DevSpeak.

从懂技术，到用英语讲清楚

开发者可能熟悉技术，却难以用英语说明项目职责、解释方案取舍，或接住面试官的追问。DevSpeak 围绕这些具体场景组织练习，让技术词汇、表达和对话发生在同一个学习过程中。

它面向技术面试与工作沟通，而非通用编程教学。当前也在探索更聚焦的 Java 后端工程师面试训练。

一个产品的学习与内容两端

学习应用包含技术词汇、场景学习、文本或语音对话、角色扮演与学习记录。内容管理后台维护场景、步骤、剧本与轮次，后端连接内容、会话和语音处理，让练习内容可以持续调整。

项目源代码已在 GitHub 公开，统一仓库包含四个应用：Taro / React 学习客户端、Java 17 / Spring Boot 后端、React / TypeScript 内容管理后台，以及 Next.js 项目介绍与候补名单页面。

客户端包含 H5、React Native 与小程序方向的源码。AI 对话和语音识别、合成、发音评测通过服务接口接入；不同能力的可用状态分别处理。

根据回答缺口继续追问

固定问题容易让练习变成背稿。项目经历深挖的新流程尝试先提取用户说过的事实，再判断是否需要补充个人行动、技术权衡或结果。

回答 → 提取有原话支持的证据 → 识别缺口 → 追问或结束

模型返回的引用必须能在回答原文中找到，输出还需通过结构校验。追问规则限制次数，提取失败时明确返回不可用。能力卡片、追问策略和回归样本独立组织，减少专业内容对大段提示词的依赖。

这部分已接入可开关的灰度原型，默认关闭；现有样本仍是待审核的测试资产，尚不能据此宣称真实模型的准确率。

当前进展

当前是开发中的产品 MVP。综合评估仅覆盖部分维度，缺失项明确标注；部分旧对话路径在外部服务异常时仍会返回预设回复，需要继续完善。跨平台真机体验与完整训练流程也尚未完成验收。

这个项目展示的是垂直学习产品、内容组织与 AI 反馈的工程探索。若想交流产品方向或了解进展，欢迎邮件联系。