目录

核心逻辑

效果演示

技术选型

大模型应用开发框架：langchain-deepseek

UI 展示框架—streamlit

代码获取

后续改进想法

---

本文附带详细的视频讲解，欢迎小伙伴们来支持——

【代码宇宙017】大模型：主动提问式的 AI 面试官（接入 DeepSeek）_哔哩哔哩_bilibili

核心逻辑

效果演示

之后删除对话框内容，点击任意非输入框位置，即可展示新问题

技术选型

大模型应用开发框架：langchain-deepseek

LangChain 有许多聊天模型集成，允许您使用来自不同提供商的各种模型。

这些集成是以下两种类型之一：

1. 官方模型：这些是 LangChain 和/或模型提供商官方支持的模型。你可以在 langchain-<provider> 包中找到这些模型。
2. 社区模型：有些模型主要由社区贡献和支持。您可以在 langchain-community 包中找到这些模型。

LangChain 聊天模型的命名约定是在其类名前加上 “Chat” 前缀（例如，ChatOllama、ChatAnthropic、ChatOpenAI 等）。

LangChain 集成的大模型厂商清单

Chat models | 🦜️🔗 LangChain

ChatDeepSeek

ChatDeepSeek | 🦜️🔗 LangChain

依赖安装

pip install langchain-deepseek

附加：LangChain 生态下的库安装

pip install langchain # 主 langchain 包

pip install langchain-core # langchain-core 包包含 LangChain 生态系统其余部分使用的基本抽象，以及 LangChain 表达式语言。它由 langchain 自动安装，但也可以单独使用

pip install langchain-openai # 某些集成（如 OpenAI 和 Anthropic）有自己的软件包

pip install langchain-community # 任何尚未拆分到自己的包中的集成都将位于此包

pip install langgraph # 是一个使用 LLM 构建有状态的多角色应用程序的库。它与 LangChain 无缝集成，但可以在没有 LangChain 的情况下使用

pip install "langserve[all]" # 将 LangChain 可运行对象和链部署为 REST API，all 包含 client 和 server

pip install langchain-cli # LangChain CLI 可用于处理 LangChain 模板和其他 LangServe 项目

pip install langsmith # 有助于代理评估和可观察性。调试性能不佳的 LLM 应用程序运行，评估代理轨迹，不依赖于langchain-core，如果需要，可以独立安装和使用

pip install langchain-experimental # （选装）包含用于研究和实验用途的实验性 LangChain 代码

UI 展示框架—streamlit

官网：API Reference - Streamlit Docs

Streamlit 是一款面向数据科学家和机器学习工程师的开源 Python 库，其设计目的是快速搭建数据应用程序，并且不需要具备前端开发的专业知识，提供了多种组件，如按钮、滑块、下拉框、文本输入框等，这些组件可以方便地集成到应用中，实现用户与数据的交互，支持多种数据可视化库，像 Matplotlib、Plotly、Altair 等，可在应用中轻松展示各种图表和图形。

这里用 streamlit 主要是因为目前简单的演示 demo 的前端搭建用它实现起来特别迅速，上述整个 AI 面试网站的开发加上后端和 ui 展示逻辑一共 100 行代码左右，另外现在 streamlit 对于 LLM 开发的支持也特别友好：

代码获取

需要代码的小伙伴可以在文章开头的视频里评论，我会私发过去（只快速写了一个 demo，代码不够优雅，所有就不直接贴出来了）

后续改进想法

1. 目前还不支持简历的导入功能，后续可以加上
2. 另外还有 RAG 能力之后也可以支持一下
3. 目前还没有对大模型的提问进行去重统计和检测，可能会出现几次提问后又会问之前问过的问题，目前先增大大模型的创造力系数
4. 目前用 streamlit 只能做一个简单的 demo 页面，做一个完整的定制化网站还得用前端技术栈
5. 目前还不支持最终对答完展示整个 Q-A 历史清单，导出 MarkDown 或 pdf 能力，之后也可以加上让提问人能够保存每次的知识
6. 目前还没法做到循序渐进提问问题，除非把这次提问的所有 Q-A 内容都加进去，但是那样次数多了之后会出现超出大模型上下文的情况，所有还需要考虑怎么实现
7. 现在提问的内容有些简单，也可以增加进阶型的 Agent 来更适合有经验的面试者