Interview by Agent, Save your Time and Money

Open-source AI interview platform for voice, chat, and video — automate screening and scale your hiring workflow

AI interview platform

AI-powered interview platform that conducts structured interviews autonomously. You design an interview, share a link, and Aural's AI handles the conversation — asking questions, probing with follow-ups, and generating detailed analysis when the session is complete.

Design Your Interview

Describe what you want to learn in plain language. The AI generates a complete interview with questions, assessment criteria, and recommended settings — or build one manually with the flexible editor.

AI complete interview

The AI generates a complete interview with questions, assessment criteria, and recommended settings — or build one manually with the flexible editor.

Start NOW!!

https://www.haacoo.com/ AI complete interview

haacoo

An Open-Source AI Interview Platform: Simply describe the job role and assessment objectives in natural language to automatically generate interview questions and scoring rubrics. Candidates can join via a link for an AI-hosted voice or text interview, with a comprehensive analysis report generated instantly upon completion. This platform is ideal for corporate hiring, mock interviews at training institutions, and personal job-seeking practice.

Project Origin

Traditional offline interviews and manual evaluations are costly and difficult to scale, while remote recruitment often lacks standardized assessment and documentation tools. Lingwu streamlines the entire process—from question generation and hosting to follow-up inquiries, scoring, and post-interview reviews—into a reusable digital workflow, significantly reducing repetitive tasks for HR professionals and interviewers.

install self hosted

    https://github.com/yuanzhongqiao/ai-interview-platform
cd  ai-interview-platform

1. 项目简介

项目概述

聆悟（Lingwu） 是一款开源 AI 面试平台：用自然语言描述岗位与考察目标，即可生成面试题与评分标准；候选人通过链接进入，由 AI 主持语音或文字面试，会话结束后自动生成分析报告。适合企业招聘、培训机构模拟面试与个人求职练习。

项目起源

传统线下面试与人工阅卷成本高、难以规模化；远程招聘又缺少统一的考察与记录工具。聆悟将「出题—主持—追问—评分—复盘」串联为可复用的数字化流程，降低 HR 与面试官的重复劳动。

项目定位

用户	场景
HR / 招聘团队	批量初筛、结构化面试、候选人对比
面试官 / 业务负责人	自定义考察维度、查看 AI 报告与录音
培训机构 / 高校	模拟面试、学员练习与反馈
求职者	自主练习、熟悉语音面试节奏

核心价值

提效：AI 生成题目与追问，减少备课时间
一致：统一评分维度与报告格式，便于横向对比
可扩展：支持多 LLM、豆包语音中继与 REST API 集成
可自托管：Docker + 线上 Supabase，数据与密钥由团队自行掌控

2. 整体架构与技术栈

系统架构

┌─────────────────────────────────────────────────────────────┐
│                        浏览器 / 候选人端                      │
└───────────────────────────┬─────────────────────────────────┘
                            │ HTTPS / WebSocket
┌───────────────────────────▼─────────────────────────────────┐
│  Next.js 14（Web + tRPC API + App Router）                     │
│  端口：3000（开发）/ 4010（Docker）                             │
└───────────────┬─────────────────────────────┬─────────────────┘
                │                             │
                │ REST / Auth                 │ ws://voice-relay
┌───────────────▼──────────────┐   ┌──────────▼──────────────────┐
│  Supabase（PostgreSQL）       │   │  Voice Relay（Node.js）    │
│  Auth · RLS · Storage         │   │  豆包 ASR/TTS + LLM 中继    │
│  本地 CLI 或云托管             │   │  8766（开发）/ 4011（Docker）│
└──────────────────────────────┘   └────────────────────────────┘
                │
┌───────────────▼──────────────┐
│  外部 LLM API               │
│  OpenAI 兼容 / Gemini 等     │
└────────────────────────────┘

技术栈

分类	技术	说明
后端	Next.js 14、TypeScript 5、tRPC	全栈单体，API 与页面同仓
前端	React 18、Tailwind CSS、Radix UI	管理端与候选人端 UI
数据库	PostgreSQL（Supabase）	Auth、RLS、迁移在 `supabase/migrations/`
中间件	无独立消息队列	语音为独立 WebSocket 进程
部署	Docker Compose、`Dockerfile`	`docker-compose.yaml` 全量部署

技术选型说明

Supabase：复用 Auth 与 RLS，避免自建用户体系。
tRPC：类型安全的内部 API，减少前后端契约漂移。
独立 Voice Relay：语音流与 Web 进程解耦，便于扩展豆包/OpenAI 双中继。

3. 项目目录概览

aural-oss/
├── src/
│   ├── app/              # Next.js 路由（仪表盘、候选人 /i、API、文档）
│   ├── components/       # UI 与业务组件
│   ├── server/           # tRPC 路由与服务端逻辑
│   ├── lib/              # 工具、品牌、i18n、AI 封装
│   └── content/docs/     # 内置帮助文档
├── server/               # 语音中继（voice-relay、openai-voice-relay）
├── supabase/
│   └── migrations/       # 数据库迁移
├── scripts/              # 种子数据、开发脚本
├── public/               # 静态资源（品牌图标等）
├── docker-compose.yaml
├── deploy/               # 生产部署脚本、Nginx 模板、教程
├── Dockerfile
├── Dockerfile.voice-relay
└── .env.example          # 环境变量模板

目录	作用
`src/app/(dashboard)/`	登录后管理端：面试、题库、练习、设置
`src/app/i/`	候选人面试会话（语音/文字）
`src/app/api/`	REST 与 AI 相关 HTTP 接口
`server/`	语音中继 WebSocket 服务
`supabase/migrations/`	表结构、RLS、函数

4. 核心业务功能

AI 面试生成：用自然语言描述岗位，自动生成题目、追问与评分维度。
多通道面试：语音（豆包中继）、文字聊天；支持技术题白板与代码编辑器。
练习模式：候选人自主语音练习，AI 反馈与分数跟踪。
团队与权限：组织、项目、角色与 API Key 管理。
防作弊：切屏监测、粘贴限制、完整性日志。
分析报告：按题打分、亮点与改进建议，支持导出与复盘。
多语言：中英文界面与面试语言切换。
开发者 API：OpenAPI 规范的 REST，便于与 ATS/HR 系统集成。
可插拔 LLM：OpenAI 兼容、Gemini、Kimi、MiniMax 等。

5. 实际应用场景示例

适用行业

互联网、金融、制造、教育、咨询等需要结构化面试或大规模初筛的领域。

场景一：校园招聘批量初筛

HR 为「Java 后端校招」生成一套 AI 面试，向数百名候选人发送链接；AI 完成首轮问答与评分，面试官仅查看 Top 报告进入复试。

场景二：培训机构模拟面试

学员在「练习」模块进行语音模拟，获得即时反馈与建议答案；讲师在后台查看练习记录与薄弱项统计。

场景三：技术岗深度考察

面试包含 Live Coding（Monaco）与系统设计白板（Excalidraw），AI 根据回答深度自动追问，结束后输出分项报告供技术委员会决策。

6. 帮助解决的核心问题

面试官备课耗时长、题目质量参差不齐
远程面试缺少统一记录与可对比的评分标准
人工阅卷主观性强、难以沉淀数据
候选人缺少低成本、可重复的语音面试练习环境
自建面试系统需同时解决 Auth、语音、LLM 与报表，工程量大

7. 快速开始

代码仓库

Git 地址： https://github.com/yuanzhongqiao/ai-interview-platform
克隆：

    https://github.com/yuanzhongqiao/ai-interview-platform
cd  ai-interview-platform

环境要求

方式	要求
本地开发	Node.js ≥ 18、pnpm；Supabase CLI（本地）或云 Supabase 项目
Docker 部署	Docker Desktop（引擎运行中）、`.env.local` 已配置线上 Supabase

方式 A：Docker 部署（推荐，线上 Supabase）

使用根目录 docker-compose.yaml，包含 Web（4010） 与 语音中继（4011），数据库走线上 Supabase，无需本地 supabase start。

1. 准备环境变量

cp .env.example .env.local

在 .env.local 中至少配置：

变量	说明
`NEXT_PUBLIC_SUPABASE_URL` / `NEXT_PUBLIC_SUPABASE_ANON_KEY`	线上 Supabase 项目
`SUPABASE_URL` / `SUPABASE_SERVICE_ROLE_KEY`	服务端与构建用（可与上两项同源）
`DATABASE_URL`	Supabase Session pooler 连接串
`OPENAI_API_KEY` 等	至少一个 LLM（见 `.env.example`）
`DOUBAO_*`	语音面试需配置豆包相关项

Docker 映射端口与本地 dev 不同，建议在 .env.local 中写入（或由 compose 构建参数覆盖）：

NEXT_PUBLIC_APP_URL=http://localhost:4010
NEXT_PUBLIC_VOICE_RELAY_URL=ws://localhost:4011

2. 启动（推荐）

确保 Docker Desktop 引擎已运行，然后：

pnpm install
pnpm run docker:full

docker:full 等价于：

docker compose --env-file .env.local up -d --build

--env-file .env.local：供 compose 做 ${变量} 插值，并向构建阶段传入 Supabase / NEXT_PUBLIC_* 等参数
env_file: .env.local（已在 compose 中配置）：容器运行时加载同一套环境变量

首次构建会执行 npm ci 与 next build，依赖较多，通常需 10～20 分钟，属正常现象。

3. 访问与停止

服务	地址
Web	http://localhost:4010
语音中继 WebSocket	`ws://localhost:4011`

pnpm run docker:full:down
# 或：docker compose --env-file .env.local down

生产服务器（镜像导出 SCP、Nginx 反代）：见 deploy/README.md。

4. 手动命令（可选）

# 仅构建
docker compose --env-file .env.local build

# 构建并启动
docker compose --env-file .env.local up -d --build

# 查看日志
docker compose --env-file .env.local logs -f web

方式 B：本地开发

cp .env.example .env.local
# 编辑 .env.local（Supabase、LLM、语音等）

pnpm install
npx supabase start          # 本地 Supabase；或使用云项目并改 URL/Key
npx supabase db push        # 应用迁移

pnpm run dev:stack          # 同时启动 Web(3000) + 语音中继(8766)
# 或分别：pnpm run dev:voice  与  pnpm run dev

Web：http://localhost:3000
语音：ws://localhost:8766

演示账号（可选）

配置好 Supabase 后执行：

node scripts/seed-demo-user.mjs

字段	值
邮箱	`demo@lingwu.local`
密码	`Demo123456`

常见问题

问题	处理
`docker:full` 报无法连接 Docker API	先启动 Docker Desktop；仍失败可执行 `wsl --shutdown` 后重启 Desktop
构建卡在 `npm ci` / `npm run build`	首次较慢；用 `docker compose --env-file .env.local build --progress=plain` 查看进度
构建报 `supabaseUrl is required`	确认已配置 `.env.local`，且使用 `--env-file .env.local`（`pnpm run docker:full` 已包含）
变量未设置 / 构建参数为空	勿省略 `--env-file .env.local`；检查 compose 警告中的变量名是否在 `.env.local` 中存在
语音面试 WebSocket 失败	确认 `lingwu-voice-relay` 容器在跑；Docker 用 4011，本地 dev 用 8766
登录后无数据	`DATABASE_URL` 须为 Session pooler；在 Supabase SQL 或 CLI 执行 `supabase/migrations`
Supabase Auth 回调失败	控制台 Redirect URLs 添加 `http://localhost:4010/`（Docker）或 `http://localhost:3000/`（本地）

8. 运行示例截图

模块	说明
仪表盘	（待补充截图）
语音面试	（待补充截图）
AI 分析报告	（待补充截图）

开源协议

本项目基于 MIT License 发布。使用与二次开发请遵守协议条款。