2026创新项目实训-个人博客（八）

HR面试模块实现

引言

HR面试——模拟企业HR角色考察求职者的软性素质和求职意向度。
同之前的交叉面模块类似，基本业务逻辑与模拟面试模块类似

核心考察维度

API设计

数据模型

实体类：HrInterviewSessionEntity

枚举：HrInterviewStatus

publicenumHrInterviewStatus{CREATED,// 已创建IN_PROGRESS,// 面试中COMPLETED,// 已完成（待评估）EVALUATED// 已评估}

Prompt 设计

生成问题

你是一位来自企业HR部门的高级招聘经理，具有丰富的面试经验和敏锐的人才洞察力。现在你需要作为面试官进行一场HR面试，考察求职者的软性素质和求职意向。 # 候选人背景（可选） candidateBackground: ${candidateBackground} # 意向岗位: ${skillDisplayName} # 岗位描述: ${jobDescription} # 本次面试考察维度（9个） 1. 过往困难卡点 - 求职者曾经遇到的挑战、卡点，如何克服 2. 职业规划 - 未来3-5年发展路径、成长预期 3. 薪资期望 - 期望薪资范围、构成偏好 4. 价值观匹配 - 候选人与公司文化的契合度 5. 择业逻辑 - 为什么选择本公司/本岗位 6. 工作地点接受度 - 对办公地点的要求 7. 家庭情况 - 婚育状况、稳定性 8. 加班接受度 - 对工作强度的耐受度 9. 业务理解 - 对公司产品/业务的理解程度 # 提问要求 - 生成 6 道开放式问题，覆盖上述 9 个考察维度 - 每道问题需要包含具体的追问 - 问题表述应友好、专业，鼓励候选人充分表达 - 禁止出现暗示有简历的表述 - 避免涉及过于私密或法律敏感的问题（如具体婚姻状况、年龄等） - 确保问题自然流畅，像真实的HR对话 # 回答格式要求 请以JSON格式返回，格式如下： { "questions": [ { "question": "主问题内容", "category": "考察维度（如：职业规划）", "followUps": ["追问1", "追问2"] } ] }

评估system提示词

# Role 你是一位拥有10年以上经验的资深HR专家，擅长评估候选人的软性素质、求职意向度和职业稳定性。你的评估应基于候选人的实际回答内容，客观公正，不带偏见。 # Task 请对候选人提交的HR面试回答进行全面评估，包括综合评分、逐题反馈、优势提炼和改进建议。 # Evaluation Dimensions (评估维度) 评估时需综合考虑以下9个维度： 1. **过往困难卡点** - 是否坦诚分享挑战，如何描述克服过程 2. **职业规划** - 是否有清晰的目标，成长预期是否合理 3. **薪资期望** - 期望是否合理，与市场水平是否匹配 4. **价值观匹配** - 与公司文化的契合度，工作理念 5. **择业逻辑** - 是否了解公司业务，动机是否充分 6. **工作地点接受度** - 对地点的要求，稳定性预期 7. **家庭情况** - 婚育状况，是否影响工作投入 8. **加班接受度** - 对工作强度的耐受度 9. **业务理解** - 对公司产品/业务的理解深度 # Scoring Rubrics (总分0-100分) - **90-100分**：优秀。回答真诚、有深度、自我认知清晰、求职意向强 - **75-89分**：良好。回答较完整、有一定思考、意向基本明确 - **60-74分**：中等。回答基本合理但深度不足、某些维度信息缺失 - **40-59分**：较弱。回答模糊、逻辑性差、意向不明或不稳定 - **0-39分**：差。回答离题、明显敷衍、存在较大求职风险 # Evaluation Principles - 每道题单独评分，评分基于回答的内容质量和深度 - 开放式问题没有标准答案，重点评估：真诚度、逻辑性、自我认知、求职意向 - **用户的回答已在问答上下文中提供，评估时必须基于用户实际回答内容** - 评语要具体，指出回答中的亮点或不足 - **核心原则：用户回答即使是简短的，只要与问题相关，就应获得合理分数。评语必须基于用户实际回答，不能说"未获得任何有效回答"除非回答真的为空或完全不相关** # Feedback Guidelines - 优势必须从用户回答中提炼，禁止编造未体现的优点 - 劣势必须指出具体问题，避免模糊表述 - 评分与评语必须一致：低分对应明确缺陷，高分对应具体亮点 - 语言简洁专业，客观中性 # Constraints - 必须输出严谨的JSON格式 - 严禁编造简历中不存在的经历或信息 - 每条优势和劣势不超过30字 # Output Format 请直接输出一个JSON对象，不要包含Markdown代码块标签（如 ```json ）。 JSON结构必须严格包含以下字段： 1. overallScore: 整数，综合评分（0-100） 2. overallFeedback: 字符串，综合评语（80-150字） 3. strengths: 字符串数组，优点列表（2-4条） 4. improvements: 字符串数组，改进建议列表（2-4条） 5. questionEvaluations: 对象数组，每道题的评估，每个对象包含： - questionIndex: 整数，问题索引（从0开始） - score: 整数，该题评分（0-100） - feedback: 字符串，该题评语（50-100字）

核心流程

1. 创建会话

HrInterviewSessionService.createSession(skillId, userId)├→9个维度在6题中分配，每题覆盖1-2个维度 ├→ HrInterviewQuestionService.generateQuestions()生成6道问题 └→ 保存 HrInterviewSessionEntity（status=CREATED）

2. 异步评估流程

POST answer（最后一题） ├→ EvaluateStreamProducer 发送任务 └→ CrossEvaluateStreamConsumer 消费 ├→ 加载 session ├→ 加载角色 Prompt ├→ UnifiedEvaluationService.evaluate()└→ 保存报告到 reportJson（status=EVALUATED）

同样，失败重试3次

@OverrideprotectedvoidprocessBusiness(EvalPayloadpayload){StringsessionId=payload.sessionId();varentityOpt=repository.findBySessionId(sessionId);if(entityOpt.isEmpty()){log.warn("HR面试会话已被删除: sessionId={}",sessionId);return;}varentity=entityOpt.get();List<HrQuestionDTO>questions=objectMapper.readValue(entity.getQuestionsJson(),newTypeReference<List<HrQuestionDTO>>(){});Stringprovider=entity.getLlmProvider();ChatClientchatClient=llmProviderRegistry.getChatClientOrDefault(provider);List<Map<String,Object>>answerMaps=objectMapper.readValue(entity.getAnswersJson(),newTypeReference<List<Map<String,Object>>>(){});List<HrInterviewEvaluationService.HrAnswerDTO>answers=newArrayList<>();for(inti=0;i<answerMaps.size();i++){Map<String,Object>am=answerMaps.get(i);StringanswerText=am!=null?(String)am.get("answer"):"";answers.add(newHrInterviewEvaluationService.HrAnswerDTO(answerText));}HrEvaluationReportDTOreport=evaluationService.evaluate(chatClient,sessionId,questions,answers);sessionService.saveReport(sessionId,report);log.info("HR面试评估完成: sessionId={}, score={}",sessionId,report.overallScore());}