算法推理语言模型：一个AI驱动的面试准备平台

基于FastAPI和RAG技术构建的智能面试准备系统，通过苏格拉底式对话机器人为用户提供个性化的算法学习路径和自适应指导。

算法面试是许多科技公司招聘流程中的关键环节，但准备过程常常面临几个痛点：面对海量的LeetCode题目不知从何开始、缺乏针对性的练习计划、遇到困难时没有人及时指导、以及无法有效跟踪学习进度。这个项目旨在通过AI技术，为每位用户生成个性化的学习路线图，并提供苏格拉底式的智能辅导。

项目采用清晰的分层架构，各模块职责明确：

作为系统的入口，使用FastAPI框架提供Web服务。包含用户认证（JWT + bcrypt）、面试日程管理、仪表盘展示等功能。采用Jinja2模板引擎实现服务端渲染，数据持久化使用SQLite。

核心的智能推荐模块，负责根据用户选择的面试公司和剩余天数，从题库中筛选出最合适的10道题目组成学习路线图。这里运用了检索增强生成（RAG）的思路，结合向量相似度计算实现精准匹配。

使用HuggingFace的预训练模型将题目文本转换为向量表示，通过FAISS实现高效的相似度搜索。这一层为RAG推荐提供了语义理解能力，能够识别题目之间的潜在关联。

项目的AI核心，一个苏格拉底风格的辅导机器人。不同于直接给出答案，它会通过提问引导用户思考，培养算法思维能力。该模块支持工具调用，可以在对话中执行代码或查询相关知识。

系统的完整工作流程如下：

1. 用户注册面试：选择目标公司和距离面试的天数
2. 生成学习路线图：RAG模块根据公司历史出题分布和难度要求，从约11000道题目中精选10道
3. 日常练习：用户在仪表盘查看进度，点击题目进入详情页
4. 智能辅导：苏格拉底机器人在侧边栏提供引导式对话，帮助用户理解解题思路
5. 进度追踪：完成题目后勾选标记，系统自动更新完成率