🧠 Multi-Agent Technical Interview System

Мультиагентная система для проведения технического интервью с кандидатом и формирования фидбэка.

Решение реализует agentic workflow: разные агенты отвечают за разные роли.

Я использовал модель mistral-nemo на 12B, но в теории можно использовать и просто mistral на 7B

---

Как запустить

Необходимо иметь установленный клиент Ollama

Установить и запустить модель:

ollama run mistral-nemo:latest

Установить виртуальное окружение и библиотеки:

python venv venv
pip install -r requirements.txt
python start_with_logger.py

После проведения собеседования, можно визуализировать полученные логи и отчёт:

streamlit run visualize.py

Можно привести логи к структуре из ТЗ:

python adapter.py

Только необходимо указать нужные вам пути в самом adapter.py

Структура проекта

├── start_with_logger.py        # Главный скрипт. Запуск интервью (CLI) и оркестрация агентов
├── interview_state.py          # Глобальное состояние интервью (позиция, грейд, метрики)
├── interviewer.py              # Агент-интервьюер (генерация вопросов и ответов)
├── observer.py                 # Агент-наблюдатель (оценка ответов кандидата)
├── strategy.py                 # Агент-стратег (выбор следующего шага интервью)
├── hiring_manager.py           # Агент-менеджер (принимает финальное решение о кандидате и даёт фидбэк)
├── build_summary.py            # Сбор агрегированных метрик интервью для HiringManager
├── logger.py                   # Логгер интервью
├── adapter.py                  # Адаптер логов под формат submission
├── visualize.py                # Утилита для визуального просмотра логов (Streamlit)
├── call_llm.py                 # Унифицированный вызов LLM (prompt → response)
├── topics.py                   # Скрипт для нормализации темы интервью (чтобы LLM не отходили от разрешенного пула)
├── requirements.txt            # Зависимости проекта
├── README.md                   # Описание проекта
├── LICENSE                     # Лицензия
└── .gitignore                  # Исключения для репозитория

Основные сущности и агенты

Агент Interviewer

Роль: технический интервьюер
Файл: interviewer.py

• Общается с кандидатом
• Задаёт ему вопросы на основе решения от модуля Strategy
• Не анализирует ответы и не принимает решений о найме

Агент Observer

Роль: аналитик ответов кандидата
Файл: observer.py

• Оценивает релевантность и корректность ответа
• Определяет вопрос и глубину погружения в тему
• Управляет параметрами:
  • status - статус ответа (OK | WEAK | WRONG | OFFTOPIC | QUESTION_TO_COMPANY)
  • score - мера того, насколько успешно кандидат справился с вопросом
  • notes - массив замечаний для HiringManager

Модуль Strategy

Роль: управляющий логикой интервью
Файл: strategy.py

• Получает вывод Observer
• Решает, что делать дальше:
  • усложнить вопрос
  • упростить
  • сменить тему
  • ответить на вопрос кандидата
  • завершить интервью
• Не анализирует ответы напрямую

Модуль состояния InterviewState

Роль: общее состояние интервью
Файл: interview_state.py

Хранит:

• позицию и грейд кандидата
• счётчики и метрики ответов
• текущую тему и глубину
• историю сообщений

Агент HiringManager

Роль: менеджер процесса найма (типа)
Файл: hiring_manager.py

• Не участвует в диалоге
• Анализирует только агрегированную сводку на основе логов
• Выносит решение о найме
• Формирует финальный фидбэк и roadmap для кандидата

Logger

Файл: logger.py
Выполняет логгирование на протяжении работы всего решения.
Формирует json-файл с логами

Visualizer

Файл: visualize.py
Streamlit-демка чтобы не смотреть сырой json с логами =)

Adapter

Файл: adapter.py
Приводит логи к нужному формату для проверки экспертами

---

Общий пайплайн системы

User
 ↓
Interviewer (вопрос)
 ↓
Observer (анализ ответа)
 ↓
Strategy (решение, что делать дальше)
 ↓
Interviewer (следующий шаг)
 ...
 ↓
Interview ends
 ↓
Summary Builder (код, без LLM)
 ↓
Hiring Manager (LLM)
 ↓
Final Feedback