v0.1.0 版本说明

发布日期: 2025-12-10 版本类型: 首发版本 稳定性: 稳定

版本概述

CueMate v0.1.0 是首个正式发布版本，标志着项目从测试阶段进入生产就绪状态。本版本包含完整的核心功能，支持实时语音识别、多模型 AI 回答、知识库增强等功能。

新增功能

1. feat(install): 提供 macOS DMG 一键安装包，通过简单便捷的安装面板快速部署应用

CueMate 提供标准的 macOS DMG 安装包，支持 Apple Silicon（M1/M2/M3）和 Intel 双架构。内置安装向导会自动引导完成环境检测、Docker 配置、服务部署等全部流程，用户无需任何技术背景即可完成安装。

下载并打开安装包

根据 Mac 芯片类型选择对应的安装包：

• Apple Silicon (M1/M2/M3)：CueMate-v0.1.0-macos-arm64-offline.dmg
• Intel 芯片：CueMate-v0.1.0-macos-x64-offline.dmg

双击下载的 DMG 文件，macOS 会自动挂载磁盘镜像，弹出安装窗口。

安装向导引导

安装向导包含 8 个步骤，会自动引导完成整个安装过程：

1. 欢迎：介绍 CueMate 功能
2. 许可协议：阅读并同意软件许可协议
3. 安装位置：选择安装目录（默认 /Applications）
4. 磁盘检测：确认至少 10GB 可用空间
5. Docker 检查：检测并自动配置 Docker Desktop
6. 端口检查：检测 80、3001、3002、3003、8000、10095 端口占用
7. 镜像加载：加载后端服务镜像并启动服务
8. 完成：自动启动 CueMate 桌面应用

首次使用授权

安装完成后首次使用时，系统会弹出权限请求：

• 麦克风权限：用于识别您的语音输入
• 录屏与系统录音权限：用于捕获系统音频（识别面试官语音），仅捕获音频不录制画面

点击「允许」即可完成授权。授权后使用内置账号登录（用户名：admin，密码：cuemate）即可开始使用。

总结

macOS DMG 安装包集成了完整的安装向导，自动处理环境检测、依赖安装、服务部署等复杂流程。用户从下载到开始使用，整个过程约 5 分钟。双架构支持确保在所有主流 Mac 设备上的兼容性，支持 macOS 13.0 (Ventura) 及以上版本。

2. feat(desktop): 桌面应用提供便捷的操作界面，一键启停服务、快速开启面试

CueMate 桌面应用采用悬浮控制栏 + 主应用窗口的双层界面设计，既不遮挡其他应用，又能快速访问所有功能。

悬浮控制栏

启动 CueMate 后，屏幕顶部会显示悬浮控制栏，提供常用功能的快捷入口：

• CueMate 图标：点击打开官方网站
• 语音识别：启动语音识别，打开面试功能窗口
• 提问 AI：快速向 AI 提问
• 交互模式：切换窗口点击穿透模式
• 主应用窗口：打开后台管理界面
• 显示/隐藏：隐藏或显示控制栏及所有窗口

主应用窗口

点击控制栏最右侧按钮打开主应用窗口。主页提供面试训练的快速入口，选择已创建的岗位后可启动两种训练模式：

• AI 模拟面试：AI 扮演面试官角色，自动提问，实时评估回答质量
• LIVE 面试训练：真人（朋友）提问，CueMate 实时识别问题并提供答案建议

容器监控

通过顶部菜单进入容器监控页面，实时监控所有后端 Docker 容器：

• 统计卡片显示总容器数、运行中、已停止的数量
• 列表展示每个容器的名称、镜像、状态、端口、大小
• 支持重启容器、查看容器日志
• 每 30 秒自动刷新状态

总结

桌面应用将复杂的微服务架构隐藏在简洁的界面之下。悬浮控制栏常驻屏幕顶部，随时可用；主应用窗口提供完整的后台管理功能；容器监控让用户随时了解系统运行状态。

3. feat(system): 支持系统设置与管理，包含用户账号、语音配置、语言偏好、默认模型、Prompt 管理等功能

CueMate 提供完善的系统设置功能，用户可以根据个人需求自定义各项配置。

系统设置

通过顶部菜单进入系统设置页面，分为三个区块：

系统偏好设置：

• 语言选择：简体中文、繁體中文、English
• 主题切换：浅色、深色、自动（跟随系统）
• 时区设置：支持北京、香港、日本、太平洋、伦敦时间
• 大模型服务商：选择默认使用的 LLM 模型

悬浮窗设置：

• 点击穿透模式：切换交互模式和穿透模式（快捷键 ⌘⇧CM）
• 窗口高度：50% / 75% / 100% 屏幕高度

账户信息：用户名、邮箱、修改密码

Prompt 管理

Prompt 管理页面用于管理 AI 提示词模板，定义了 AI 的行为和响应方式：

• 查看列表：显示所有 Prompt 的 ID、描述、来源（Desktop/Web）、模板变量
• 编辑 Prompt：修改内容，模板变量自动保护防止误删
• Extra 配置：JSON 格式的额外参数，如 {"totalQuestions": 10}，无需修改 Prompt 内容即可调整参数
• 版本恢复：查看历史版本并恢复

模板变量使用 ${variableName} 格式，如 ${jobPosition.title}、${resume.content}，运行时自动替换为实际值。

总结

系统设置和 Prompt 管理功能让用户可以灵活自定义 CueMate 的行为。系统偏好和悬浮窗设置优化日常使用体验，Prompt 管理则让高级用户能够调整 AI 的回答风格和评分标准。

4. feat(logs): 完整的日志管理系统，支持按时间和级别查看桌面客户端及各服务的运行日志、操作日志和容器监控信息

CueMate 提供完整的日志管理系统，记录桌面客户端和所有后端服务的运行日志。

日志筛选与列表

通过顶部菜单进入日志管理页面，支持三维度筛选：

• 按项目（服务）：web-api、llm-router、rag-service、desktop-client
• 按级别：DEBUG（灰色）、INFO（蓝色）、WARN（黄色）、ERROR（红色）
• 按日期：选择具体日期查看当天日志

日志列表显示每个日志文件的服务名称、级别、日期、文件大小，支持查看、清理、删除操作。

日志查看器

点击「查看」按钮打开侧拉弹框，可查看完整日志内容：

• 日志按行显示，每行可单独选择
• 支持全选、复制选中、复制全部
• JSON 格式日志自动语法高亮
• 显示总行数统计

日志清理

• 清理单个文件：清空内容但保留文件
• 清理今日日志：批量清空所有今日日志
• 删除文件：彻底删除日志文件

所有日志按服务和日期分类存储在 ~/Library/Application Support/cuemate-desktop-client/data/logs/{service}/{date}/ 目录，默认保留 30 天。

总结

日志管理系统为用户提供了完整的系统运行可视化能力。多维度筛选让用户能够快速定位问题日志，查看器支持选择和复制便于问题排查和反馈。

5. feat(llm): LLM 模型配置，支持 24+ 种主流大语言模型服务商的统一管理，用户自定义选择模型

CueMate 支持公有云模型和私有部署模型的统一管理，通过直观的配置界面添加、编辑和测试 LLM 模型。

支持的服务商

• 公有云模型（16 个）：OpenAI、Anthropic (Claude)、Google Gemini、DeepSeek、Moonshot (Kimi)、智谱 AI、通义千问（阿里云百炼）、腾讯混元、讯飞星火、火山引擎（豆包）、百度千帆、商汤日日新、百川智能、MiniMax、阶跃星辰、SiliconFlow
• 云平台服务（3 个）：Azure OpenAI、Amazon Bedrock、腾讯云
• 私有部署（5 个）：Ollama、vLLM、Xinference、本地模型、Regolo

页面布局

左右分栏设计：

• 左侧导航树：全部模型 / 公有模型 / 私有模型，支持按服务商筛选
• 右侧模型列表：卡片式展示，显示模型名称、服务商图标、连通状态（已连通/不可用）

添加和配置模型

1. 点击「添加模型」选择服务商
2. 填写模型名称、选择基础模型（如 gpt-5、claude-sonnet-4-5）
3. 配置凭证：API Key、Base URL
4. 高级参数：temperature、max_tokens、top_p 等
5. 点击「测试连接」验证配置

每个服务商都提供「查看配置文档」链接，点击跳转到对应的配置说明。

总结

LLM 模型配置功能将复杂的多服务商管理简化为直观的界面操作。支持 24+ 种服务商，涵盖国际主流和国产大模型，以及私有部署方案。统一的配置界面和测试连接功能确保每个模型都能正常工作。

6. feat(job): 岗位管理，创建面试岗位并填写详细 JD 描述，AI 模拟面试时根据岗位智能生成提问与答案

岗位管理是 CueMate 面试准备流程的第一步。用户可以创建目标岗位、填写职位描述（JD）、上传简历，后续的 AI 模拟面试、面试训练都会基于这些信息生成针对性内容。

新建岗位向导

新建岗位采用 3 步向导流程：

第 1 步 - 填写岗位信息：输入岗位标题和详细的岗位描述（JD）。右侧提供示例岗位参考，点击可快速带出默认值。JD 内容是 AI 生成针对性面试题目的重要依据，建议包含岗位职责、技术栈要求、工作年限、学历要求等信息。

第 2 步 - 上传简历：支持 PDF、DOCX 格式文件上传（最大 10MB），系统自动提取文本内容。也可以手动粘贴简历内容。简历信息用于 AI 提供更贴合个人背景的回答建议。

第 3 步 - 创建完成：岗位创建成功后，提供 5 个快捷操作按钮，可以直接开始模拟面试、新建另一个岗位、前往向量知识库同步数据、或添加面试押题。

岗位列表管理

岗位列表页面采用左右布局：左侧显示所有已创建的岗位列表，右侧是编辑区域。点击左侧任意岗位，右侧显示该岗位的详细信息，可以直接编辑岗位标题、JD 描述和简历内容。修改后点击「保存修改」按钮保存。

底部状态指示器显示向量同步状态：红色表示已修改但未同步，绿色表示已同步可正常使用。修改岗位信息后需要前往向量知识库页面手动同步，才能在面试训练中使用最新内容。

AI 简历优化

岗位列表页提供 AI 简历优化功能。点击「简历优化」按钮，打开优化记录列表，可以查看所有历史优化记录。点击「新建优化简历」，AI 会根据 JD 要求分析简历并生成优化建议，优化方向包括：突出匹配技能、量化成果数据、优化表达逻辑、补充关键词。

优化详情页提供对比模式，使用 Diff 视图显示优化前后的差异（红色删除、绿色新增）。还支持迭代优化功能，可以基于优化后的简历继续优化，逐步提升简历质量。满意后点击「应用此版本」将优化结果应用到岗位。

7. feat(resume): 简历管理与 AI 优化，支持多格式简历上传和智能优化建议

简历管理功能集成在岗位列表页面中，与岗位信息紧密关联。支持上传 PDF、DOCX 格式的简历文件，系统自动提取文本内容，并基于岗位 JD 提供 AI 智能优化功能。

上传简历文件

在岗位列表页面，点击「上传简历文件」按钮，弹出简历上传侧拉窗。支持点击或拖拽文件到上传区域，文件格式要求：

• PDF 格式：自动提取文本内容
• DOCX 格式：Word 文档（不支持旧版 DOC 97-2003 格式）
• 文件大小：最大 10MB

上传成功后，提取的文本会显示在编辑区域，可以手动修正提取错误或补充遗漏信息。建议保留与岗位相关的技术栈、项目经历、学历和工作年限等核心内容。

查看已上传的简历

当岗位已上传过简历文件后，页面顶部会显示黄色的「已上传的简历」按钮。点击后打开简历预览侧拉窗，支持：

• 文件预览：PDF 使用浏览器内置查看器，DOCX 使用专业渲染库保留格式
• 下载文件：点击右上角「下载文件」按钮下载简历
• 删除文件：移除简历文件记录（仅清空数据库中的文件路径，物理文件需手动清理）

AI 简历优化流程

点击「简历优化」按钮，打开优化记录列表侧拉窗，显示所有历史优化记录。点击「新建优化简历」，AI 会读取当前岗位的 JD 和简历内容，通过 LLM Router 发送优化请求。优化过程需要几秒到几十秒，期间显示加载遮罩。

优化完成后自动打开详情页，使用 Diff 视图对比优化前后的差异：红色表示删除内容，绿色表示新增内容。可切换到编辑模式手动微调结果。

支持迭代优化功能：基于当前优化后的简历继续优化，逐步提升质量。每次迭代创建新记录，保留完整优化历史。满意后点击「应用此版本」，将优化结果更新到岗位的简历内容中。

8. feat(knowledge): 面试押题和知识库管理，同步至向量数据库以增强答案检索准确性

面试押题功能允许用户创建面试问题和参考答案，构建个性化的知识库。所有押题会同步到 ChromaDB 向量数据库，在 AI 回答问题时自动检索相关内容（相关度 ≥ 80%），提供更精准的个性化答案。

面试押题页面

面试押题页面采用左右布局：左侧显示所有岗位及题目数量，右侧以卡片网格形式显示题目。每个题目卡片包含序号、标题、标签、描述（最多 4 行）、创建时间、同步状态指示器（绿色已同步/琥珀色未同步）、编辑和删除按钮。

支持按标签筛选题目。点击「创建新题目」打开抽屉，填写题目标题、标签和描述（建议包含核心答案、详细说明、常见追问）。还提供标签管理功能，可以添加、删除标签。

同步到向量库

在押题页面点击「同步到向量库」按钮，打开同步抽屉，显示题目同步状态统计（总题目数、已同步数、未同步数）。点击「批量同步当前岗位的押题到向量库」按钮，系统调用 RAG Service API 将题目内容向量化并存储到 ChromaDB。新创建或修改的题目需要手动同步后才能在面试训练中被检索到。

向量知识库页面

向量知识库页面提供六个标签页：岗位信息、简历信息、面试押题、同步状态、其他文件、AI 向量记录。在「同步状态」标签页可以执行「一键同步所有数据」，将岗位、简历、押题一次性同步到向量库。「其他文件」标签页支持上传 PDF、Word、文本等文件，或直接添加文本内容作为补充知识来源。「AI 向量记录」标签页展示面试过程中使用知识的记录，帮助分析知识使用情况和效果。

9. feat(interview): 面试模式，支持 AI 模拟面试、面试训练、语音提问三种场景

CueMate 提供三种不同的面试训练模式，满足不同阶段和场景的需求。从独自练习的 AI 模拟面试，到真实面试中的实时辅助，再到快速查询的语音提问，全方位提升面试能力。

AI 模拟面试

AI 模拟面试由 AI 扮演面试官角色，自动提问并评估你的回答。系统打开三个窗口：左侧 AI 面试官窗口（显示问题和控制面板）、中间对话窗口（显示 AI 参考答案和用户回答）、右侧历史记录窗口。

AI 根据岗位 JD、简历内容和押题库智能生成问题，使用 Piper TTS 语音播报。支持手动模式（点击"回答完毕"提交）和自动模式（静音自动提交）。整个过程循环进行"AI 提问 → AI 给出参考答案 → 用户回答 → 提交"，直到完成所有问题或主动结束。面试结束后可在面试复盘页面查看综合评分和详细报告。

面试训练（LIVE）

面试训练用于真实面试场景，实时识别面试官问题并给出答案建议。系统通过 AudioTee 技术捕获面试软件（腾讯会议、Zoom、钉钉、飞书等）的音频输出，无需面试官配合。

当面试官提问时，系统自动识别并显示问题文字。支持手动模式（点击"确认问题"触发答案生成）和自动模式（静音 + 问题 ≥5 字自动触发）。AI 优先从押题库匹配答案（相似度 ≥80%），无匹配则根据 JD 和简历实时生成。答案显示在中间窗口，供你参考后用自己的语言回答。

语音提问

语音提问是最灵活的方式，适合快速查询技术问题和面试题答案。支持文字输入和语音输入两种方式，点击"按住说话"进行语音输入，系统实时识别并转为文字。

AI 实时分析问题并流式返回答案，支持 Markdown 格式显示。提供快捷操作：追问更多内容、新建提问、复制对话内容。所有问答记录自动保存到 AI 对话记录页面。

10. feat(voice): 实时语音识别，双通道音频捕获自动区分并显示面试者和面试官的语音内容

CueMate 的核心技术之一是实时语音识别。基于 cuemate-asr（FunASR）语音识别服务，系统通过两个独立的音频通道捕获面试双方的语音并转换为文字。

语音识别设置

语音设置页面提供五个配置标签页：设备配置（麦克风、扬声器）、FunASR 配置（识别模式、采样率、音频块参数）、AudioTee 配置（系统音频捕获参数、进程过滤）、Piper TTS 配置（语音合成语言和速度）、测试配置（测试时长、识别长度限制）。

麦克风用于捕获用户语音输入，扬声器用于两个功能：一是播放 Piper TTS 生成的答案语音，二是通过 AudioTee 捕获面试软件（腾讯会议、Zoom、钉钉、飞书等）的音频输出，实现对面试官语音的识别。

双通道音频捕获

系统使用两个独立的音频通道：

• 麦克风通道：捕获用户语音，通过 FunASR 实时转文字
• AudioTee 通道：捕获系统音频（面试软件播放的面试官语音），通过 FunASR 实时转文字

FunASR 支持三种识别模式：在线模式（实时流式，低延迟）、离线模式（录音后识别，准确率高）、两遍模式（先在线后离线优化）。支持中英文识别，自动断句和标点。

语音合成（Piper TTS）

Piper TTS 是本地神经网络语音合成系统，将 AI 生成的答案转换为自然流畅的语音播报。支持中文（花颜女声）和英文（Amy 女声）两种语音模型。语音速度可调（0.5-2.0 倍速），通过扬声器播放，解放双眼专注思考。

语音测试

语音测试页面用于验证麦克风和扬声器的语音识别能力。麦克风测试验证用户语音输入是否正常；扬声器测试验证 AudioTee 能否正确捕获系统音频。测试前需授予麦克风权限和"录屏与系统录音"权限。

权限要求说明：

• 麦克风权限：用于识别您的语音
• 录屏与系统录音权限：macOS 系统要求，用于 AudioTee 捕获系统音频（识别面试官语音）

11. feat(history): 面试记录与复盘分析，查看完整对话历史和统计数据

CueMate 提供两个独立的记录查看页面：面试复盘用于分析模拟面试和面试训练的表现，AI 对话记录用于管理所有 AI 对话历史。

面试复盘

面试复盘页面以时间轴形式展示所有历史面试记录，按时间倒序排列。每个面试卡片显示：AI 模型、面试时长、题目数、面试类型（模拟面试/面试训练）、回答模式（自动/手动）、状态、优缺点数量。卡片可展开查看岗位描述和简历内容。

点击"查看详情"进入面试详情页，包含三个标签页：

• 面试概要：五维能力雷达图（互动性、自信度、专业性、回答相关性、表达流畅性）、综合评分（0-100 分）、面试时长、问题数量、整体总结、优缺点分析、改进建议
• 问题分析：逐题展示面试官问题、用户回答、考察点和评价、参考回答、优缺点分析、改进建议
• 面试官剖析：契合度评估（圆环图）、面试官分析（角色、MBTI、个人特质、对候选人的偏好）、候选人分析、沟通策略建议

AI 对话记录

AI 对话记录页面用于管理所有通过 CueMate 进行的 AI 对话。顶部展示 8 个统计卡片：今日对话、今日问题、总对话数、总问题数、进行中、已完成、失败、总 Token。

支持多维度筛选：按状态（全部/进行中/已完成/失败）、按模型服务商（OpenAI/Claude/GLM/Qwen/Moonshot 等）、关键词搜索。对话列表以表格形式展示，包含对话信息、消息统计、创建/更新时间、状态。点击"查看详情"打开抽屉，查看完整的用户问题和 AI 回答内容，支持 Markdown 渲染。

技术架构

前端技术栈:

• React 18.2-18.3 + TypeScript 5.2-5.5
• Electron 39.2.2（桌面应用框架，内置 Node.js 22.21.1、Chromium 142.0.7444.162、V8 14.2.231.18）
• Vite 5.2-5.4（构建工具）
• Ant Design 5.27.3（UI 组件库）
• Tailwind CSS 3.4.14（样式框架）

后端技术栈:

• Node.js 20.x/22.x + TypeScript 5.5.4（web/web-api 使用 20.x，llm-router/rag-service 使用 22.x）
• SQLite + better-sqlite3 9.6.0（本地数据库）
• Docker Compose（服务编排）
• Nginx（Web 静态服务）

AI 服务:

• cuemate-asr（阿里达摩院开源语音识别服务）
• ChromaDB 3.1.5（向量数据库）
• OpenAI / Anthropic / Google / 国内 LLM 服务商

音频处理:

• Core Audio Taps（系统音频捕获）
• Piper TTS（本地神经网络语音合成）
• FFmpeg 7.0.1（音频处理）

平台支持

• macOS 13.0 (Ventura) 及以上版本
• Apple Silicon（M1/M2/M3）和 Intel 双架构支持
• Windows 支持（计划中）

文档资源

• 快速开始
• 功能手册
• 常见问题

下载地址

macOS 安装包

CueMate 提供两种下载渠道，请根据网络环境选择：

方式一：百度网盘（推荐国内用户）

下载链接：https://pan.baidu.com/s/15jwZHy8YkDa4cEDLIYRo9Q?pwd=3477

提取码：3477

手机扫码访问：

下载步骤：

1. 点击上方链接或扫描二维码访问百度网盘
2. 输入提取码 3477
3. 选择 v0.1.0 版本文件夹
4. 根据你的芯片类型下载对应的安装包：
   • Apple Silicon (M1/M2/M3)：CueMate-v0.1.0-macos-arm64-offline.dmg
   • Intel 芯片：CueMate-v0.1.0-macos-x64-offline.dmg
5. 点击「下载」按钮，保存到本地

优势：国内下载速度快，无需科学上网

方式二：GitHub Release（推荐海外用户）

访问 GitHub Releases 页面下载：

下载地址：https://github.com/cuemate-chat/cuemate/releases/tag/v0.1.0

安装包列表：

• Apple Silicon (M1/M2/M3)：CueMate-v0.1.0-macos-arm64.dmg
• Intel 芯片：CueMate-v0.1.0-macos-x64.dmg

SHA256 校验和：

• Apple Silicon: f7928cdf6354e6996ec681ad2599c7519bf9cda0c6f76cc7ffc2a445130297b9
• Intel: cc3bc4a7c43a1e0f2dd1098a510a6f924d589cb21f8fb215f659976a584dc2b0

Windows 安装包

开发中

Windows 版本正在开发中，预计在下一个大版本发布。当前版本仅支持 macOS 平台。

关注以下渠道获取 Windows 版本的最新进度：

• GitHub Releases
• 更新日志

反馈渠道

发现问题或有建议？欢迎通过以下方式反馈：

• GitHub Issues: https://github.com/cuemate-chat/cuemate/issues
• 邮箱: nuneatonhydroplane@gmail.com
• 讨论区: https://github.com/cuemate-chat/cuemate/discussions

感谢使用 CueMate！