Python2025-CourseDesign/LPC
2
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

更新README.md

Browse Source
This commit is contained in:
陆程杰 2026-01-08 15:52:49 +08:00
parent 01d4d8a027
commit 66821e2a32
1 changed files with 8 additions and 1 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

9
README.md
View File

@ -131,4 +131,11 @@ MIT License
姓名 学号 主要贡献 (具体分工) 姓名 学号 主要贡献 (具体分工)
陆程杰 2411020124 (组长) 核心逻辑开发、Prompt 编写 陆程杰 2411020124 (组长) 核心逻辑开发、Prompt 编写
蒲俊霖 2411020125 文档撰写、测试与 Bug 修复 蒲俊霖 2411020125 文档撰写、测试与 Bug 修复
陈一佳 2411020121 前端界面设计、PPT 制作 陈一佳 2411020121 前端界面设计、PPT 制作
#### AI面试官项目开发心得
作为三名大数据专业的大学生，我们用trae软件完成了“AI面试官”求职辅助工具的开发。这段实践让我们跳出课本理论，真切感受到：工具是技术落地的桥梁，而真正让产品有价值的，是背后的思考与用户同理心。
项目初期，我们没有急着用trae写代码，而是先琢磨“为什么做”。身边同学求职时总抱怨：通用题库的问题和自己的简历不沾边，练完也没人指点改进。这让我们意识到，工具再便捷，没有精准需求导向就是空谈。我们决定不做简单的题库搬运，而是聚焦“个性化”，让AI能读懂简历、给出针对性反馈——这一定位成了后续开发的核心方向。
用trae开发的过程，更像是一场“想法落地的试炼”。这款软件降低了编程门槛，让我们不用纠结复杂的语法，能专注于功能逻辑的打磨。但真正的挑战不在代码编写，而在如何让工具“懂用户”。比如生成个性化面试问题时，我们反复调试prompt逻辑，引导AI从简历中抓取项目细节、技能亮点，甚至职业空白期等关键信息，再结合职位类型精准提问。一开始AI会给出通用问题，我们就不断优化指令，加入“追问数据成果”“聚焦技术难点”等具体要求，慢慢让回复更贴合实际面试场景。
反馈功能的设计，让我们对“实用”有了更深理解。我们不想让反馈只停留在“回答不错”的表面，而是希望能真正帮用户改进。借助trae的便捷调试功能，我们设计了多维度评价体系，从结构逻辑、语言表达等方面给出具体建议。比如提醒用户用STAR法则梳理回答，或结合Python、SQL技能突出专业优势。这个过程让我们明白，工具是实现想法的手段，而对用户需求的深度拆解，才是产品好用的关键。
测试时，同学说“AI提的问题他觉得十分符合当下面试的提问热点”，这句话让我们备受鼓舞。原来，trae这类工具能帮我们快速落地想法，但真正打动用户的，是我们站在求职者角度的思考。
这次开发让我们领悟到：技术工具再强大，也只是辅助。作为大数据专业学生，我们的核心价值在于发现问题、拆解需求、用逻辑让工具服务于人。未来，我们想继续用trae优化功能，加入面试表现分析、薪资参考等模块，让这个工具真正成为求职者的助力，也让我们在实践中更懂技术与需求的平衡之道。