基于OpenAI与DashScope的AI知识面试模拟系统实现

任务介绍

实现一个基于大语言模型的AI面试模拟程序，用户可通过命令行与AI面试官进行多轮对话，测试对AI相关知识的掌握程度。系统需支持问题生成、回答评价及连续对话能力。

任务背景

在AI技术学习中，缺乏结构化反馈是常见痛点。传统面试模拟需人力参与，而基于API的自动化工具能提供低成本、可定制的练习环境。本例使用阿里云DashScope平台的QWen-Turbo模型，通过Chat Completion接口实现动态交互。

代码思路

1. 初始化配置

   • 通过环境变量管理API密钥，增强安全性
   • 设置base_url适配阿里云兼容模式端点

2. 对话管理

   • 采用messages列表维护对话上下文
   • 系统消息初始化面试角色设定

3. 异常处理

   • 对API响应进行多层有效性校验
   • 网络错误时提供明确修复指引

4. 交互循环

   • 用户输入触发模型的新问题生成
   • 退出指令quit终止会话

解决思路

1. 上下文保持
   每次交互后更新messages列表，包含用户回答和AI问题，实现多轮对话记忆

2. 健壮性设计

   • 检查response.choices[0].message.content存在性
   • 捕获Exception并输出可操作的错误信息

3. 接口兼容性
   使用OpenAI SDK格式调用阿里云服务，降低迁移成本

实现代码

from openai import OpenAI
import os

# 初始化客户端
api_key = os.getenv('OPENAI_API_KEY', 'TripleH')
if not api_key:
    raise ValueError("请设置环境变量 OPENAI_API_KEY")
    
client = OpenAI(
        api_key=api_key, 
        base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
        )

# 设置系统角色
prompt_for_roleplay = "我需要你面试我有关AI的知识，仅提出问题"
messages = [{'role': 'system', 'content': prompt_for_roleplay}]

# 首轮问题生成
try:
    response = client.chat.completions.create(
        model="qwen-turbo",
        messages=messages
    )
    
    if response and response.choices and len(response.choices) > 0:
        first_question = response.choices[0].message.content
        if first_question:
            messages.append({'role': 'assistant', 'content': first_question})
            print(f'面试官：{first_question}')
            print('\n')
except Exception as e:
    print(f"发生错误：{str(e)}")
    print("请检查API密钥是否正确，网络连接是否正常\n")

# 多轮对话循环
while True:
    try:
        user_input = input("请输入你的回答（输入 'quit' 退出）：")
        
        if user_input.lower() == 'quit':
            print("面试结束，再见！")
            break
        
        messages.append({'role': 'user', 'content': user_input})
        
        response = client.chat.completions.create(
            model="qwen-turbo",
            messages=messages
        )
        
        if not response or not response.choices or len(response.choices) == 0:
            print("错误：模型返回了空响应")
            continue
            
        assistant_output = response.choices[0].message.content
        
        if assistant_output is None:
            print("错误：模型返回的内容为空")
            continue
        
        messages.append({'role': 'assistant', 'content': assistant_output})
        
        print(f'面试官：{assistant_output}')
        print('\n')
        
    except Exception as e:
        print(f"发生错误：{str(e)}")
        print("请检查API密钥是否正确，网络连接是否正常\n")