---

10.1 项目背景与目标

项目背景

求职面试是每个人职业生涯中的关键环节。对于求职者来说，获得充分的模拟面试练习至关重要。一个好的模拟面试官能够帮助候选人熟悉面试流程、检验知识掌握程度、提升沟通表达能力并建立自信。然而，找到真人面试官进行练习成本高昂且不便。因此，我们将利用 Coze 平台，打造一个全天候、可定制、不知疲倦的 AI 面试官。

项目目标

我们将构建一个名为 AI_Interviewer 的 Bot，它需要具备以下核心能力：

1. 角色扮演能力：能够扮演不同岗位（如“产品经理”、“软件工程师”）的面试官，并使用相应的专业术语和提问风格。
2. 多轮对话与追问能力：能够根据候选人的回答，进行有逻辑的、深入的追问，而不是简单地抛出一个又一个孤立的问题。
3. 专业知识储备：掌握特定岗位的核心知识体系。例如，对于软件工程师岗位，它应该能提出关于数据结构、算法、系统设计等问题。
4. 面试流程控制：能够引导整个面试流程，包括开场介绍、提问环节、候选人提问、结束语等。
5. （进阶）面试反馈：能够在面试结束后，对候选人的表现（如知识点掌握、表达清晰度）给出建设性的反馈。
6. （进阶）持久化记录：能够记录每次面试的关键信息，方便候选人回顾。

---

10.2 系统设计与技术选型

内容讲解

为了实现上述目标，我们需要综合运用前面章节学到的所有 Coze 核心功能。这是一个典型的“系统设计”过程，我们需要规划好各个模块如何协同工作。

核心模块设计

1. 人设与提示词 (Prompt)：这是 Bot 的灵魂。我们需要精心设计一个“面试官”人设，它将定义 Bot 的基本行为模式、沟通风格和核心指令。

2. 知识库 (Knowledge)：这是 Bot 专业能力的来源。我们将为不同的面试岗位创建专属的知识库。

   • product_manager_knowledge.txt：包含产品生命周期、用户研究、需求分析、MVP 等核心概念。
   • software_engineer_knowledge.md：包含算法、数据结构、网络协议、设计模式等技术知识点。

3. 工作流 (Workflow)：用于编排复杂的、结构化的面试流程。

   • interview_flow_workflow：负责控制面试的主流程，从开场到结束。
   • feedback_generation_workflow：在面试结束后被调用，用于生成综合反馈。

4. 插件 (Plugin)：用于扩展 Bot 的能力，例如获取实时行业信息。

   • bing_search_plugin：可以让面试官提出一些与当前行业动态相关的问题。

5. 数据库 (Database)：用于记录面试历史。

   • interview_logs 表：存储每次面试的 user_id, job_position, interview_date, questions_and_answers 等信息。

架构图

graph TD
    subgraph AI_Interviewer_Bot
        A[用户输入] --> B{人设与回复逻辑 (Prompt)};
        B -- 触发 --> C[工作流: interview_flow];
        C -- 获取问题 --> D[知识库: Position Knowledge];
        C -- 追问/评估 --> E[LLM 节点];
        C -- 获取实时信息 --> F[插件: Bing Search];
        B -- 记录过程 --> G[数据库: interview_logs];
        B -- 生成反馈 --> H[工作流: feedback_generation];
        B --> I[Bot 回复];
    end

---

10.3 分步实现

第一步：构建基础知识与人设

1. 创建知识库：创建至少两个知识库文件（例如，产品经理和软件工程师），并填充核心知识点。

2. 配置 Bot：

   • 创建一个新的 Bot AI_Interviewer。
   • 将创建好的知识库挂载到 Bot 上。
   • 编写核心 Prompt：这是最关键的一步。你需要明确指示 Bot 的角色、目标、提问逻辑和约束。

   # 角色
   你是一名资深的 AI 面试官。
   
   # 技能
   1.  **岗位选择**：你能根据用户指定的岗位（如“软件工程师”）进行面试。
   2.  **知识调用**：你能从知识库中提取相关知识点来提问。
   3.  **逻辑追问**：你会根据我的回答进行 1-2 次深入追问。
   4.  **流程控制**：你会引导整个面试，一次只问一个问题。
   
   # 工作流程
   1.  首先，询问我想要面试哪个岗位。
   2.  根据我选择的岗位，从相应的知识库中选择一个知识点开始提问。
   3.  在我回答后，对我回答中的关键点进行追问。
   4.  完成一个知识点的讨论后，继续下一个知识点的提问。
   5.  面试持续 3-5 个问题后，询问我是否有问题想问你。
   6.  最后，礼貌地结束面试。
   
   # 限制
   - 严格扮演面试官角色，不要暴露你是 AI。
   - 保持专业、客观、中立的语气。
   - 你的回答应该简洁、清晰。
   

第二步：实现面试流程工作流（进阶）

• 创建 interview_flow_workflow。
• Start 节点：接收 job_position。
• LLM 节点 1：生成开场白。
• Loop 节点：循环 3-5 次，代表提问环节。
  • 知识库搜索节点：在循环内部，根据 job_position 从知识库中随机检索一个未提问过的问题。
  • LLM 节点 2：将检索到的问题包装成面试官的提问语气。
• LLM 节点 3：生成结束语。

第三步：添加面试记录功能（进阶）

• 创建 interview_logs 数据库表。
• 在 Bot 的 Prompt 或工作流中，配置数据库节点，在每次问答后，将问题和用户的回答追加写入到数据库中对应的 questions_and_answers 字段。

---

10.4 测试、部署与未来展望

测试

• 角色扮演测试：分别以“产品经理”和“软件工程师”候选人的身份与 Bot 对话，检查其提问是否专业、追问是否到位。
• 流程健壮性测试：尝试中断流程、回答“我不知道”等，观察 Bot 的反应。
• 知识库边界测试：询问知识库中没有的、非常偏门的问题，看 Bot 是否会胡编乱造，还是会诚实地表示不了解。

部署

• 发布到飞书/豆包：让你的朋友或同事通过聊天工具来体验 AI 面试官，并收集反馈。
• 集成到求职网站：使用 Web SDK，将 AI 面试官作为增值服务，嵌入到求职招聘网站的个人中心页面。

未来展望

• 语音面试：集成语音识别（ASR）和语音合成（TTS）能力，实现更真实的语音模拟面试。
• 简历解析：允许用户上传简历，Bot 能自动解析简历内容，并就简历中的项目经历进行提问。
• 多维度能力评估：在面试反馈中，从“技术深度”、“逻辑思维”、“沟通表达”等多个维度对候选人进行打分和评价。
• 自适应难度：根据候选人的回答水平，动态调整后续问题的难度。

---

课程总结

恭喜你完成了 Coze 从入门到实战的全部课程！通过构建“AI 面试官”这个综合项目，我们把人设、知识库、工作流、插件、数据库等所有核心概念融会贯通，将一个简单的想法，一步步变成了一个功能强大、有实际应用价值的 AI 应用。这趟旅程不仅让你掌握了 Coze 平台的使用技巧，更重要的是，它为你打开了一扇通往未来 AI 应用开发世界的大门。希望你带着这份知识和经验，继续探索、创造，构建出更多、更有趣、更有价值的 Bot！