FoloUp
FoloUp 是一款开源的 AI 语音面试平台，旨在帮助企业自动化招聘初筛流程。面对传统招聘中时间协调难、人工初筛效率低等痛点，FoloUp 提供了高效的解决方案。用户只需输入职位描述，系统即可自动生成定制化问题，并通过 AI 语音与候选人进行自然流畅的对话式面试。
除了模拟真人互动，FoloUp 还能智能分析候选人的回答，生成详细评分与洞察报告，配合综合仪表盘实时追踪候选人表现。技术上，它集成了 Clerk 身份验证、Supabase 数据存储及 Retell AI 语音通话能力，支持灵活部署。
无论是寻求提升招聘效率的企业 HR，还是希望探索 AI 面试应用场景的开发者，都能从中受益。通过一键生成面试链接，候选人可随时参与，大幅降低了沟通成本，让招聘过程更加数据驱动且便捷。
使用场景
某成长型科技公司的招聘负责人需要在一个月内高效筛选出 80 名后端开发工程师候选人，以应对业务快速扩张带来的人力缺口。
没有 FoloUp 时
- 需要 HR 团队人工逐一电话沟通面试时间，协调成本极高且极易出现排期冲突。
- 多位面试官重复询问相同的基础技术问题，导致候选人体验割裂且效率低下。
- 面试录音文件分散在不同设备中，复盘时难以快速定位候选人的关键回答细节。
- 缺乏统一的量化评分标准，不同面试官对同一候选人的评价主观性较强，决策困难。
使用 FoloUp 后
- FoloUp 自动生成专属面试链接，候选人可随时随地完成语音问答，彻底消除时间协调难题。
- 基于职位描述一键生成定制化问题，确保每位候选人都接受统一且专业的技术考察。
- AI 实时分析语音内容并给出智能评分与洞察，大幅减少人工听音和整理记录的时间。
- 仪表盘集中展示所有候选人数据，帮助团队快速锁定高匹配度人选，优化最终录用决策。
FoloUp 通过自动化语音面试流程，将招聘初筛效率提升数倍，同时保证了评估的客观性与一致性。
运行环境要求
- 未说明
无需本地 GPU (AI 功能由外部 API 处理)
未说明
快速开始
FoloUp - 用于招聘的 AI 驱动语音面试官 💼
FoloUp 是一个开源平台，供公司与候选人进行 AI 驱动的招聘面试。
主要功能
- 🎯 面试创建： 根据任何职位描述即时生成定制的面试问题。
- 🔗 一键分享： 在几秒钟内生成并与候选人分享独特的面试链接。
- 🎙️ AI 语音面试： 让我们的 AI 进行自然、对话式的面试，并根据候选人的回答进行调整。
- 📊 智能分析： 获取每个面试回复的详细见解和评分，由高级 AI 提供支持。
- 📈 综合仪表板： 跟踪所有候选人的表现和整体统计数据。
这是我解释该应用的 loom 视频。
初始设置
- 克隆项目。
git clone https://github.com/FoloUp/FoloUp.git
- 复制现有的环境模板文件
cp .env.example .env
Clerk 设置 (Clerk)
我们使用 Clerk 进行身份验证 (Authentication)。请在 .env 文件中设置 Clerk 环境变量 (Environment Variables)。免费计划应该绰绰有余。
您的
.env（注意：不是.env.local）文件应包含NEXT_PUBLIC_CLERK_PUBLISHABLE_KEY和CLERK_SECRET_KEY变量，且不要加引号。通过导航至 组织设置 页面，在您的 Clerk 应用程序中启用组织 (Organizations) 功能。
- 确保您创建了一个组织并将您的邮箱邀请加入其中。
数据库设置 (Supabase)
Supabase 用于存储数据。设置非常简单，免费计划就足够了。
- 创建一个项目（记下项目的密码）
- 前往 SQL 编辑器并从
supabase_schema.sql复制 SQL 代码
- 运行 SQL 代码以确认表已创建。
- 从项目设置中复制 Supabase URL 和匿名密钥 (anon key)，并将其粘贴到
.env文件中的NEXT_PUBLIC_SUPABASE_URL和NEXT_PUBLIC_SUPABASE_ANON_KEY处。
Retell AI 设置 (Retell AI)
我们使用 Retell AI 管理所有语音通话。他们管理录音存储并提供简单的软件开发工具包 (SDK) 用于集成。他们提供初始免费额度，之后需按量付费。
- 从 Retell AI 仪表盘 创建 API 密钥，并将其添加到
.env文件中的RETELL_API_KEY处。
添加 OpenAI API 密钥
我们使用 OpenAI 生成面试问题并分析回复。成本不会太高。
- 前往 OpenAI 并创建 API 密钥
- 将 API 密钥添加到
.env文件中的OPENAI_API_KEY处。
本地启动
首先安装依赖包：
yarn
运行开发服务器：
yarn dev
用浏览器打开 http://localhost:3000 查看结果。
自托管
我们建议使用 Vercel 来托管应用。
贡献
如果您想为 FoloUp 做出贡献，请随意分叉 (fork) 仓库，进行修改并提交拉取请求 (Pull Request)。欢迎并感谢各种贡献。
有关贡献的详细指南，请阅读 CONTRIBUTING.md 文件。
支持我们 🌟
如果您觉得 FoloUp 有帮助，请考虑在 GitHub 上给我们一颗星！这有助于我们触达更多开发者并继续改进项目。
基于 FoloUp 构建的产品 🚀
联系方式
如果您有任何问题或反馈，请随时通过 suveen.te1[at]gmail.com 联系我们。
许可证
软件代码采用 MIT 许可证授权。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。