Update interview-guide.md

Author: Snailclimb

docs/zhuanlan/interview-guide.md

@@ -87,6 +87,7 @@ star: 5
 - MapStruct 实体映射最佳实践
 - ⭐基于 Redis Stream 的异步任务处理实现
 - 封装 Redis + Lua 多维度分布式限流组件
+- ⭐Skill 架构设计
 - Spring Boot 4.0 升级指南
 - Docker Compose 一键部署
 
@@ -176,34 +177,49 @@ star: 5
                                 构建 Prompt → LLM 生成回答 → SSE 流式返回
 ```
 
-## 技术栈概览
+## 技术栈
 
 ### 后端技术
 
-| 技术                  | 版本  | 说明                      |
-| --------------------- | ----- | ------------------------- |
-| Spring Boot           | 4.0   | 应用框架                  |
-| Java                  | 21    | 开发语言                  |
-| Spring AI             | 2.0   | AI 集成框架               |
-| PostgreSQL + pgvector | 14+   | 关系数据库 + 向量存储     |
-| Redis                 | 6+    | 缓存 + 消息队列（Stream） |
-| Apache Tika           | 2.9.2 | 文档解析                  |
-| iText 8               | 8.0.5 | PDF 导出                  |
-| MapStruct             | 1.6.3 | 对象映射                  |
-| Gradle                | 8.14  | 构建工具                  |
+| 技术                  | 版本       | 说明                           |
+| --------------------- | ---------- | ------------------------------ |
+| Spring Boot           | 4.0.1      | 应用框架                       |
+| Java                  | 21         | 开发语言（虚拟线程）           |
+| Spring AI             | 2.0.0-M4   | AI 集成框架                    |
+| PostgreSQL + pgvector | 14+        | 关系数据库 + 向量存储          |
+| Redis + Redisson      | 6+ / 4.0.0 | 缓存 + 消息队列（Stream）      |
+| Apache Tika           | 2.9.2      | 文档解析                       |
+| iText 8               | 8.0.5      | PDF 导出                       |
+| MapStruct             | 1.6.3      | 对象映射                       |
+| SpringDoc OpenAPI     | 3.0.2      | API 接口文档                   |
+| DashScope SDK         | 2.22.7     | 语音识别/合成（Qwen3 ASR/TTS） |
+| spring-ai-agent-utils | 0.7.0      | Spring AI Agent Skills 工具库  |
+| WebSocket             | -          | 语音面试实时双向通信           |
+| Gradle                | 8.14       | 构建工具                       |
+
+技术选型常见问题解答：
+
+1. 数据存储为什么选择 PostgreSQL + pgvector？PG 的向量数据存储功能够用了，精简架构，不想引入太多组件。
+2. 为什么引入 Redis？
+   - Redis 替代 `ConcurrentHashMap` 实现面试会话的缓存。
+   - 基于 Redis Stream 实现简历分析、知识库向量化等场景的异步（还能解耦，分析和向量化可以使用其他编程语言来做）。不使用 [Kafka](https://javaguide.cn/high-performance/message-queue/kafka-questions-01.html) 这类成熟的消息队列，也是不想引入太多组件。
+3. 构建工具为什么选择 Gradle？个人更喜欢用 Gradle，也写过相关的文章：[Gradle核心概念总结](https://javaguide.cn/tools/gradle/gradle-core-concepts.html)。
 
 ### 前端技术
 
-| 技术          | 版本  | 说明     |
-| ------------- | ----- | -------- |
-| React         | 18.3  | UI 框架  |
-| TypeScript    | 5.6   | 开发语言 |
-| Vite          | 5.4   | 构建工具 |
-| Tailwind CSS  | 4.1   | 样式框架 |
-| React Router  | 7.11  | 路由管理 |
-| Framer Motion | 12.23 | 动画库   |
-| Recharts      | 3.6   | 图表库   |
-| Lucide React  | 0.468 | 图标库   |
+| 技术               | 版本  | 说明          |
+| ------------------ | ----- | ------------- |
+| React              | 18.3  | UI 框架       |
+| TypeScript         | 5.6   | 开发语言      |
+| Vite               | 5.4   | 构建工具      |
+| Tailwind CSS       | 4.1   | 样式框架      |
+| React Router       | 7.11  | 路由管理      |
+| Framer Motion      | 12.23 | 动画库        |
+| Recharts           | 3.6   | 图表库        |
+| Lucide React       | 0.468 | 图标库        |
+| React Big Calendar | 1.19  | 面试日历组件  |
+| React Markdown     | 9.0   | Markdown 渲染 |
+| React Virtuoso     | 4.18  | 虚拟滚动列表  |
 
 ## 技术选型常见问题解答
 
@@ -353,10 +369,66 @@ String content = tika.parseToString(inputStream);  // 自动识别格式并提
 | Vite         | 开发服务器启动快（秒级），HMR 热更新体验好 |
 | Tailwind CSS | 原子化 CSS，快速开发，无需写 CSS 文件      |
 
+## 功能特性
+
+### 简历管理模块
+
+- **多格式解析**：支持 PDF、DOCX、DOC、TXT 等多种简历格式。
+- **异步处理流**：基于 Redis Stream 实现异步简历分析，支持实时查看处理进度（待分析/分析中/已完成/失败）。
+- **稳定性保障**：内置分析失败自动重试机制（最多 3 次）与基于内容哈希的重复检测。
+- **分析报告导出**：支持将 AI 分析结果一键导出为结构化的 PDF 简历分析报告。
+
+### 模拟面试模块
+
+- **Skill 驱动出题**：内置 10+ 面试方向（Java 后端、阿里/字节/腾讯专项、前端、Python、算法、系统设计、测开、AI Agent 等），每个方向由 `SKILL.md` 定义考察范围、难度分布和参考知识库。基于 `spring-ai-agent-utils` 的 Progressive Disclosure 机制实现按需加载。
+- **并行双路出题**：有简历时，60% 简历项目深挖题（独立 Prompt）+ 40% 方向基础题（Skill 驱动），使用 Java 21 虚拟线程并行生成后合并，物理隔离避免 Prompt 冲突。
+- **自定义 JD 解析**：粘贴职位描述（JD），LLM 动态提取面试分类并匹配共享题库，无需预设方向即可开始面试。
+- **简历推荐方向**：上传简历后，LLM 通过 Semantic Matching 自动推荐最匹配的面试方向，降低用户选择成本。
+- **历史题目去重**：出题时自动排除已有会话中问过的题目，避免重复考察。
+- **面试阶段时长联动**：总时长滑块拖动后，各阶段（自我介绍、技术考察、项目深挖、反问环节）按时比自动分配。
+- **智能追问流**：支持配置多轮智能追问（默认 1 条），模拟多轮问答场景。
+- **统一评估架构**：文字面试和语音面试共用同一套评估引擎（分批评估 + 结构化输出 + 二次汇总 + 降级兜底），评估结果可对比。
+- **报告一键导出**：支持异步生成并导出详细的 PDF 模拟面试评估报告。
+- **面试中心入口**：面试中心页整合文字面试和语音面试入口，支持继续面试和重新面试。
+
+### 面试安排模块
+
+- **邀请解析**：规则 + AI 双引擎，支持飞书/腾讯会议/Zoom 格式，自动提取公司、岗位、时间、会议链接
+- **日历管理**：日/周/月视图 + 拖拽调整 + 列表视图
+- **状态流转**：定时任务自动过期，手动标记待面试/已完成/已取消
+- **面试提醒**：可配置提醒，避免错过面试
+
+### 语音面试模块
+
+实时语音对话面试，WebSocket + 千问3 语音模型（ASR/TTS/LLM 统一 API Key）：
+
+- **实时流式对话**：句子级并发 TTS，边生成边合成边播放，首包延迟 200ms
+- **服务端 VAD**：自动断句，实时字幕（含中间结果）
+- **回声防护 + 手动提交**：避免 AI 语音被误录入
+- **多轮上下文记忆 + 暂停/恢复**：超时自动暂停
+- **Micrometer 埋点**：TTS/ASR 延迟、会话时长等指标
+
+> **已知问题**：端到端延迟偏高（服务端音频中转）、无耳机时回声泄漏、TTS 音色单一、弱网音频断续。后续计划探索 WebRTC、客户端 VAD 降噪、端到端语音模型等方案。
+
+### 知识库管理模块
+
+- **文档智能处理**：支持 PDF、DOCX、Markdown 等多种格式文档的自动上传、分块与异步向量化。
+- **RAG 检索增强**：集成向量数据库，通过检索增强生成（RAG）提升 AI 问答的准确性与专业度。
+- **流式响应交互**：基于 SSE（Server-Sent Events）技术实现打字机式流式响应。
+- **智能问答对话**：支持基于知识库内容的智能问答，并提供直观的知识库统计信息。
+
 ## 效果展示
 
 ### 简历与面试
 
+面试中心：
+
+![](https://oss.javaguide.cn/xingqiu/pratical-project/interview-guide/page-interview-hub.png)
+
+Skill 出题 + JD 解析：
+
+![](https://oss.javaguide.cn/xingqiu/pratical-project/interview-guide/page-skill-jd-parse.png)
+
 简历库：
 
 ![](https://oss.javaguide.cn/xingqiu/pratical-project/interview-guide/page-resume-history.png)
@@ -381,6 +453,10 @@ String content = tika.parseToString(inputStream);  // 自动识别格式并提
 
 ![](https://oss.javaguide.cn/xingqiu/pratical-project/interview-guide/page-mock-interview.png)
 
+面试安排
+
+![](https://oss.javaguide.cn/xingqiu/pratical-project/interview-guide/page-interview-schedule-list.png)
+
 ### 知识库
 
 知识库管理：
@@ -389,7 +465,7 @@ String content = tika.parseToString(inputStream);  // 自动识别格式并提
 
 问答助手：
 
-![](https://oss.javaguide.cn/xingqiu/pratical-project/interview-guide/page-qa-assistant.png)
+![page-qa-assistant](https://oss.javaguide.cn/xingqiu/pratical-project/interview-guide/page-qa-assistant.png)
 
 ## 学习本项目你将获得什么？
 
@@ -437,9 +513,13 @@ String content = tika.parseToString(inputStream);  // 自动识别格式并提
 
 ### 高级 AI 功能设计模式
 
-- **多轮追问生成机制**：学习如何在面试问题生成场景中，通过多层 Prompt 设计实现“主问题 + 追问”的树形结构。掌握可配置追问数量、问题类型权重分配、历史去重等实战技巧。
+- **Skill 架构与 Agent Skills**：学习如何将面试方向配置从代码中解耦，基于 `SKILL.md` + `skill.meta.yml` 的双层配置设计。掌握 `spring-ai-agent-utils` 的 Discovery → Semantic Matching → Execution 三层 Progressive Disclosure 机制，以及文字面试（单次调用预加载）与语音面试（多轮 ReAct 按需加载）的差异化资源加载策略。
+
+- **并行双路出题架构**：深入理解”单次调用无法兼顾简历和方向”的 Prompt 冲突问题，学习如何通过物理隔离（两套独立 Prompt 模板 + 两路并行 AI 调用）实现 60% 简历题 + 40% 方向题的混合出题，以及索引合并和降级策略的设计。
+
+- **多轮追问生成机制**：学习如何在面试问题生成场景中，通过多层 Prompt 设计实现”主问题 + 追问”的树形结构。掌握可配置追问数量、问题类型权重分配、历史去重等实战技巧。
 
-- **流式输出智能处理**：掌握 SSE 流式场景下的“探测窗口”技术——在保持首字响应速度的同时，快速识别“无信息”输出并统一为固定模板，避免用户看到长篇拒答文字。
+- **流式输出智能处理**：掌握 SSE 流式场景下的”探测窗口”技术——在保持首字响应速度的同时，快速识别”无信息”输出并统一为固定模板，避免用户看到长篇拒答文字。
 
 - **统一无结果策略**：学习如何在 RAG 系统中设计一致的用户无结果体验，包括命中判定、输出归一化、流式截断等全链路优化。