我的 AI 应用之:面试小助手

收到简历 10 分钟，整套面试工作流已就绪。

最近帮项目上面试了几位候选人，在收到简历的 10 分钟内，我的 AI 助手工作流就已经在大脑里搭建好了。接着就利用它开始了后续的面试全过程。

五步工作流

Step 1 — 简历结构化

利用本地的 MarkItDown MCP 把简历文件转成 Markdown 格式，供后续大模型分析。

PDF/Word 简历 → Markdown 结构化文本，一条命令搞定。

Step 2 — 挖掘真实需求

结合我前几天对项目过去一年实践的总结分析，非常容易地写出了一份甲方真实需求的 JD。

这些需求通常是隐性的——不会写在招聘启事里，但却是决定候选人能否胜任的关键。

Step 3 — 生成面试手册

针对岗位的通用职责定义和甲方真实需求，为不同候选人生成不同的面试手册。

千人千面，不再是一套问题问所有人。

Step 4 — 面试录音转写

面试过程开启在线 Teams 录音，面试结束后 Copilot 立刻生成录音文字稿。

Step 5 — 自动生成评价报告

下载文字稿，丢给大模型，让其结合真实岗位需求对候选人进行评价，生成面试反馈报告。

为什么能这么快？

以上所有步骤，都是在我的 Copilot CLI 里执行的。简单几句对话就跑通了这套工作流——

• • 极大提升了面试效率
• • 确保了评价的客观性
• • 每一步都可复用、可迭代

而这一切的起点，都是之前对 AI Agent 的持续实践和积累。正因为有了这些沉淀，才能在极短时间内信手拈来，把 AI 真正变成工作中的生产力。

工具不是重点，持续实践才是。