N.O.V.A.
基于多智能体架构的AI面试准备与学习系统，通过六步教学循环（出题、评估、追问、解释、弱点追踪、个性化计划）帮助用户从错误中学习，而非单纯刷题。
时间轴 (近 90 天)
N.O.V.A. 是基于 Next.js 和 NVIDIA 模型服务构建的 AI 面试准备工具，采用多智能体架构，包含六步学习循环。
N.O.V.A. 的流程包含六个阶段：按候选人水平出题、从准确性/清晰度/完整性/推理四个维度评估、自适应追问、卡住时解释概念、追踪弱点和误解、生成个性化准备计划。
当候选人回答“我不知道”时，系统将此次尝试记为 0 分，并由教师智能体输出结构化课程，包含通俗解释、技术细节、真实案例、可选示意图、面试可用的简洁回答、常见错误和追问问题。
N.O.V.A. 将错题存入“错误笔记本”，按 1→2→4→7→15→30 天的间隔重复复习。
N.O.V.A. 使用 SQLite 作为数据库，本地使用内置 node:sqlite，云端使用 Turso 嵌入式副本以避免临时磁盘宿主上的数据丢失。
N.O.V.A. 通过 NVIDIA 的 OpenAI 兼容 API 调用模型，密钥加密存储且不下发浏览器。
N.O.V.A. 采用多智能体设计，每个角色（面试官、出题器、答案评估器、教师、编程面试官、代码审查、系统设计评估、招聘委员会等）独立成 agent，每个 agent 返回严格 JSON 输出。
推理模型有时需要 20–70 秒响应，并可能截断 JSON。
N.O.V.A. 在首题超过 12 秒或 JSON 非法时，回退到人工校验的题库并用关键词覆盖度打分，报告会标注来源。
N.O.V.A. 即使关掉 AI 也能端到端运行。
还有 3 条时间轴事件
全部知识事实 (13)
N.O.V.A. 是基于 Next.js 和 NVIDIA 模型服务构建的 AI 面试准备工具，采用多智能体架构，包含六步学习循环。
50%待验证N.O.V.A. 的流程包含六个阶段：按候选人水平出题、从准确性/清晰度/完整性/推理四个维度评估、自适应追问、卡住时解释概念、追踪弱点和误解、生成个性化准备计划。
50%待验证当候选人回答“我不知道”时，系统将此次尝试记为 0 分，并由教师智能体输出结构化课程，包含通俗解释、技术细节、真实案例、可选示意图、面试可用的简洁回答、常见错误和追问问题。
50%待验证N.O.V.A. 将错题存入“错误笔记本”，按 1→2→4→7→15→30 天的间隔重复复习。
50%待验证N.O.V.A. 使用 SQLite 作为数据库，本地使用内置 node:sqlite，云端使用 Turso 嵌入式副本以避免临时磁盘宿主上的数据丢失。
50%待验证N.O.V.A. 通过 NVIDIA 的 OpenAI 兼容 API 调用模型，密钥加密存储且不下发浏览器。
50%待验证N.O.V.A. 采用多智能体设计，每个角色（面试官、出题器、答案评估器、教师、编程面试官、代码审查、系统设计评估、招聘委员会等）独立成 agent，每个 agent 返回严格 JSON 输出。
50%待验证推理模型有时需要 20–70 秒响应，并可能截断 JSON。
50%待验证N.O.V.A. 在首题超过 12 秒或 JSON 非法时，回退到人工校验的题库并用关键词覆盖度打分，报告会标注来源。
50%待验证N.O.V.A. 即使关掉 AI 也能端到端运行。
50%待验证N.O.V.A. 通过 Pyodide 在 Web Worker 中运行 Python 并限时，通过编译为 WebAssembly 的 SQLite 运行 SQL，参考解答在用户解题前留在服务端。
50%待验证N.O.V.A. 使用指数移动平均（EMA）更新掌握度，公式为新掌握度 = α × 本次得分 + (1-α) × 旧掌握度，α 通常取 0.2–0.4。
50%待验证作者承认目前缺乏严谨的评估方法来证明反馈的有效性，仅通过“我不知道”课程加后续重试后掌握度是否上升来判断。
50%