md-quiz
Plataforma open source de evaluación online code-first para selección, formación y pruebas técnicas. Gestiona flujos completos con soporte nativo a Git, LLMs para calificación automática y autenticación SMS vía Aliyun.
Ficha actualizada 28 sept 2026, 6:14 · upstream 28 sept 2026, 5:48 · release sin release detectada
Qué es md-quiz
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
md-quiz es una plataforma de evaluación online basada en código (code-first) que centraliza la gestión de cuestionarios, procesos de candidatos, ejecución de pruebas y resultados. Utiliza un DSL llamado QML basado en Markdown para definir tipos de preguntas, reglas de puntuación y temporizaciones, permitiendo mantener el contenido del examen directamente en repositorios Git con control de versiones.
La arquitectura consta de tres componentes principales: API (FastAPI/Node.js), Worker (tareas asíncronas como sincronización de repositorios) y Scheduler. Se despliega típicamente en un único contenedor Docker que aloja todos los procesos junto a una instancia de PostgreSQL. El sistema soporta integración con LLMs compatibles con la API Responses de OpenAI para análisis de respuestas subjetivas y extracción de datos de currículums.
El despliegue es flexible, admitiendo tanto orquestación completa con docker compose como ejecución en el host mediante devctl. Incluye autenticación robusta vía SMS (Aliyun), gestión de sesiones, recuperación de pruebas no finalizadas y exposición de endpoints REST y MCP para automatización.
- Selección de personal: Gestión de convocatorias públicas, envío de enlaces únicos a candidatos y verificación de identidad mediante SMS.
- Formación interna: Creación de cuestionarios para evaluaciones de fin de curso con soporte para preguntas subjetivas y análisis automático.
- Evaluación técnica escalable: Mantenimiento de bases de código en Git para versionar preguntas y descripciones de puestos sin intervención manual.
- Automatización de procesos: Uso de endpoints MCP y REST para integrar la plataforma en flujos de trabajo de RRHH o sistemas ATS externos.
- QML DSL nativo: Formato Markdown extendido para definir exámenes complejos con reglas de puntuación estructuradas.
- Integración Git profunda: Los cuestionarios y descripciones de puestos se versionan directamente en repositorios externos.
- Soporte MCP completo: Exponen capacidades vía protocolo MCP para automatización con agentes de IA.
- Autenticación SMS robusta: Integración nativa con Aliyun Number Verification Service para validación de identidad.
- Dependencia de servicios externos: Requiere claves API válidas de OpenAI-compatible y Aliyun para funcionalidades clave.
- Frontend estático: Utiliza Alpine SPA precompilados, lo que limita la personalización visual sin modificar assets.
- Configuración manual en algunos entornos: En sistemas no Debian/Ubuntu puede ser necesario instalar Node/npm manualmente.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Python 3 y PostgreSQL 16. Para despliegue rápido usar docker compose up -d. Copiar .env.example a .env configurando DATABASE_URL, APP_SECRET_KEY y credenciales de LLM/SMS. En desarrollo local ejecutar scripts/dev/devctl.sh start. Asegurar puertos 8000 (app), 5433 (db) y 3000 (Node). Para producción, considerar escalabilidad horizontal del contenedor app.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.