Interwiews

Open-source платформа для проведения интервью с AI-ассистентом. Разворачивается локально — данные компании никуда не уходят.

Идея

HR-скрининг и технические интервью — это больная точка. Интервьюеры задают шаблонные вопросы, не всегда понимают что спрашивают, и субъективно оценивают ответы. Interwiews решает это:

• Создаёшь план интервью — набор вопросов под конкретную роль или задачу
• Кандидат отвечает голосом — запись транскрибируется через Whisper
• AI анализирует ответ — оценка по заданным критериям, сильные/слабые стороны, рекомендация
• Подключаешь свой AI — OpenAI, Anthropic или локальная модель через Ollama

Подходит не только для найма — любые структурированные опросы, оценка знаний, исследования.

Возможности

• Планы интервью с кастомными вопросами (behavioral / technical / custom)
• Запись и транскрипция ответов (Whisper)
• AI-анализ каждого ответа с оценкой и критериями
• Настраиваемые критерии оценки
• Любой AI-провайдер через одну переменную окружения
• Полностью self-hosted — данные остаются у вас

Быстрый старт

git clone <repo>
cd interwiews
cp .env.example .env  # заполни переменные
docker-compose up

Открой http://localhost в браузере.

AI провайдеры

Переключение через переменные окружения:

# OpenAI (Whisper + GPT)
AI_PROVIDER=openai
AI_API_KEY=sk-...

# Anthropic (Claude)
AI_PROVIDER=anthropic
AI_API_KEY=sk-ant-...

# Локально через Ollama (данные не покидают сервер)
AI_PROVIDER=ollama
AI_BASE_URL=http://localhost:11434
AI_MODEL=llama3

Транскрипция (Whisper) поддерживается через AI_PROVIDER=openai. При использовании Anthropic или Ollama транскрипция требует отдельного сервиса.

Стек

• Backend — FastAPI, SQLAlchemy, Alembic, asyncpg
• Frontend — React, Vite, TypeScript, shadcn/ui
• Инфраструктура — Docker, PostgreSQL

Структура проекта

interwiews/
├── backend/
│   ├── interwiews/
│   │   ├── providers/      # AI провайдеры (openai / anthropic / ollama)
│   │   ├── domain/         # бизнес-логика
│   │   ├── routers/        # API endpoints
│   │   └── infrastructure/ # БД, репозитории
│   └── migrations/
├── frontend/
└── docker-compose.yml

Разработка

Требования

• Python 3.12+, uv
• Node.js 20+, npm
• Docker (для БД)
• Task (task)

1. Переменные окружения

cp .env.example .env
# заполни AI_API_KEY и при необходимости остальные параметры

2. База данных

Запустить PostgreSQL в Docker (данные сохраняются между перезапусками):

cd backend
task postgres:up:volume

Применить миграции и загрузить начальные данные:

task alembic:migrate
task seed:load

Остановить БД:

task postgres:stop

3. Backend

Установить зависимости (один раз):

cd backend
task uv:install:all

Запустить в режиме разработки (с hot-reload):

cd backend
task start

Запустить в продакшн-режиме (uvicorn, 4 воркера):

cd backend
source .env
uv run gunicorn --bind $HOST:$PORT "$APP_MODULE" -k uvicorn.workers.UvicornWorker -w 4

API будет доступно по адресу http://localhost:8000.

4. Frontend

cd frontend
npm install
npm run dev

Фронт поднимается на http://localhost:3000 по умолчанию. Для другого порта:

npm run dev -- -p 3001

---

Лицензия

MIT — форкай, деплой, адаптируй под свои нужды.

Resume this session with: claude --resume 03f5be9e-6615-4dbc-a789-62a9105fb22b