Расскажи про свой текущий проект

Мой Текущий Проект: PrepBro - Платформа для Подготовки к Интервью

Я работаю над платформой PrepBro, которая помогает соискателям готовиться к собеседованиям путем практикования с AI-ассистентом, задающим вопросы и оценивающим ответы.

Описание Проекта

Цель: Создать доступную платформу для подготовки к интервью в различные специальности (System Analyst, Backend Developer, QA, Frontend Developer и т.д.)

Основная функция: Пользователь выбирает профессию, система предлагает вопросы интервью на основе профиля, пользователь дает ответы, AI оценивает качество ответа.

Архитектура Проекта

Backend:

• Язык: Python
• Framework: FastAPI
• База данных: PostgreSQL (Goose для миграций)
• ORM: SQLAlchemy для работы с моделями
• Контейнеризация: Docker
• API версионирование: /api/v1/

Frontend:

• Технология: Next.js 14 (App Router)
• Язык: TypeScript
• Стили: Tailwind CSS
• UI компоненты: shadcn/ui, Magic UI
• Build: SSG (Static Site Generation) с output: export

CMS:

• Sanity для управления контентом блога
• Интеграция для отображения статей на фронте

AI:

• Claude API для генерации вопросов и оценки ответов
• Система промптов для каждой профессии

Deployment:

• Dokku для развертывания
• Vercel для фронтенда
• PostgreSQL on Dokku

Ключевые Особенности

1. Система Вопросов

Для каждой профессии разработана база вопросов интервью, организованных по тематикам. Система может:

• Получить следующий вопрос для интервью
• Сохранить ответ пользователя
• Оценить ответ на соответствие стандартам индустрии
• Предоставить обратную связь

2. Процесс Интервью

1. Пользователь выбирает профессию
2. Система достает вопрос из очереди
3. Пользователь дает ответ (текст, голос, видео)
4. AI оценивает ответ:
   - Полнота (охватывает ли все аспекты)
   - Правильность (нет ли ошибок)
   - Структурированность (четкость изложения)
   - Время ответа (соответствует ли норме)
5. Система дает обратную связь
6. Переходит к следующему вопросу

3. Аналитика

• Отслеживание прогресса пользователя
• Определение слабых мест
• Рекомендации по улучшению
• Сравнение с другими пользователями

Технические Решения

1. Валидация Требований

Мы используем четкий процесс валидации требований:

• Функциональные требования (FR) для каждой фичи
• Нефункциональные требования (NFR) для производительности и безопасности
• User Stories для спринтов
• Acceptance Criteria для проверки готовности

2. Процесс Разработки

Используем TDD (Test-Driven Development):

• Сначала пишем тесты
• Затем реализуем функциональность
• Покрытие тестами >= 90%
• Для бэка: pytest с --reuse-db
• Для фронта: Vitest + Playwright для E2E

3. Архитектура Backend

Следуем Clean Architecture (DDD):

• Domain — бизнес-логика
• Application — use cases
• Infrastructure — БД, интеграции
• Presentation — API endpoints

Зависимости только внутрь: Presentation → Application → Domain

4. API Design

• RESTful endpoints: /api/v1/agent/answering/next
• POST/GET в соответствии с семантикой
• Версионирование API
• Документация через OpenAPI/Swagger

Инструменты и Практики

Code Quality:

• Linting: Ruff (Python), ESLint (TypeScript)
• Formatting: Black (Python), Prettier (TS)
• Pre-commit hooks
• Code review перед каждым PR

Database:

• Migrations: Goose (raw SQL)
• Source of truth: миграции, не ORM
• SQLAlchemy для моделей и типизации

Testing:

• Unit тесты в pytest
• Integration тесты
• E2E тесты с Playwright
• VCR.py для HTTP мокирования

Deployment:

• CI/CD pipeline
• Automated testing
• Docker контейнеризация
• Zero-downtime deployment

Текущие Челленджи

1. Скорость Генерации Вопросов

• Требуется оптимизация API вызовов к Claude
• Кэширование часто задаваемых вопросов
• Асинхронная обработка

2. Качество Оценки Ответов

• Требуется тонкая настройка промптов
• Обратная связь от пользователей
• Частая переоценка критериев

3. Масштабируемость

• При росте пользователей нужна оптимизация БД
• Кэширование и REDIS для sessions
• Horizontal scaling фронта

Что я Вынес из Проекта

Soft Skills:

• Коммуникация с командой и стейкхолдерами
• Приоритизация требований
• Управление техническим долгом

Technical Skills:

• Глубокое понимание Full-Stack архитектуры
• Clean Architecture и DDD принципы
• DevOps и deployment практики
• AI интеграция (LLM, промптинг)

Professional:

• Как организовать процесс разработки
• Баланс между скоростью и качеством
• Значение хорошей документации
• Важность тестов и code review