自动访谈系统在研究、招聘、客服和教育中的应用日益增多，但多数系统采用固定提问序列，缺乏基于上下文的个性化，容易出现重复或无关的追问。为实现随对话进展而动态调整提问深度并保持语义连贯，本文提出一种基于本地大语言模型的可追溯证据动态访谈者架构。系统在整个会话期间实时分析受访者的回答，更新上下文状态，并依据实时推断的专业水平生成匹配的提问、自然的回应以及平滑的转接语。架构由五个模块组成：①任务指令模块，②上下文管理模块，③专业画像模块（M3），④迭代提问生成模块（M4），⑤对话记录持久化模块。M3 通过提示词实时评估受访者的专业程度，与独立报告的专业水平 78.9% 完全一致，加权 Cohen's K 为 $\kappa = 0.80$。M4 在生成提问时表现出显著的专业‑复杂度关联（p=.79），能够根据受访者的知识深度自动调节问题难度。整体系统在 246 名受试者中完成评估，验证了其在保持对话连贯性的同时实现专业适配的有效性。
点评