不是哥们，真有人拿 AI 来面试啊？

大家好，我是八哥。如今 AI 已经渗透到了我们的生活、求职、工作等方方面面。就拿求职来说，今年的美团校招，已经用上了 AI 来当面试官，降本增效。

我自己也当过面试官，其实对 AI 面试官还是挺好奇的。毕竟每个候选人的情况不同，想要全方面考察一个人的水平，一定要针对其简历和具体情况定制化提问。AI 能做好这点么？能当一个合格的面试官么？

此外，对于大家来说，可能更关心的是：如何战胜 AI 面试官？

嘿嘿，当然要用魔法打败魔法！我们也可以用 AI 来准备面试呀~

具体怎么做呢？这篇文章鱼皮就带大家搞一个 AI 备战面试小助手出来！看到结尾还有福利哦~

选择 AI 模型

首先我们要选择一个优质的 AI 大模型，AI 面试官智商的高低就取决于它了。

我作为一名程序员 + 创业者，也带团队开发过很多 AI 应用，在选择 AI 大模型的时候，最关注的是 3 点：理解能力、生成速度和成本。也就是 3 个字：准、快、省。

单论理解能力，OpenAI 的 o1-preview、o1-mini 处于领先地位，但不足之处在于使用门槛较高、成本较高。大家可能不知道，其实我们国产 AI 大模型已经有了显著进步，比如今年 9 月最新发布的智谱 GLM-4-Plus，作为其最强旗舰模型，在逻辑推理、编程算法、长文本输出方面都有质的突破。

在最新的大模型评测中，GLM-4-Plus 排名第 3，打破了国外模型对前 3 名的垄断！虽然跟 OpenAI 大模型对比还有一定差距，但已经强于其他国产模型，进入世界第一梯队。

让我们来试试看，打开智谱 AI 开放平台（bigmodel.cn），进入体验中心，就可以选择模型进行测试了。我现在测试新模型效果时，都会先搜一下自己。结果 GLM-4-Plus AI 的输出让我特么直接震惊了！我 8 月底刚干的事情就被它 “和盘托出” 了，这么与时俱进么？

其背后应该是运用了网页检索工具，从网上先搜集了一波我的信息再进行整理，准确度已经很不错了，我觉得已经可以当我的日记本了。说不定 AI 再进化进化，就能当我脑袋上的摄像头了。

除了准确度之外，GLM-4-Plus 模型的生成速度也很不错，像我用 OpenAI GPT 的时候偶尔还会卡顿和生成失败，国内的明显要稳定许多。

当然，对于我们大多数开发者来说，最最最最最关注的，肯定还是成本。效果再好，用不起也白搭！

GLM-4-Plus 模型不仅更准更快，而且相比以前的版本，价格直接优惠了 50%！而且国庆月期间，智谱 bigmodel.cn 为新老用户准备了「百万用户每人赠送 1 亿 tokens」+「1 - 5 折 API 调用优惠」限时活动。

好了，我心动了，我直接跟我们团队的同学说：薅它！

体验 AI 面试

选择完 AI 模型后，我们先不写代码，用智谱 AI 提供的体验中心来模拟下 AI 面试官。

在右侧可以自主设置 AI Prompt，改变 AI 的行为，比如：你是一位面试官，现在要为公司招募 Java 程序员，我会给你候选人的情况介绍，请帮我生成 10 道面试题进行考察。

然后就可以跟 AI 对话了，还可以上传简历文件：

AI 回答时，会解析我的简历文件作为上下文。你别说，的确是围绕我的简历问的，技术、项目、实习经历、综合能力等等，考察的还真全面！

tnnd，AI 面试官你有点儿东西啊！但是公司能用 AI 来考察候选人，那我们一样可以用 AI 来面试呀！

试试看，来一道经典程序员面试题：MySQL 有哪些存储引擎？分别有什么优缺点？

先设置个系统 Prompt：你是一位求职者，现在要面试某公司的 Java 程序员岗位，我会给你一些面试题，请帮我生成专业的回答。

AI 给出的回答非常专业，如图：

但一般面试的时候，我们不会按照这种方式进行回答，有些 “过于专业” 了。所以可以换一种系统 Prompt。比如：你是一位求职者，现在要面试某公司的 Java 程序员岗位，我会给你一些面试题，请使用第一人称进行回答，一段话就足够，不用过于详细。

嘿，回答的也很不错，关键是这次 AI 的回答就更像人类了：

但是在面试时使用 AI 的风险还是很大的，鱼皮也不建议大家真的这么做，即使靠作弊通过了面试，进了公司估计就原形毕露了。

但是我有一个大胆的想法，能不能把 AI 面试官 + AI 求职者结合，先让 AI 面试官帮我分析简历并出题，再让 AI 求职者帮我给出标准答案呢？这样我不就知道面试官可能会考我什么、而且知道怎么回答了么？相当于参与了一场有指导的模拟面试，感觉也是个准备面试的好方法。

为了实现这个 “备战面试小助手”，我们只使用智谱 AI 开放平台的体验中心是无法满足要求的。开放平台还提供了 API 调用能力，我们可以自主编写程序来实现。

开发备战面试小助手

1、接入 AI

要在项目中使用 AI 能力其实很简单，可以直接使用官方提供的 SDK（支持 Java 和 Python），其他编程语言可以通过 Http 请求发起调用。

对于 Maven 管理的 Java 项目，需要引入下列依赖：

<dependency>
  <groupId>cn.bigmodel.openapi</groupId>
  <artifactId>oapi-java-sdk</artifactId>
  <version>release-V4-2.3.0</version>
</dependency>

我们可以先写一个简单的 Demo，测试 AI 调用。

进入智谱 AI 开放平台的 API 密钥管理页面，新建并复制一个 API Key，注意不要泄露：

有了密钥后，在代码中初始化客户端，用于调用 AI 能力：

public static final String API_SECRET_KEY = "{你的 ApiSecretKey}";
public static ClientV4 client = new ClientV4.Builder(API_SECRET_KEY)
.build();

编写一个方法，向 AI 发送 “你好”，并输出 AI 的返回结果：

private static void testInvoke() {
    // 发送给 AI 的消息
    List<ChatMessage> messages = new ArrayList<>();
    ChatMessage chatMessage = new ChatMessage(ChatMessageRole.USER.value(), "你好");
    messages.add(chatMessage);
    // 构造请求
    ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder()
            .model("glm-4-plus") // 使用最新的大模型
            .stream(Boolean.FALSE)
            .invokeMethod(Constants.invokeMethod)
            .messages(messages)
            .build();
    // 发送请求，获取响应
    ModelApiResponse invokeModelApiResp = client.invokeModelApi(chatCompletionRequest);
    System.out.println("model output:" + invokeModelApiResp);
}

组合上述代码并执行，能成功看到 AI 的回复：

为了更方便地在项目中使用 AI，我们可以编写一个更通用的方法，实现调用 AI 并获取结果。代码如下：

public static String invoke(String systemMessage, String userMessage) {
    // 发送给 AI 的消息
    List<ChatMessage> messages = new ArrayList<>();
    ChatMessage systemChatMessage = new ChatMessage(ChatMessageRole.SYSTEM.value(), systemMessage);
    messages.add(systemChatMessage);
    ChatMessage userChatMessage = new ChatMessage(ChatMessageRole.USER.value(), userMessage);
    messages.add(userChatMessage);
    // 构造请求
    ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder()
        .model("glm-4-plus") // 使用最新的大模型
        .stream(Boolean.FALSE)
        .invokeMethod(Constants.invokeMethod)
        .messages(messages)
        .build();
    // 发送请求，获取响应
    try {
        ModelApiResponse invokeModelApiResp = client.invokeModelApi(chatCompletionRequest);
        // 从响应对象中获取 AI 输出的文本
        return invokeModelApiResp.getData().getChoices().get(0).getMessage().getContent().toString();
    } catch (Exception e) {
        e.printStackTrace();
        return "";
    }
}

2、实现流程

让我们先来梳理一下实现流程：

提供求职者的简历内容，输入给 AI 面试官，让其分析并生成面试问题
将生成的问题逐一输入给 AI 求职者，让其给出标准答案
对 AI 生成的结果进行组合整理

下面依次编码实现上述流程。

3、助手开发

1）开发 AI 面试官

先编写 AI 面试官的系统 Prompt，可以先利用智谱 AI 体验中心进行调试。示例 Prompt 如下：

你是一位经验丰富的 AI 面试官，下面我会给你一份求职者的简历，请分析简历并提出相关的面试问题。
要求输出格式如下，每个问题一行，此外不要有任何多余的内容：
{序号}. {面试问题}

编写代码，将系统 Prompt 和用户简历（用户 Prompt）作为参数调用 AI，并输出结果：

String userResume = "Java程序员，工作经验3年，熟悉MySQL、Redis，有过电商项目经历";
// AI 面试官
String AI_INTERVIEWER_SYSTEM_PROMPT = "你是一位经验丰富的 AI 面试官，下面我会给你一份求职者的简历，请分析简历并提出相关的面试问题。\n" +
        "要求输出格式如下，每个问题一行，此外不要有任何多余的内容：\n" +
        "{序号}. {面试问题} ";
String aiInterviewerReply = invoke(AI_INTERVIEWER_SYSTEM_PROMPT, userResume);
System.out.println(aiInterviewerReply);

当然，你完全可以把用户简历替换为更复杂的内容，比如解析一个 PDF 文档。

执行上述程序，可以看到 AI 生成了符合我们格式要求的数据：

可以按照换行符对字符串进行拆分，得到问题数组：

if (StrUtil.isBlank(aiInterviewerReply)) {
    return;
}
// 切分字符串为问题数组
String[] questions = aiInterviewerReply.split("\n");

通过打断点进行调试，效果如图：

经过测试，使用智谱的 GLM-4-PLus 模型，能够很稳定地生成面试问题。当然，AI 输出结果的稳定性也和具体的 Prompt 有关，所以建议做好异常处理来应对特殊情况。

2）开发 AI 求职者

先编写 AI 求职者的系统 Prompt，要求让它用第一人称简略回答，会更真实一些。示例如下：

你是一位求职者，你要结合自己的个人简历，清晰准确地回答面试官提出的问题。
要求使用第一人称进行回答，一段话就足够，不用过于详细。

需要遍历面试问题列表，每个问题都要调用一次 AI 求职者，需要将用户简历和问题作为用户 Prompt 来调用 AI。代码如下：

// AI 求职者
String AI_APPLICANT_SYSTEM_PROMPT = "你是一位求职者，你要结合自己的个人简历，清晰准确地回答面试官提出的问题。\n" +
        "要求使用第一人称进行回答，一段话就足够，不用过于详细。";
for (String question : questions) {
    String userPrompt = String.format("---个人简历---\n%s\n---面试问题---\n%s", userResume, question);
    String aiApplicantReply = invoke(AI_APPLICANT_SYSTEM_PROMPT, userPrompt);
    System.out.println(aiApplicantReply);
}

通过打断点进行调试，给出的答案还是挺不错的：

3）组合整理 AI 生成的结果

可以利用 LinkedHashMap 结构，按顺序保存每一个问题和答案。代码如下：

// 按需保存问题和答案
Map<String, String> questionAnswerMap = new LinkedHashMap<>();
for (String question : questions) {
    String userPrompt = String.format("---个人简历---\n%s\n---面试问题---\n%s", userResume, question);
    String aiApplicantReply = invoke(AI_APPLICANT_SYSTEM_PROMPT, userPrompt);
    questionAnswerMap.put(question, aiApplicantReply);
}
System.out.println(questionAnswerMap);

通过打断点进行调试，现在我们就拿到了自己的简历对应的面试题和答案啦！