# 招聘AI相关文档

### 设计思路

1. 拆解简历
2. 与招聘内容匹配关联度 关联度小于50%直接淘汰 
3. 根据简历提问求职者 每次回答完进行智能分析，判断下次问题是否应该更简单或者更复杂，本环节主要考察求职者的逻辑思维和语言表达能力
4. 根据招聘内容进行提问，判断下次问题是否应该更简单或者更复杂，回答完成后 答题通过率达到50%予以通过 本环节主要考察求职者的专业能力

***

### 代码流程

1. 用户上传简历 （后台调用接口分析简历文档.pdf?/自己写简历解析代码?）
2. 分析匹配程度（让gpt根据简历解析结果，和当前的岗位的要求进行匹配，并返回关联度）
3. 代码判断关联度是否小于50%，若小于50%，返回前台（“您与此岗位不匹配”），大于50%，进入对话界面
4. gpt生成开场问题（第一个与简历内容相关的问题，等待用户回复）
5. 当用户回复后，用gpt判断当前回复是否回答正确，并将当前问题、当前回答、正确情况存储在字典中。这个字典存储在一个全局的简历相关问题对话列表中。
6. 判断完毕后，若用户回答有问题，则难度稍微下调（发送一个难度低一些的问题），若用户回答没有问题，难度提升（发送一个难度高一些的问题）。
7. 如此对话5次左右，我们就可以得到一个简历相关问题对话列表
8. 然后转入岗位问题，gpt生成第一个岗位相关问题发送给用户，并等待用户回复。
9. 用户回复后，用gpt判断当前回复是否回答正确，并将当前问题、当前回答、正确情况存储在字典中。这个字典存储在一个全局的岗位相关问题对话列表中。
10. 判断完毕后，若用户回答有问题，则难度稍微下调（发送一个难度低一些的问题），若用户回答没有问题，难度提升（发送一个难度高一些的问题）。
11. 如此对话5次左右，我们就可以得到一个岗位相关问题对话列表
12. 根据简历相关问题对话列表和岗位相关问题对话列表结合建立，岗位信息，生成一份面试报告，并根据其中百分比判断是否合适。

<img src="/files/Ey4CTOufewIpDYMPovTR" alt="" class="gitbook-drawing">


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.chatgulang.cn/zhao-pin-ai/zhao-pin-ai-xiang-guan-wen-dang.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.