AI导哈

个性化面试准备数字孪生系统

TwiNSYNC是一个上下文感知的数字孪生系统，通过实时整合用户的经验、语气和内容，模拟用户在面试中的回答，提供个性化的面试准备服务。

  • by TechLabs-Berlin
  • 本地部署
  • 更新于
在 GitHub 查看 techlabs-berlin/twinsync

使用说明

双胞胎

用于个性化面试准备的情境感知数字双胞胎系统。

TwiNSYNC是一个上下文增强的数字孪生系统，它模拟了 你 会用你的经验、语气和从多个来源实时提取的内容来回答面试问题。它由模型上下文协议（MCP）原理提供支持，可以动态地获取相关上下文并将其注入到每个响应中。

什么是TwiNSYNC？

TwiNSYNC通过创建自己的智能表示来协助面试准备。它作为一个数字模型，能够理解你的体验，用你的声音进行交流，并反映你的语气和风格。

这个系统从你以前的工作、写作和项目中学习。当被提出一个问题时，它会生成与以下方式一致的答案 你 会做出回应——清晰、自信、个性化。

它将实时信息（如您的LinkedIn帖子或YouTube演示文稿）与您的简历和历史记录相结合，帮助您自然、真实地回答具有挑战性的问题，有效地指导您完成面试过程。

系统概述

User Query
   ↓
[1] Query Understanding → classify + extract topic
   ↓
[2] Prompt Blueprint Selection → build template
   ↓
[3] Context Fetchers (MCPs):
      - LinkedIn
      - X (Twitter)
      - YouTube
      - Memory DB (projects, past Q&A)
   ↓
[4] Prompt Composer → inject everything into prompt template
   ↓
[5] LLM or Agentic Framework → generate Twin's response
   ↓
[6] Output Display + Trace (sources used, feedback, rating)

技术栈

组件 技术
后端 FastAPI
LLM OpenAI GPT-4o（可以互换）
内存 Chroma/SQLite+句子转换器
网络爬虫 剧作家/SerpAPI/非官方API
可选UI Streamlit、Gradio或CLI
代理层 LangGraph（可选）

项目结构

twinsync/
├── app/
│   ├── main.py                # FastAPI entrypoint
│   ├── core/
│   │   ├── prompt_builder.py  # Injects context into prompt
│   │   ├── query_classifier.py# Extracts type & topic
│   │   └── twin_persona.yaml  # Stores your identity template
│   ├── mcp/
│   │   ├── linkedin.py        # Fetches LinkedIn data
│   │   ├── x.py               # Fetches Twitter posts
│   │   ├── youtube.py         # Gets transcripts
│   ├── models/
│   │   ├── memory_db.py       # Local memory (past answers, projects)
│   │   └── embeddings.py
│   └── routes/
│       └── ask.py             # Endpoint: /ask

构建计划（MVP阶段）

第一阶段：核心提示系统

  • []定义 twin_persona.yaml （你的静态身份）
  • []构建一个提示模板（例如基于STAR的行为）
  • []添加基本查询分类器(technical, behavioral等等）
  • []创建 ask 使用FastAPI的端点

阶段2:MCP上下文获取器

  • []构建 mcp.linkedin.py：刮除器/刮除器
  • []构建 mcp.x.py：从您的帐户中获取最新推文
  • []构建 mcp.youtube.py：从已知会谈中获取记录
  • []集成 memory_db.py （简单的JSON或Chroma）

第三阶段：快速作曲

  • []基于意图+查询组装动态上下文
  • []将所有上下文注入所选提示模板
  • []对LLM+的最终调用返回格式化响应

第四阶段：产出+评估

  • []显示Twin的回复
  • []包括跟踪：源列表、使用的内存、注入的上下文
  • []添加可选的评估者来对双胞胎的答案进行评分

拓展目标

  • []通过Streamlit或Gradio的用户界面
  • []反馈回路：通过正确答案训练双胞胎
  • []使用LangGraph/CrewAI进行高级行为模拟

提示模板示例

persona:
  name: "Zubin"
  role: "Product-Minded Technologist"
  tone: "Clear, warm, confident"

prompt_template: |
  You are {{persona.name}}, a {{persona.role}}.
  Respond with {{persona.tone}} in a job interview scenario.

  Role Context: {{role_applied}}
  Question Topic: {{interview_topic}}

  From Resume: {{memory_context}}
  LinkedIn Insight: {{linkedin_snippet}}
  From X: {{x_snippet}}
  YouTube Snippet: {{youtube_snippet}}

  Question: {{user_query}}

  Answer clearly and in your own voice.

学分和命名

项目名称： 双胞胎™

一个上下文感知的MCP系统，使您的数字孪生兄弟与一切保持同步 你 是。

下一步

要启动服务器，请执行以下操作：

uvicorn app.main:app --reload

使用模拟问题进行测试：

curl -X POST http://localhost:8000/ask -d '{"query": "Tell me about a time you led a design team."}'

相关 MCP