ИИ-тренажер для подготовки к собеседованию
Тренировка по вакансии и резюме: вопросы, голосовой или текстовый ответ, разбор и повторная попытка. Итоговый отчет сохраняет оценки и объяснение слабых мест.
Перейти к разборуИИ-тренажер для подготовки к собеседованию

Содержание разбора
перед собеседованием полезно проговорить ответы на вопросы по конкретной вакансии. Кандидату нужен разбор того, что он сказал, и возможность попробовать еще раз
я связал этот путь в веб-приложении. Пользователь добавляет вакансию и резюме, проходит вопросы, отвечает голосом или текстом, получает обратную связь и итоговый отчет
разбор нужен для следующей попытки. Кандидат должен понимать, где ответу не хватает конкретики, личного вклада или результата
Вакансия задает контекст тренировки
инструкции разделяют требования вакансии и опыт кандидата. Из вакансии берутся роль, уровень и нужные навыки. Резюме дает сведения о том, что человек уже делал
если резюме не добавлено, инструкция запрещает дописывать кандидату опыт. Вопросы строятся по контексту роли, уже заданные вопросы учитываются при продолжении
это делает тренировку предметной. Один и тот же общий ответ может оказаться уместным для одной роли и недостаточным для другой
От вопроса к повторной попытке
- Кандидат добавляет вакансию и резюме
- Система подготавливает контекст и вопросы
- Кандидат отвечает текстом или записывает голосовой ответ
- Ответ получает оценку и разбор по критериям
- Кандидат повторяет попытку или продолжает интервью
- Итоговый отчет собирает результаты сессии
голосовой ввод связан с расшифровкой, состояниями записи и возвратом к тексту. Расширение браузера передает пользователя в основное приложение, где продолжается тренировка
Пять критериев вместо необъясненного балла
в исходных инструкциях оценка складывается из пяти частей по 0–20
- Структура понятны ситуация, действия и результат
- Ясность мысль выражена коротко и последовательно
- Личный вклад видно, что сделал сам кандидат
- Глубина объяснены решения и выбор между вариантами
- Результат названы конкретные и правдоподобные итоги
сумма дает шкалу 0–100. Инструкция требует складывать значения без округления и отдельно обрабатывать нерелевантный или пустой ответ

Где отчёт терял доверие
до правки сервер отдавал оценки 62, 51, 47, 65, 42, а экран показывал 60, 50, 50, 70, 40. Так интерфейс менял смысл обратной связи уже после расчета
в итоговом отчете разбивка по критериям могла превращаться в одинаковые 20/20/20/20/20. Такой шаблон скрывал различия между сильными и слабыми частями ответа
я исправил передачу данных до экрана и отчета. В контрольном результате сохранились общий балл 54, оценки 62/51/47/65/42 и разбивка 12/13/9/10/10. Это проверка отображения, не оценка кандидата
Разбор опирается на ответ кандидата
проверка разделяла ответ модели и его отображение. Иначе ошибку округления легко принять за проблему самой оценки
для сравнения использовались сильный, средний, слабый, пустой и красиво сформулированный ответ без фактов.
вопрос проверки простой. Разбор должен опираться на слова кандидата, а пример усиления не должен приписывать ему чужие достижения
проценты на слайде относятся к проверке интерфейса и передачи оценок, а не к точности модели или вероятности получить работу
Что я разработал
Путь кандидата
React и TypeScript, ввод вакансии и резюме, вопросы, обратная связь, повторная попытка и отчет
Обработка сессии
Пять серверных этапов для контекста, вопросов, оценки, итогового отчета и расшифровки аудио
Работа модели
OpenAI/OpenRouter, инструкции по роли и критериям, проверка структуры ответа и передача оценок
Продолжение тренировки
Список сессий, голосовой и текстовый режимы, расширение браузера и локализация
результат разработки связывает тренировку и понятный отчет. Кандидат получает материал для следующей попытки, владелец продукта может проверять поведение на повторяемых сценариях
ближе всего такие задачи к ИИ-агентам и веб-приложениям
На чем собрано
React · TypeScript · Node.js · Vercel Functions · OpenAI · OpenRouter · Zod · Chrome Extension · Playwright