AI导哈

AI面试准备系统

一个智能面试准备系统，利用RAG技术和MCP协议提供个性化的面试问题回答和职业背景分析。

  • by Bryxxx88
  • CSS
  • 本地部署
  • 更新于
在 GitHub 查看 Bryxxx88/digital-twin-mcp

使用说明

数字孪生MCP服务器-人工智能面试准备

一个使用RAG（检索增强生成）技术和MCP（模型上下文协议）实现无缝人工智能集成的智能面试准备系统。

🎯 项目概述

Digital Twin MCP Server是一个生产就绪的人工智能系统，通过提供有关您的专业背景的智能、上下文感知的回复，帮助您进行面试准备。它使用现代全栈技术和人工智能构建，展示了RAG系统、MCP协议实施和无服务器部署方面的高级技能。

主要特点

  • 🤖 AI驱动的响应：使用Groq的LLaMA 3.1-8b-即时模型，提供快速、智能的答案
  • 🔍 语义搜索：带有内置嵌入的Uptash矢量数据库，用于准确的信息检索
  • 🌐 MCP集成：支持Claude Desktop和VS代码的模型上下文协议
  • ⚡ 无服务器架构：部署在Vercel上，零停机部署
  • 💬 交互式用户界面：用于测试和演示的漂亮web界面
  • 📊 生产就绪：完整的错误处理、TypeScript类型安全和优化的性能

🛠️ 技术栈

前端

  • Next.js 16.0.5 -带有App Router和Turbopack的React框架
  • 反应19 -带有服务器组件的现代React
  • TypeScript -全型安全
  • 顺风CSS 4 -实用性优先的造型

后端和人工智能

  • 上升矢量 -用于语义搜索的无服务器矢量数据库
  • 格罗克API -超快速LLM推理（LLaMA 3.1-8b-instant）
  • MCP协议 -AI代理通信的模型上下文协议
  • Next.js API路线 -无服务器功能

🚀 现场演示

生产URL: https://digital-twin-mcp-git-main-john-bryx-jovellanos-projects.vercel.app/

MCP端点: https://digital-twin-mcp-git-main-john-bryx-jovellanos-projects.vercel.app/api/mcp

🔧 入门指南

首先，运行开发服务器：

npm run dev
# or
yarn dev
# or
pnpm dev
# or
bun dev

打开 http://localhost:3000 使用浏览器查看结果。

您可以通过修改开始编辑页面 app/page.tsx。当您编辑文件时，页面会自动更新。

此项目使用 next/font 自动优化和加载 幽灵，Vercel的新字体系列。

了解更多

要了解有关Next.js的更多信息，请查看以下资源：

您可以查看 Next.js GitHub仓库 -欢迎您的反馈和贡献！

🎓 技术架构

RAG 流程

User Query → MCP Endpoint → Vector Search (Upstash) → LLM Generation (Groq) → Response
  1. 查询处理：用户提问
  2. 语义搜索：在Uptash Vector数据库中搜索查询
  3. 上下文检索：检索到的顶级相关内容块
  4. 人工智能一代：Groq LLM生成上下文响应
  5. 响应交付：以自然语言返回答案

MCP集成

// MCP endpoint at /api/mcp
POST /api/mcp
Body: { "action": "query", "query": "What are my technical skills?" }
Response: { "success": true, "data": { "answer": "..." } }

🧪 测试

测试MCP端点

curl -X POST https://digital-twin-mcp-git-main-john-bryx-jovellanos-projects.vercel.app/api/mcp \
  -H "Content-Type: application/json" \
  -d '{"action":"query","query":"What are my technical skills?"}'

配置Claude桌面

添加到 claude_desktop_config.json:

{
  "mcpServers": {
    "digital-twin-production": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://digital-twin-mcp-git-main-john-bryx-jovellanos-projects.vercel.app/api/mcp"]
    }
  }
}

📊 主要成就

  • ✅ 使用向量嵌入实现了完整的RAG管道
  • ✅ 内置符合MCP标准的服务器，用于AI集成
  • ✅ 查询响应时间小于1秒
  • ✅ 部署了无服务器架构，正常运行时间为99.9%
  • ✅ 维护了完全的TypeScript类型安全

🎯 用例

  1. 面试准备：练习回答有关你背景的问题
  2. 投资组合展示：展示AI/ML集成技能
  3. 职业规划：对技能和经验的系统思考
  4. 人工智能开发：学习RAG、MCP和现代AI模式

👤 作者

John Bryx Jovellanos

  • BSIT四年级学生，主修Web开发
  • 专注于AI/ML集成和全栈开发
  • GitHub

🙏 致谢

内置于❤️ 使用Next.js、人工智能和现代网络技术

相关 MCP