不用手工筛简历，Coze平台帮你搭建AI面试官，效率飙升99%！-课多多

不久后，秋招就要开始了，HR们往往被海量的简历和面试者淹没。

如何在有限的时间内，对每位面试者进行高效、精准的提问与评估，无疑是一项巨大的挑战。

传统的人工操作不仅耗时耗力，还可能因为主观因素导致评估偏差。

想象一下，如果有一个智能助手能帮你自动生成定制化的面试题目，并对回答进行专业评估，那该是多么高效便捷！

今天，我们就来揭秘如何利用 Coze 平台，搭建一个能够定制面试题目并智能评估回答的面试小助手，彻底解放你的双手，让招聘工作事半功倍！

一个清晰的工作流是高效智能体的基础。

我们的智能体将大致遵循以下流程： 接收简历 -> 整理简历内容 -> 生成面试问题 -> 模拟面试问答 -> 评估回答 -> 输出评估结果 。

在工作流的起始，我们需要设置两个输入参数：

添加“文件读取”插件节点，并将其输入变量设置为“开始节点上传的文件”。这样，智能体就能自动读取简历内容。

读取文件内容后，添加一个 大模型节点 ，用于整理简历内容。

输入变量 ：设置为文件读取节点的输出。
系统提示词 ：引导大模型专注于简历中的核心信息，例如：“你是一个简历分析专家，请从用户提供的简历中提取关键信息，包括但不限于教育背景、工作经验、项目经历、技能特长等，并整理成简洁明了的文本。”

接下来，再添加一个 大模型节点 ，依据整理后的简历内容生成面试问题。

输入参数 ：设置为简历整理节点的输出。
系统提示词 ：非常关键，例如：“你是一个资深面试官，请根据提供的简历内容，为面试者设计5-8个针对性强、能够深入考察其能力和经验的面试问题。问题应覆盖技术能力、项目经验、解决问题能力和团队协作等方面。请以数组形式返回这些问题。”（此处强调以数组形式返回，便于后续循环处理）
输出变量 ：设置为 字符串类型的数组 ，这样每个问题都能独立作为循环的输入。

为了模拟真实的面试场景，我们需要添加一个 循环节点 。

在循环体内部，核心是 问答节点 和 文本处理节点 ：

问答节点 ：用于向面试者提出问题并接收回答。
- 输入：设置为当前循环到的面试题目。
- 提问内容 ：直接引用循环中的题目变量。
- 回答类型 ：选择“直接问答”。

文本处理节点 ：用于拼接面试问题和回答，为后续评估做准备。
- 输入变量 ：设置为问答节点的输出（即面试者的回答）。
- 拼接字符串 ：例如，将问题和回答拼接成“问题：[问题内容]n回答：[回答内容]n—”的形式，便于阅读和理解。

循环结束后，添加一个 大模型节点 ，对面试者的回答进行综合评价。

输入：设置为循环节点的最终输出（包含所有问题和回答的记录）。
系统提示词 ：指导大模型进行专业评估，例如：“你是一位经验丰富的招聘经理，请根据提供的面试问题和面试者的回答，对面试者的表现进行全面评价。评价内容应包括：1. 针对每个问题的回答质量分析。2. 总体表现总结（例如：沟通能力、专业知识掌握程度、解决问题能力等）。3. 给出最终的推荐或不推荐意见及理由。请以清晰、结构化的文本形式输出评价结果。”