不是替代 HR，而是替代技术面试官的一部分重复劳动。

1.2 语音 + 在线编程意味着什么

过去很多刷题平台只考察“代码是否正确”，但真实技术面试里，沟通能力、思路表达和代码实现同样重要。

语音交互主要解决两个问题：

• 还原真实面试压力：口头表达的时候，候选人不能像写笔记那样慢慢组织语言，这对临场反应是很大的考验。
• 识别表达逻辑：AI 可以通过候选人的语音内容判断其思路是否清晰，而不是只盯着最后提交的代码。

而 live coding（在线编程）则把考察范围从“八股文”扩展到真实代码能力。候选人需要在限定时间内完成编码，AI 再通过测试用例、静态检查等方式评估代码质量。

1.3 这类工具适合谁

• 正在准备大厂面试的候选人：用它做模拟面试，避免“只会刷题、不会开口”。
• 企业内部招聘团队：降低技术初筛的人力成本，让工程师把时间留给终面。
• AI 应用开发者：研究语音对话、代码生成、自动评测这些模块如何组合成一个完整产品。

2. 使用前的环境准备与配置

在使用 Prepin 这类 AI 面试官工具之前，先确认本地环境是否满足基本要求。虽然不同产品在细节上有差异，但通用的准备逻辑是相似的。

2.1 基本运行环境

工具大多以 Web 页面形式提供，所以你的电脑只需要满足：

• 操作系统：Windows、macOS、Linux 均可，建议 Chrome 或 Edge 最新版本。
• 麦克风：面试过程中需要语音答题，请提前测试麦克风权限。
• 网络：需要稳定访问模型服务，语音识别和代码评测都依赖网络。
• 摄像头非必须，但如果产品支持视频回放，可以提前确认权限。

这里建议你在正式开始面试前，先做一个“设备自检”，例如录一段自己的语音并回放，确认声音清晰、没有明显回声。

2.2 模型服务与账号配置

如果你是在浏览器里直接用官方页面，只需要注册账号并选择面试岗位方向即可。

如果你打算自己搭建或改造一个类似的系统，则需要准备：

• 一个大模型 API Key，例如 OpenAI 兼容接口，或者其他国内云厂商的模型服务地址。
• 一个语音识别服务，常见的有云厂商的 ASR 接口，也可以使用本地开源方案。
• 如果希望 AI 用语音提问，还需要一个 TTS 语音合成服务。

版本需要根据你的项目实际情况调整，本文示例以常见的 OpenAI 兼容接口为例，重点演示配置思路。

2.3 准备一个“面试房间”

在企业内部落地时，建议按“面试房间”的方式组织功能：

• 每个候选人一个独立的会话记录。
• 面试题目按照岗位方向配置题库。
• 面试结束后自动生成报告，包含语音转写文本、代码提交记录和评分。

这个思路和 Prepin 的产品形态类似，核心是让整个过程可追溯、可复盘，而不仅仅是“聊一次天”。

3. 核心流程拆解：一场 AI 面试如何运转

3.1 四个关键阶段

一次完整的 AI 技术面试，大致可以分为四个阶段：

1. 开场与自我介绍：AI 简短介绍自己，并让候选人做简单沟通，用于设备调试和状态放松。
2. 基础问题考察：围绕语言基础、操作系统、网络、数据库等方向出题，候选人用语音回答。
3. 在线编程环节：给出一个具体的编码题目，候选人在编辑器里完成代码，系统自动运行测试用例。
4. 反馈与复盘：面试官根据回答内容、代码质量、沟通表达能力输出综合评分。

3.2 面试官角色如何被约束

这里最容易被忽略的一点是：AI 一旦“太自由”，就会忍不住直接替候选人回答。所以在系统里，我们通常会通过 system prompt 对模型做角色约束。

一个典型的 prompt 大概长这样：

你是一名资深后端技术面试官。你的任务是考察候选人的真实水平，而不是展示你的知识。 规则： 1. 每次只问一个问题，候选人回答后，根据回答内容决定追问还是换题。 2. 不要替候选人回答问题，也不要直接给出完整答案。 3. 当候选人代码有误时，给出提示，让候选人自己修正。 4. 用中文交流，语气专业但不冷漠。

这样的约束能让 AI 更像“面试官”而不是“讲解员”。

3.3 题目难度与追问策略

AI 面试官的追问逻辑通常有两种：

• 正向深入：候选人答对了基础概念，就追加一个工程场景题，考察知识迁移能力。
• 反向纠错：候选人回答不完整，AI 会挑出漏洞，引导候选人重新思考。

这两种策略组合在一起，AI 才能在有限时间内尽可能探测出候选人的能力边界。

4. 技术原理：这类系统背后的实现方式

4.1 语音链路

语音输入链路是：麦克风采集音频 → ASR 语音识别 → 生成文本 → 送入大模型。

语音输出链路是：大模型生成文本 → TTS 语音合成 → 扬声器播放。

在这条链路里，最容易出问题的两个点是：ASR 识别误差和 TTS 延迟。如果候选人有比较重的口音，或者环境噪声较大，识别结果会直接影响后续的对话质量。

4.2 对话与代码生成

面试官 Agent 需要维护一段会话历史，把之前的提问和回答都传给大模型，让模型具备“上下文记忆”。这和普通聊天机器人不同，它需要更严格的角色约束。

当进入 live coding 环节时，系统通常会单独把“代码题”和“候选人提交的代码”作为输入，传递给一个评测模块，而不是让大模型直接判断代码是否通过。因为大模型判断代码结果容易产生幻觉，最可靠的方式还是真正跑一边测试用例。

4.3 代码执行与评测

代码评测部分，一般会做这几件事：

• 把候选人代码保存成临时文件。
• 在隔离环境中执行代码，传入标准输入。
• 捕获标准输出、错误输出、运行时间和退出码。
• 与预置测试用例的期望输出做对比。

这里最关键的问题不是评测逻辑，而是“隔离”。如果直接在主机的 shell 里执行候选人提交的任意代码，一旦遇到恶意代码，后果会非常严重。

4.4 评分与复盘

评分通常不是让大模型直接给一个分数，而是先采集多维数据：

• 语音转写记录
• 每个问题的回答时长
• 代码是否正确通过测试用例
• 代码风格与边界处理

然后再由结构化规则 + 大模型综合判断生成评语。这样才能避免“模型觉得你答得好，但测试用例一个都没过”的情况。

5. 实战：实现一个极简“语音 + 在线编程”AI 面试 Demo

下面我们用一个 Python 项目，把上面这套流程简化实现出来。项目会包含：

• 语音提问与语音答题（可切换为文字模式）
• AI 生成面试题并按回答进行追问
• 一个简单的在线编程评测环节

5.1 项目结构

先创建项目目录：

ai_interview_demo/ ├── requirements.txt ├── voice_io.py ├── interviewer.py ├── code_runner.py └── main.py

5.2 安装依赖

依赖文件内容：

openai speechrecognition pyttsx3 pyaudio

安装命令：

pip install -r requirements.txt

如果你的电脑没有可用的麦克风，或者 pyaudio 安装失败，可以先跳过语音模块，使用文字模式跑通流程。pyaudio 在 Windows 和 Linux 上有时需要额外安装系统依赖，具体以你本机环境为准。

5.3 语音模块

语音模块负责两件事：播放面试官的问题，识别候选人的回答。

# 文件路径：ai_interview_demo/voice_io.py import speech_recognition as sr import pyttsx3 engine = pyttsx3.init() recognizer = sr.Recognizer() def speak(text: str) -> None: """让面试官把文本内容用语音播报出来。""" engine.say(text) engine.runAndWait() def listen(timeout: int = 8) -> str: """从麦克风获取候选人语音，并转成文本。""" with sr.Microphone() as source: print("请开始回答...") recognizer.adjust_for_ambient_noise(source) audio = recognizer.listen(source, timeout=timeout) try: return recognizer.recognize_google(audio, language="zh-CN") except sr.UnknownValueError: return "" except sr.RequestError as e: return f"[语音服务异常] {e}"

这里使用的是系统默认麦克风和 Google 的免费语音识别，适合本地演示。生产环境建议替换为云厂商 ASR，识别速度和准确率会更高。

5.4 题目生成模块

题目生成模块负责调用大模型，并维护面试官的角色。

# 文件路径：ai_interview_demo/interviewer.py import os try: from openai import OpenAI client = OpenAI( api_key=os.getenv("OPENAI_API_KEY"), base_url=os.getenv("OPENAI_BASE_URL", "https://api.openai.com/v1"), ) except Exception: client = None FALLBACK_QUESTIONS = [ "请介绍一下 Python 中列表和元组的区别，以及各自适用的场景。", "在 Web 服务里，你会怎么设计数据库连接池？", "谈谈你对 RESTful API 的理解，幂等性体现在哪里？", "如果线上接口突然变慢，你的排查思路是什么？", ] _FALLBACK_INDEX = 0 def generate_question(job_role: str, last_answer: str = "") -> str: """生成面试官的下一个问题。 如果没有配置大模型 API，则退回到内置题库， 方便先跑通整体流程。 """ global _FALLBACK_INDEX if client is None: q = FALLBACK_QUESTIONS[_FALLBACK_INDEX % len(FALLBACK_QUESTIONS)] _FALLBACK_INDEX += 1 return q messages = [ { "role": "system", "content": ( f"你是一名严格的{job_role}岗位面试官。" "每次只问一个问题，不要替候选人回答，" "根据候选人的回答决定是追问还是换下一个问题。" ), } ] if last_answer: messages.append( {"role": "user", "content": f"候选人刚才的回答是：{last_answer}\n请点评并继续追问。"} ) else: messages.append({"role": "user", "content": "请开始面试第一题。"}) try: resp = client.chat.completions.create( model=os.getenv("INTERVIEW_MODEL", "gpt-4o-mini"), messages=messages, temperature=0.7, ) return resp.choices[0].message.content except Exception as e: return f"[调用模型失败] {e}"

这里要注意，gpt-4o-mini只是示例模型名，实际请替换为你账号可用的模型名。

5.5 代码评测模块

代码评测模块把候选人提交的代码保存为临时文件，并使用子进程执行，然后对标准输入、输出、超时做统一处理。

# 文件路径：ai_interview_demo/code_runner.py import os import subprocess import tempfile def run_python_code(code: str, stdin_data: str = "") -> dict: """在子进程中运行一段 Python 代码。 安全提醒：该函数只适合本地学习和演示。 生产环境必须在 Docker 等沙箱中执行，绝不能直接运行不可信代码。 """ with tempfile.NamedTemporaryFile("w", suffix=".py", delete=False, encoding="utf-8") as f: f.write(code) code_path = f.name try: proc = subprocess.run( ["python3", code_path], input=stdin_data, capture_output=True, text=True, timeout=10, ) return { "returncode": proc.returncode, "stdout": proc.stdout, "stderr": proc.stderr, } except subprocess.TimeoutExpired: return {"returncode": -1, "stdout": "", "stderr": "执行超时"} finally: os.unlink(code_path) def check_with_test_cases(code: str, test_cases: list) -> tuple: """依次运行多个测试用例，对比期望输出与程序实际输出。""" for idx, case in enumerate(test_cases, 1): result = run_python_code(code, stdin_data=case["input"]) stderr = result.get("stderr", "").strip() stdout = result.get("stdout", "").strip() expected = case["expected"].strip() if stderr: return False, f"第 {idx} 个用例执行报错：{stderr}" if stdout != expected: return False, f"第 {idx} 个用例结果不符：期望 {expected}，实际 {stdout}" return True, "全部测试用例通过"

5.6 主流程

主流程把语音模块、题目生成模块和代码评测模块串起来：

# 文件路径：ai_interview_demo/main.py from interviewer import generate_question from code_runner import check_with_test_cases from voice_io import speak, listen def coding_phase() -> None: """在线编程环节：候选人把代码写入 solution.py，系统自动评测。""" print("\n下面进入在线编程环节。") print("题目：请编写一个 Python 程序，读取一行两个整数，输出它们的和。") print("请把代码写到当前目录的 solution.py 中，写完后按回车继续。") input("按回车继续 ...") try: with open("solution.py", "r", encoding="utf-8") as f: code = f.read() except FileNotFoundError: print("没有找到 solution.py，请先创建该文件后再试。") return test_cases = [ {"input": "1 2\n", "expected": "3"}, {"input": "10 -5\n", "expected": "5"}, {"input": "0 0\n", "expected": "0"}, ] passed, msg = check_with_test_cases(code, test_cases) print("评测结果：", msg) if passed: speak("你的代码通过了全部测试用例，很好。") else: speak("部分测试用例没有通过，请再检查一下边界情况。") def main() -> None: job_role = "Python 后端开发" answer_mode = input("请选择回答方式：1=语音，2=文字，默认语音：").strip() or "1" print(f"AI 面试官已就绪，岗位方向：{job_role}") speak("你好，欢迎参加今天的面试，我们开始吧。") first = generate_question(job_role) print(f"面试官：{first}") speak(first) for _ in range(3): if answer_mode == "2": answer = input("你的回答（输入 exit 结束）：").strip() else: answer = listen() if not answer: print("没有获取到有效回答，再试一次。") continue if answer in ("exit", "退出"): break print(f"候选人：{answer}") if "编程题" in answer or "在线编程" in answer: coding_phase() break next_q = generate_question(job_role, last_answer=answer) print(f"面试官：{next_q}") speak(next_q) if __name__ == "__main__": main()

5.7 运行与验证

在没有配置大模型 API Key 的情况下，运行效果如下：

python main.py

程序会先让你选择回答方式，然后从内置题库开始提问。输入“我想做在线编程题”即可进入代码评测环节。

如果配置了OPENAI_API_KEY环境变量，AI 会根据你的回答动态生成追问，面试体验会更接近真实场景。

这个 Demo 的代码量不大，但它已经包含了一个 AI 面试官系统的核心骨架：语音交互、动态出题、多轮追问、代码运行评测。后续你可以继续扩展评分模块、会话记录存储和更丰富的题库。

6. 常见问题与排查思路

在实际使用这类系统时，不同环节都可能出问题。这里整理了一份高频问题清单：

排查时建议按“先设备、再服务、后逻辑”的顺序：

1. 先确认麦克风和扬声器是否正常。
2. 再检查 ASR/TTS 服务是否可用。
3. 最后检查模型返回的文本和代码执行结果是否符合预期。

7. 工程化与安全最佳实践

如果你要把 Demo 扩展成一个真正可用的系统，下面几个点必须重点关注。

7.1 代码执行必须沙箱化

这是整个系统里安全风险最高的环节。直接在宿主机上执行候选人提交的代码，一旦遇到如下代码，风险会非常大：

import os os.system("rm -rf /home/your_user/important_dir")

所以生产环境至少要采取这些措施：

• 使用 Docker 容器，限制 CPU、内存和运行时长。
• 关闭容器网络，禁止代码访问外部网络。
• 使用只读文件系统，避免写入宿主目录。
• 如果条件允许，使用 gVisor、Firecracker 等更强隔离的运行时。

最小权限原则在这里必须严格执行。

7.2 Prompt 与评测设计

面试官的人设约束要放在系统提示词里，并且要持续维护上下文。每次调用模型时，建议把之前的问答记录一并传入，保证追问逻辑连贯。

评测不能只依赖大模型“主观打分”。至少要保证：

• 代码题有确定性的测试用例。
• 用例覆盖正常输入、边界输入和异常输入。
• 评分逻辑包含“代码是否可运行”“测试是否通过”“回答是否完整”三个维度。

7.3 数据与隐私保护

面试过程中会产生大量敏感数据，包括：

• 候选人姓名、联系方式、简历内容。
• 面试音频和语音转写文本。
• 候选人编写的代码。

这些数据在存储和传输时都要加密，访问权限要按角色严格控制。面试录音在保存前要明确告知候选人，并设置合理的保留期限。如果企业有合规要求，优先选择私有化部署，而不是把数据传到外部服务。

7.4 监控与审计

线上系统需要记录完整的会话日志：

• 每次面试的开始时间和结束时间。
• 每个问题的提问时间、回答耗时。
• 代码提交记录和运行结果。
• 模型的调用次数和 Token 消耗。

这些日志一方面用于排查线上问题，另一方面也是后续优化提示词和评测规则的依据。

8. 学习路线与后续方向

如果你对 AI 面试官这个方向感兴趣，可以按下面这条路线继续深入：

1. 先把本文的 Demo 跑通，理解语音、对话、代码评测这三条链路如何串联。
2. 深入学习 ASR 和 TTS 的接入方式，重点看时延和准确率。
3. 研究大模型 prompt 工程，尤其是多轮对话中的角色一致性。
4. 学习 Docker 沙箱与代码评测系统的设计，包括资源限制和网络隔离。
5. 关注 AI Agent 开发框架，了解如何把工具调用、状态管理、外部服务集成到一起。

这类产品本质上是一个典型的 AI Agent 应用：有输入感知、有推理决策、有工具调用、有结果反馈。即使你不打算做面试系统，这套“语音 + 多轮对话 + 代码执行 + 自动评测”的架构，也可以迁移到在线教育、编程训练、客服质检等场景。

动手跑一遍上面的 Demo，再去思考如何替换成更强的模型、更稳的语音服务和更安全的代码沙箱，你会对这个方向有更实际的理解。