为什么TechSpar题库不是固定题单？动态出题底座的核心设计深度揭秘-平芜编程栈

【免费下载链接】TechSpar

一个持续进化的面试训练系统。在线体验地址：https://techspar.cn

项目地址：https://gitcode.com/gh_mirrors/te/TechSpar

很多人第一次接触TechSpar这套面试训练系统，会下意识把它的「题库」当成一份固定题单：选个领域、刷几道题、结束。但 TechSpar 的题库本质是一个动态出题底座——它不从旧题里抽题，而是把核心知识库、你的长期画像、历史薄弱点和当前掌握度一起作为输入，为每一轮训练现场生成「这一轮最该练的题」。下文带你拆开这个底座的核心设计。

一、传统固定题单的局限：为什么它撑不起持续训练

传统题库产品遵循「先有一批固定题，再让你去做」。问题在于：没有人记得你上次哪道题答崩了，也没人知道你下周要面的岗位想听什么。固定题单练到第二轮，你很可能在重复已经掌握的题，而真正的薄弱点一次都没被碰到。

TechSpar 换了个逻辑：先判断你现在最该练什么，再生成这一轮最合适的题。题目不是「从题库里抽出来」，而是系统综合多路信息「为这一轮动态生成」。这也是题库在这里不是附属页面，而是整个闭环里的核心基础设施。完整理念见 docs/knowledge-base.md。

二、动态出题底座解析：一轮面试题的 5 路输入

当你点下「开始专项训练」，系统会在同一时刻并行拉取多路上下文，拼成一个出题提示词交给大模型。核心逻辑见 packages/core/src/interview/interview-service.ts，提示词模板在 packages/core/src/interview/prompts.ts。

1. 核心知识库检索（RAG）

每个训练领域都有一份 Markdown 形式的核心知识库，定义该领域该覆盖哪些知识边界。系统先用向量检索把最相关的知识点捞出来（按段落切块、余弦相似度排序、多查询用 RRF 融合），再交给模型作为出题依据，见 packages/core/src/knowledge/index-service.ts。

2. 高频题库

你可以自己维护一份高频题库：常考题、易错点、答题 checklist。它告诉系统「哪些考点应该被优先覆盖」。每个领域一个独立文件，读取逻辑见 packages/platform/src/knowledge-store.ts。

3. 最近练过的题（自动去重）

系统会取出你最近 5 轮、最多 20 道已练过的题，明确写进提示词「必须避免重复或高度相似」。这样第二轮不会把刚练过的原题再砸你一次，见 packages/db/src/interview-repositories.ts。

4. 长期画像：薄弱点 + 掌握度

这是动态出题的灵魂。系统会汇总你的已知薄弱点、知识强项、行为模式短板、当前领域掌握度、到期的复习点，甚至用向量检索出「历史语义洞察」。画像组装逻辑见 packages/core/src/profile/profile-service.ts。出题策略是：发散度越低越聚焦薄弱与核心，越高越多跨场景迁移。

5. 发散度：控制「补短板 vs 探新盲区」

divergence（1–5）决定这一轮的取向：1聚焦薄弱（100% 补弱）、3均衡（巩固与探索各半）、5全面探索（100% 挖新盲区）。每轮题数num_questions可在 5–20 之间调整。选项与校验见 packages/contracts/src/index.ts 与 frontend/src/pages/Settings.jsx。

三、闭环写回机制：SM-2 复习调度如何让训练越练越准

「让每一次练习都算数」的关键，在答完之后。每一轮结束都会进入复盘任务队列，逐题评分，再把结果写回画像，直接影响下一轮出题。

SM-2 间隔重复复习

每个薄弱点都带一套 SM-2 记忆状态：答得好就拉长下次复习间隔，答不好就重置到 1 天。这样「该复习什么」由算法而非人工决定，实现见 packages/core/src/profile/profile-service.ts。

薄弱点的跨会话归纳

当你在至少两个领域反复暴露 5 个以上活跃薄弱点时，系统会用大模型归纳出更抽象、可被后续证据证伪的「跨会话规律」（并设 24 小时冷却防抖）。归纳后的规律置信度可由你反馈「准确 / 不准确」来校准。

掌握度与统计

每个领域的掌握度按「加权指数滑动平均」更新——训练次数越多、覆盖度越全，权重越稳；同时累计各模式的平均分与分数历史。画像页面把这些汇总成一眼可读的诊断卡片。

四、题目图谱：把已练题画成语义关系图

练过并评分的专项题会被拉进一张关系图：节点是题目，连线表示语义相近（向量相似度 ≥ 0.65 才连边），节点大小代表难度。图谱帮你一眼看出「哪些题反复低分、哪一片 focus area 已形成薄弱区」，从而决定下一步先补哪一片。建图逻辑见 packages/core/src/knowledge/index-service.ts，使用方式见 docs/graph.md。

五、新手上手：三步配置你的动态出题底座

进题库补核心知识：打开左侧「题库」，选一个内置领域，先改README.md，内容越聚焦、术语越统一，出题与评分参考质量越高。
加一份高频题库：把常考题、易错点写成短列表或 checklist，告诉系统优先覆盖这些高价值考点。
回首页开一轮专项训练：选该领域、按需调发散度，开始练；结束后先看复盘，再决定是继续同主题还是回题库补材料。训练细节见 docs/special-training.md。