Coze 平台 AI 面试助手完整项目总结
本项目是 Coze 平台综合实战案例，面向大模型算法求职者打造一站式面试辅导智能体，整合 6 大功能模块，完整运用私有数据、多模态、循环、分治、RAG 等进阶技术，兼顾学生自测与教师批量处理两类场景。
一、四大核心业务模块
简历评估模块
先通过 OCR 插件提取 PDF/Word 简历文本，搭配数据库存储、查询简历违禁词，同时插件获取当前时间用于校验从业年限。采用 256K 长上下文模型，运用分治策略将简历拆分为个人信息、技能、学历、工作、项目、自我评价六大板块，各板块并行评估提升效率。项目内容单独走循环流程，结合知识库比对查重，最后汇总所有问题生成完整简历整改报告。
录音分析模块
依托 ASR 语音插件解析面试音频，LLM 区分面试官与考生对话，拆分自我介绍和问答组。循环遍历每道面试题，检索面试知识库匹配标准答案，无匹配内容联网补充，按 A-D 等级评价作答优劣，最终输出完整面试复盘报告，清晰标注知识短板与表达问题。
面试题生成模块
复用简历分块逻辑提取技术技能、项目内容，读取数据库内历史高频面试题。分两条循环链路出题：基于技能检索生成技术基础题，基于项目背景、指标、技术难点深挖实操题，最后去重、均衡题型，补充人事综合问题，输出定制面试题库。
智能体编排总入口
采用自助规划单 Agent 架构，编写人设路由提示词，自动识别用户需求：上传简历 / 音频、生成题目分别调用对应工作流，闲聊类请求统一拦截。配置功能快捷按钮、长期记忆，调试完成后支持商店、API、SDK 多渠道发布。
五、批处理拓展模块
基于 Coze Python SDK 开发批量脚本，适配教师批量处理需求，可遍历文件夹批量上传简历、录音文件，自动调用智能体并将评估结果导出 Markdown 文档，批量完成简历筛查、录音复盘、题库生成，实现教学素材自动化处理。
核心技术要点
分治思想：拆分超长文本、多任务，解决长文本上下文腐烂、模型幻觉问题；
存储搭配：数据库存结构化违禁词、面试题；知识库存面试资料、简历模板，实现语义检索；
模型分层：32K 轻模型处理简单文本润色，256K / 深度思考模型处理超长文档、复杂逻辑；
多模态：文档 OCR、音频 ASR；
循环节点：批量遍历项目、问答、技能，实现逐条精细化处理。
我在黑马学AI大模型 黑马程序员