简介
ChatGPT 在刚问世的时候，其产品形态就是一个问答机器人。而基于ChatGPT的能力还可以对其做一些二次开发和拓展。比如模拟面试功能、或者智能机器人功能。
模拟面试功能包括个性化问题生成、实时反馈、多轮面试模拟、面试报告。
智能机器人功能提供24/7客服支持、自然语言处理、任务自动化、多渠道支持和数据分析与报告。
智能平台的使用价值
而通过人工智能，可以将以上的流程自动化的实现。可以帮助用户：
- 提升面试准备效果
- 提高客户服务效率
实现思路
如果要实现一个初步的模拟面试平台，那么会分为以下几个步骤完成：
- 需求功能设计。
- 技术架构设计
- 技术选型。
- 技术实现。
需求功能设计
模拟面试平台的功能可复杂可简单，当然最基本的功能需求需要具备：
- 提问，模拟面试官的角色向用户提出下一个问题。
- 接受回复，需要有一个输入，能够接收用户的输入的回复信息。
所以基于以上需求，我们的界面设计应该是：
技术架构设计
技术选型
- 因为功能比较简单，所以技术架构可选择任意的前后端技术。
- 示例使用
Flask + Template + HTML/CSS技术
技术实现
环境准备
前端界面实现
<!DOCTYPE html>
<head>
<title>霍格沃兹测试开发学社模拟面试系统</title>
<link rel="stylesheet" href="{
{ url_for('static', filename='main.css') }}"/>
</head>
<body>
<img src="{
{ 'https://ceshiren.com/uploads/default/original/1X/809c63f904a37bc0c6f029bbaf4903c27f03ea8a.png' }}"
class="icon"/>
<h3>霍格沃兹测试开发学社模拟面试系统</h3>
{% if result %}
<div class="result">{
{ result }}</div>
{% endif %}
<form action="/" method="post">
<input type="text" name="msg" placeholder="请先说你好，打个招呼" required/>
<input type="submit" value="开始面试"/>
</form>
</body>
后端服务实现
获取 token 相关的基本配置信息。
import os
from pathlib import Path
import openai
import yaml
from flask import Flask, redirect, render_template, request, url_for
# 通过 yaml 配置文件获取 openai 配置
conf_path = Path(__file__).parent.joinpath('conf/dev.yaml')
with open(conf_path) as f:
conf: dict = yaml.safe_load(f)
# 通过环境变量设置 openai 的 token 和代理地址
os.environ["OPENAI_API_KEY"] = conf.get("OPENAI_API_KEY")
os.environ["OPENAI_BASE_URL"] = conf.get("OPENAI_BASE_URL")
通过变量message记录和大模型的历史交互信息。
# 发送的历史消息
messages = []
从前端获取到用户的输入信息，并将从大模型获取到的响应展示到界面上。- 如果是第一次，则使用预制的prompt。- 不是第一次，则接受响应信息。
# 创建 flask 实例
app = Flask(__name__)
# 定义路由
@app.route("/", methods=("GET", "POST"))
def index():
if request.method == "POST":
# 获取前端的用户输入信息
user_msg = request.form["msg"]
# 定义要发送给 openai 接口的信息
if messages:
# 有上下文历史
messages.append({
'role': 'user',
# 把用户输入的信息直接发给 openai
'content': user_msg
})
else:
# 第一次初始化
messages.append({
'role': 'user',
# 把最初的提示词发送给 openai
'content': generate_prompt(user_msg)
})
# 打印创建好的信息
print(f"messages: {messages}")
# 调用 openai 自带的方法，向 openai 服务器发出请求，并获取响应
response = openai.chat.completions.create(
model='gpt-3.5-turbo',
messages=messages,
temperature=0
)
# 从响应内容中提取 openai 回复的内容
answer = response.choices[0].message.content
# 打印回复内容
print(f"answer: {answer}")
# 刷新首页，返回答案信息
# result 参数会拼接在 index 视图函数对应路由的后方
# http://xx/?result=xxx
return redirect(url_for("index", result=answer))
# 获取拼接在 url 中的 result 参数的值，如果没有携带 result，则 result 值为空
result = request.args.get("result")
print(f"result = {result}")
# 第一次进入首页，result 为空，输入框上方不显示内容
return render_template("index.html", result=result)
def generate_prompt(msg):
# 定义提示词
prompt_msg = f"""你是一名软件测试工程师，你了解软件测试的技术与经验，你需要面试应聘者。
我是应聘者，你会问我这个职位的面试问题。
我希望你只以面试官的身份回答，一次只问一个问题，问我问题并等待我的回答。
当我说结束面试的时候给出我的面试表现的评价和我的改进方向。
我的输入是 {msg}
"""
# 返回提示词
return prompt_msg
启动服务
if __name__ == '__main__':
app.run(debug=True)
总结
- 了解一个人工智能平台的基本设计思路。
- 通过前后端开发的技术，实现一个基本的模拟面试平台。
