《人工智能导论》实验一 简历优化工作流搭建

实验一简历优化工作流搭建一、实验目的及要求理解扣子（Coze）平台工作流（Workflow）的核心概念，掌握"开始→处理节点→结束"的基本工作流编排模式。学会在扣子工作流中添加并配置插件节点（链接读取LinkReaderPlugin），理解插件在数据获取中的角色。掌握在工作流中调用大模型节点（DeepSeekR1）的方法，包括系统提示词与用户提示词的编写技巧。理解结构化输出（Object类型）的设计方法，能够将大模型的输出拆分为多个子字段供后续节点使用。能够独立完成一个完整的简历评估与优化工作流：上传简历PDF→读取内容→AI分析匹配度→给出优化建议。体验AI赋能个人求职的实际应用场景，培养"用AI工具解决真实问题"的实践意识。二、实验学时2学时（建议时间分配：讲解15分钟，任务实践70分钟，总结交流5分钟）三、实验前准备账号环境：注册并登录扣子国内版（），确保账号正常可用。知识储备：已学习教材第3章"智能体搭建及应用"内容，了解智能体与工作流的基本概念、扣子平台的操作界面。素材准备：提前准备一份自己或同学的简历PDF文件（可使用在线简历工具生成或使用学校制式模板），以及一份感兴趣岗位的职位描述文本（可从招聘网站复制）。四、实验任务实验场景说明【场景】求职季即将到来，简历是通往面试的"敲门砖"。一份匹配度高的简历能让HR在6秒内留下深刻印象。但手动逐条对照职位要求修改简历非常耗时——本实验将教你搭建一个AI工作流，只需上传简历PDF和职位描述，即可自动完成简历评估、匹配度计算和优化建议生成。【工作流概览】本工作流由5个核心节点组成：·开始节点→接收用户上传的简历PDF和职位描述文本·员工1（链接读取）→调用LinkReaderPlugin解析PDF中的文字内容·员工2（大模型评估）→调用DeepSeekR1大模型，分析简历与职位的匹配度·员工3（改写优化）→再次调用大模型，根据评估结果给出针对性修改建议·结束节点→汇总输出优化后的简历建议任务1创建工作流框架（15分钟）步骤1-1：打开扣子工作空间，进入"资源库"登录扣子国内版（）后，在左侧导航栏点击"工作空间"，进入后选择"资源库"选项卡。图1扣子工作空间→资源库（来源：扣子平台截图）步骤1-2：创建新工作流在资源库页面右上角，点击"+资源"按钮，在弹出的下拉菜单中选择"工作流"。图2右上角→资源→工作流（来源：扣子平台截图）步骤1-3：命名工作流在弹出的对话框中，输入工作流名称（仅支持英文，建议命名为resume_optimizer或resume_review），然后点击"确认"按钮。图3为工作流命名（仅支持英文）（来源：扣子平台截图）步骤1-4：确认工作流创建成功创建成功后，你将看到工作流画布页面，默认包含"开始"和"结束"两个节点。这是所有工作流的起点和终点。图4工作流创建成功，初始画布（来源：扣子平台截图）任务2配置开始节点——定义输入变量（10分钟）开始节点是用户和工作流交互的入口。本实验需要用户输入两个变量：①简历文件（resume_file）：类型为Document，用于上传PDF格式的简历文件。②职位描述（job_description）：类型为String，用于粘贴目标岗位的职位要求。步骤2-1：添加简历文件变量在工作流画布上点击"开始"节点，右侧弹出配置面板。点击"+添加变量"，变量名输入resume_file，变量类型选择"Document"。步骤2-2：添加职位描述变量再次点击"+添加变量"，变量名输入job_description，变量类型选择"String（默认）"。图5开始节点——添加两个输入变量（来源：扣子平台截图）【说明】两个变量配置完成后，可在画布上点击"开始"节点，确认面板中显示resume_file（Document）和job_description（String）两项。任务3添加员工1——简历文件读取（10分钟）本节点负责将用户上传的PDF简历文件转换为可读的文字内容，供后续大模型节点分析。步骤3-1：添加链接读取插件节点在工作流画布上，点击开始节点右侧的"+"号，选择"插件"，在搜索框中输入"链接读取"，在搜索结果中找到扣子官方的"LinkReaderPlugin（链接读取）"插件并添加。步骤3-2：配置节点的输入点击新添加的"链接读取"节点，在右侧配置面板中：·输入→URL：点击输入框，从弹出的变量列表中选择"开始节点→resume_file"·输出：保持默认设置不变步骤3-3：连接节点确认"开始"节点和"链接读取"节点之间有箭头连线（如没有，从开始节点的出口拖拽到链接读取节点的入口）。图6员工1节点——链接读取插件配置（来源：扣子平台截图）【说明】LinkReaderPlugin是扣子平台官方提供的插件，支持解析PDF、网页URL、DOCX、PPTX等多种格式文件。本实验中使用它读取用户上传的简历PDF内容。任务4添加员工2——大模型评估简历匹配度（25分钟）本节点是整个工作流的核心，调用DeepSeekR1大模型对简历内容进行全面评估。步骤4-1：添加大模型节点在工作流画布上，点击"链接读取"节点右侧的"+"号，选择"大模型"节点。在模型选择器中，搜索并选择"DeepSeekR1"（或DeepSeekR1250528版本）。步骤4-2：配置输入变量在大模型节点的配置面板中，找到"输入"区域：·输入1（resume_content）→引用"员工1→pdf_content"（即链接读取节点解析出的PDF文本内容）·输入2（job_description）→引用"开始节点→job_description"（即用户输入的职位描述）步骤4-3：编写系统提示词在"系统提示词"输入框中，粘贴以下提示词（该提示词定义了AI的角色、分析标准和输出格式）：###**简历修改角色设定****角色名称**：一位专业的简历修改专家**角色定位**：你是一位经验极为丰富、逻辑缜密且一丝不苟的简历修改专家，你长期深耕简历设计、撰写领域，对各类岗位需求有着深刻理解，并善于针对职位信息修改个人简历。在工作中，始终保持严谨细致的态度，凭借卓越的分析能力，致力于为候选人设计并修改出匹配度极高的简历，是职场上的offer收割机。###**核心任务与执行标准**####**1.简历分析修改与匹配度计算**-**深入理解**：全面且透彻地解读提供的岗位需求，将每个任职要求细致拆解，构建精确的评估标准。-**多维分析**：从多维度深入分析简历，综合计算职位匹配度，并且依据简历的不足之处，做针对修改。-**硬性要求**：分析修改涵盖教育背景（精确到学校、专业）、工作经验年限、特定技能（如编程语言、工具、证书等）。-**软性能力**：同时包括项目经验、过往职责、团队协作能力、解决问题能力、沟通能力、学习能力等。-**特殊要求**：若岗位有特殊要求，如跨部门沟通经验等，务必精准考量。-**匹配度计算**：匹配度以百分比呈现，确保评估客观公正，严格依据岗位描述的任职要求进行匹配。####**2.信息提炼与洞察**-**高效筛选和修改**：迅速从复杂简历中提炼关键信息，如工作经验、核心技能、项目成果，并针对职位信息做出修改。-**优势与劣势洞察**：进行批判性分析，精准找出每份简历的亮点与不足。####**3.公正性与标准遵循**-**绝对公正**：简历修改全程严格遵循职位信息标准，杜绝个人偏见与歧视。-**严格对标**：所有判断以职位要求为唯一依据。####**4.结果输出**-简历中的每一部分，均需要提出你的优化建议，即便是优势部分，也需要按照优秀简历样本给出优化后的结果，输出格式：当前问题→优化建议/当前优势→优化建议-**标准化展示**：最终优化结果以清晰格式输出，便于查阅比对。**限制条件**：-严格基于提供的岗位信息和候选人简历评估进行分析修改。-输出结果必须符合上述格式模板要求，清晰明了。-如果简历中未包含相关信息，则按照优秀简历范本给出补充建议。-分析修改过程中不得引入个人主观臆断，仅依据岗位描述标准进行判断。步骤4-4：编写用户提示词在"用户提示词"输入框中，粘贴以下内容（该提示词将用户输入的变量值传递给大模型）：职位描述：{{job_description}}简历内容：{{resume_content}}步骤4-5：配置输出变量在大模型节点的"输出"区域，配置结构化输出，变量类型选择"Object"，变量名设为analysis_results。在子字段中添加以下字段（均为String类型）：·job_title：职位名称·name：姓名·gender：性别·age：年龄·university：毕业院校·strengths：优势/长处·weaknesses：劣势/短处·overall_evaluation：总体评价·match_score：匹配度分数图7员工2节点——大模型评估简历配置（来源：扣子平台截图）任务5添加员工3——大模型改写简历优化建议（15分钟）本节点接收员工2的结构化评估结果，对简历的每个部分给出具体的修改前后对比和优化建议。步骤5-1：添加第二个大模型节点点击"员工2"节点右侧的"+"号，再添加一个"大模型"节点，同样选择"DeepSeekR1"模型。步骤5-2：配置输入变量·输入1（input）→引用"员工2→analysis_results"（即上一节点的结构化评估结果）·输入2（job_description）→引用"开始节点→job_description"步骤5-3：编写系统提示词###**简历修改角色设定****角色名称**：一位专业的简历修改专家**角色定位**：你是一位经验极为丰富、逻辑缜密且一丝不苟的简历修改专家，长期深耕简历设计、撰写领域。###**核心任务与执行标准**-深入理解岗位需求，从多维度分析简历，综合计算职位匹配度。-针对简历的不足之处，给出逐条优化建议，并给出修改后的效果范本。###**结果输出格式**-**标准化展示**：最终筛选结果以如下格式输出：-字段名：原内容-字段名/修改后：优化后的内容-每一个你认为需要修改的地方，均以以上方式呈现。**限制条件**：-严格基于提供的岗位信息和候选人简历评估进行分析修改。-输出结果必须符合上述格式模板要求。-如果简历中未包含相关信息，则将字段值设为空字符。-根据简历评估结果，帮候选人针对性的优化简历。步骤5-4：编写用户提示词简历评估结果：{{input}}职位信息：{{job_description}}步骤5-5：配置输出变量在输出区域，变量类型选择"String"，变量名设为output。图8员工3节点——改写优化简历配置（来源：扣子平台截图）任务6配置结束节点——汇总输出结果（5分钟）结束节点负责将员工3生成的优化建议呈现给用户。步骤6-1：配置结束节点输出点击画布上的"结束"节点，在右侧配置面板中：·输出方式：选择"返回文本"·输出变量：引用"员工3→output"·回答内容：输入{{data}}（即把员工3的全部输出内容返回给用户）图9结束节点——配置输出（来源：扣子平台截图）步骤6-2：最终连线检查确认画布中所有节点的连线正确：开始→员工1（链接读取）→员工2（大模型评估）→员工3（大模型改写）→结束【说明】完成以上全部配置后，点击画布右上角的"试运行"按钮，上传简历PDF并输入职位描述，即可测试工作流。如果某一步报错，请检查变量引用是否正确、节点连线是否完整。结果记录表请将实验关键操作结果填入下表，用于撰写实验报告：验收项目完成情况（✓/✗）备注说明工作流创建成功并正确命名（填写工作流名称）开始节点配置了2个变量（resume_file+job_description）员工1（链接读取）插件已添加并正确配置员工1与开始节点正确连线员工2（大模型评估）已添加DeepSeekR1模型员工2的系统提示词和用户提示词已填写员工2的输出配置了9个Object子字段员工3（大模型改写）已添加并完成配置员工3的系统提示词和用户提示词已填写结束节点输出了员工3的结果工作流试运行成功，输出了简历评估和建议（附截图）尝试换用不同职位描述再次测试（记录匹配度变化）五、实验重点、难点重点：工作流节点的添加与连线顺序（开始→链接读取→大模型评估→大模型改写→结束）；系统提示词中角色定位和执行标准的编写方法；结构化输出（Object类型）的字段设计与引用。难点：理解员工2中"系统提示词"和"用户提示词"的分工——系统提示词定义AI的角色和分析框架，用户提示词传递具体数据；掌握变量引用的语法（如{{resume_content}}），区分不同节点输出的变量名；理解Object类型输出中子字段的含义，确保后续节点能正确引用。六、操作要点登录时确认使用扣子国内版（），不要误入海外版（）。工作流名称只能使用英文字母、数字和下划线，不能包含中文或特殊字符。添加插件时，搜索关键词使用"链接读取"，确保添加的是扣子官方的LinkReaderPlugin，而非第三方同名插件。配置变量引用时，务必点击输入框后从弹出的变量列表中选择，不要手动输入变量名，避免拼写错误。员工2的系统提示词较长，建议先在记事本中检查格式（尤其是Markdown标记##和**），确认无误后粘贴到扣子平台。试运行前，建议先用一份简单的简历PDF（1页以内）测试，确认工作流通畅后再使用正式简历。大模型处理需要一定时间（通常10～30秒），试运