AI-Interview (Logisoft HireOS)：自托管 AI 招聘操作系统，覆盖 ATS、AI 筛选、自适应面试与监考信号

arunsaikumarB/AI-Interview · AI Interview — self-hosted recruitment OS (advisory AI)

GitHub原文发布未知首次收录 2026-10-01上架 2026-10-01 07:02

ELI5：它是什么，解决什么问题

Logisoft HireOS 是一个自托管的 AI 招聘操作系统，将 ATS（职位与候选人管理、简历上传解析、拖拽式流程看板）、AI 筛选、自适应 AI 面试、监考信号与评估报告整合在一起。项目强调 100% 本地/自托管，AI 通过本地 Ollama 调用、不使用云数据库或 OpenAI API，AI 结果仅作为辅助建议，最终录用决策与阶段推进由人工完成并记录理由。仓库以 TypeScript 实现，采用 Next.js 14、PostgreSQL + pgvector、Prisma 等技术栈，README 中按阶段给出了从基础设施到人才库与分析的构建顺序。

# local-llm # TTS # 人力资源 # Next.js # AI 面试

核心能力与快速开始

★ 0 · TypeScript

能做什么: 自托管招聘操作系统，包含：基础框架与基于角色的访问控制（SUPER_ADMIN、HR_ADMIN、RECRUITER、HIRING_MANAGER、INTERVIEWER、CANDIDATE）；ATS 核心（职位 CRUD、候选人数据库、简历上传与 PDF/DOCX 解析、拖拽式流程看板、时间线）；AI 筛选（JD 与简历匹配并给出理由、缺失项与疑虑，README 标注为下一阶段）；AI 面试引擎（先实现纯文本自适应问答）；语音/视频会话（Whisper STT、TTS、录制）；监考与评估报告；人才库、模板与分析。AI 通过本地 Ollama（http://localhost:11434）调用，文件存于本地 /storage（可通过 STORAGE_ROOT 配置），数据库为 PostgreSQL + Prisma + pgvector。提供健康检查接口 GET /api/health 检查 Postgres 与 Ollama 连通性。设计上 AI 为辅助角色，分数保存 reasoning，不自动推进流程；监考事件是带时间戳的信号，不自动生成裁决。
适用场景: 适合希望把招聘流程与 AI 辅助能力部署在自己基础设施上的团队：搭建内部 ATS 与候选人流程管理，用本地模型（Ollama）做简历与 JD 匹配筛选，开展文本或语音/视频的 AI 面试并留存监考信号供人工复核，通过角色权限区分管理员、招聘官、用人经理、面试官与候选人。
项目形态: 可直接使用的工具
部署方式: 自托管部署。提供两种方式：Option A 完整试点栈（应用 + Postgres + Ollama + 语音服务，见 docs/PACKAGING.md，通过 scripts/setup-pilot.ps1 启动）；Option B 宿主机开发（仅 Postgres 跑在 Docker，端口 55432，语音面试需额外运行 speech-service\run.ps1）。默认访问 http://localhost:3000。README 强调不使用 Supabase、Firebase、Vercel、Netlify、云数据库、云存储或 OpenAI API。
主要依赖: Next.js 14（App Router）、TypeScript strict、Tailwind、shadcn/ui、Zustand、TanStack Query、Prisma、PostgreSQL + pgvector、Ollama；Docker（用于 Postgres，或完整试点栈）；语音面试需要 Whisper STT 与 TTS 组件（speech-service）；简历解析支持 PDF/DOCX；需执行 npm install、npx prisma db push、npm run db:seed、npm run setup:mediapipe。具体硬件与模型要求未说明。
使用限制: README 明确 AI 仅作辅助，不能自动推进流程，最终 SELECTED/REJECTED 需人工填写理由；监考事件仅为信号，不自动判定。项目按阶段构建，AI 筛选（Phase 3）、语音/视频会话、监考与评估报告、人才库与分析等能力在 README 中被列为后续阶段，部分接口（如筛选接口）当前为 stub。未说明许可证信息、性能与规模上限、API 或模型成本（材料未提及费用与商用条款）。
许可证: 未说明
最近推送: 2026-09-30 07:16

官方入门核对 README 依据 ↗

资料检查：2026-10-01 07:00 · 卡片整理：2026-10-01 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为 TypeScript 实现的自托管招聘系统参考项目，采用 Next.js 14、PostgreSQL + pgvector、Prisma 等技术栈，README 中按阶段给出了从基础设施到人才库与分析的构建顺序，可供开发类似系统时参考。

查看内容依据

仓库以 TypeScript 实现，采用 Next.js 14、PostgreSQL + pgvector、Prisma 等技术栈，README 中按阶段给出了从基础设施到人才库与分析的构建顺序。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

HR

作为自托管的招聘操作系统，用于职位与候选人管理、简历上传解析、拖拽式流程看板、AI 筛选、自适应 AI 面试、监考信号与评估报告，辅助招聘流程；AI 结果仅作建议，最终录用决策与阶段推进由人工完成并记录理由。

查看内容依据

Self-hosted ATS + AI Screening + Adaptive AI Interview + Proctoring signals + Evaluation.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

PathFinder：面向大学生的 AI 实习求职导航平台

PathFinder 是一个面向大学生的实习求职「职业操作系统」，覆盖六大阶段：职业方向选择、简历优化（PDF/DOCX 上传、ATS 审核、岗位匹配打分、技能差距项目建议）、职位发现（通过 Adzuna / JSearch 搜索或粘贴职位描述做兼容性分析）、人脉拓展（AI 外联、咖啡聊准备、内推材料、LinkedIn 分析）、面试准备（刷题追踪、STAR 故事构建、AI 出题、公司简报）以及申请追踪（看板流程与一致性仪表盘）。各阶段产生类型化的职业事件，派生出的职业档案、进度引擎与推荐引擎支撑跨阶段智能与 AI 导师记忆。技术栈为 Next.js 16、React 19、TypeScript、Tailwind CSS 4、Zustand、Supabase（Postgres + pgvector）、自定义 JWT 认证与 OpenAI GPT-4o / text-embedding-3-small。

TalentSift：AI 驱动的智能招聘与申请人跟踪平台

TalentSift 是一个智能申请人跟踪（ATS）与招聘平台，连接求职者与招聘方。平台面向招聘者和求职者提供分角色工作区，核心 AI 能力包括自动化 AI 筛选面试（即时评分）、候选人 AI 练习面试（基于 LangChain 与 Groq 提供即时评分与反馈）、AI 职位标题生成器以及嵌入式 LLM 聊天助手，并支持申请状态跟踪、邮件 OTP 验证、实时通知、职位审核与 Stripe 订阅付费。技术栈为 Next.js 前端 + Django REST Framework 后端 + PostgreSQL，生产环境采用 Vercel、Render、Supabase、Cloudinary、Brevo 等托管服务。

Smart Resume Shortlisting System：基于 OCR 与 NLP 的语义化简历—职位匹配与筛选系统

该系统面向招聘场景，将简历按职位描述进行语义匹配和排名，并展示排名依据。它支持读取 PDF、Word 文档、扫描件和手机照片（含手写体），覆盖 90 多种语言；通过 OCR 将非文本简历转为文字，再按语义而非关键词比较简历与职位描述。职位要求会被逐条打分，并附上满足该要求的简历原文片段作为证据。可选功能包括基于公开 GitHub、LeetCode、CodeChef 活动的公平加分（最高 +10，且不会对无此类资料的候选人扣分），以及针对排名靠前候选人生成的 AI 摘要（优势、差距、面试问题），AI 摘要仅用于解释排名，不改变分数。项目通过 docker compose up 一条命令启动 Web 应用，并保留历史运行记录。

local-inference-setup：本地语言模型自包含启动器的声明式配置

该项目以声明式配置方式管理本地语言模型推理环境的搭建：提供模型下载清单、运行时分发、完整性校验脚本、模型管理文档，以及内嵌完整推理参数的 .cmd 启动器。仓库本身不包含 GGUF 权重或运行时二进制，需通过附带的 PowerShell 安装与下载脚本获取。启动器会显式声明上下文长度、采样参数，并借助 --gpu-layers auto 与 --fit on 自动决定设备放置；服务对外暴露 Web 界面、OpenAI 兼容 API 与健康检查端点。配置面向 Windows、指定硬件（RTX 5080 16GB、64GB 内存）并锁定 llama.cpp 运行时构建版本，接口无鉴权，仅建议在可信私有网络内使用。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。