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
<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 osfrom pathlib import Pathimport openaiimport yamlfrom 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=xxxreturn 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。
推荐学习
人工智能测试开发训练营，为大家提供全方位的人工智能测试知识和技能培训。行业专家授课，实战驱动，并提供人工智能答疑福利。内容包含ChatGPT与私有大语言模型的多种应用，人工智能应用开发框架 LangChain，视觉与图像识别自动化测试，人工智能产品质量保障与测试，知识图谱与模型驱动测试，深度学习应用，带你一站式掌握人工智能测试开发必备核心技能，快速提升核心竞争力！
