如何應用 AI Agent 進行履歷審核和面試 ｜EP74

隨著 AI Agent 逐漸發展，人資日常工作的履歷審核和面試篩選也會藉由 AI 來加速作業，但 AI Agent 要如何設計才能讓人資更有效的進行招募，這篇想以產品經理角度切入產品規劃、流程設計，初步說明 AI Agent 的潛在應用。

一、AI Agent 和過往 AI 回覆的差異

⠀⠀

在 2023、2024 年，求職平台針對人資端的 AI 應用，多半在「履歷關鍵字匹配」，用途是透過 AI 來篩選履歷是否有該職缺 JG 的關鍵字，例如履歷一定要包含「產品規劃、產品設計、系統設計、使用者訪談」等文字，且需要有「3 種關鍵字以上」等，才會通過 AI 審核。

或者是「筆試出題」，人資可餵 JD 內容給 AI，請 AI 提供該職缺的面試題目，讓求職者第一關先填寫表單，並通過 AI 評分後才能進行第二關。

⠀⠀

上述的應用是「給 AI 一個問題，AI 回答一個答案」，偏向單次任務，缺乏持續執行的能力；但 AI Agent 未來的應用，比較偏私人助理，期望可以做到「給一個目標，他能規劃步驟、使用工具、完成多項任務」，偏向持續性的任務，例如可以直接出題給求職者，根據求職者評分自動安排後續面試。

⠀⠀

⠀⠀

二、AI Agent 履歷篩選

⠀⠀

以產品經理角度，要設計 AI Agent 流程前，要先確認 AI 履歷篩選可以如何幫助 HR 團隊提升工作效率。

⠀⠀

▍ 產品目標：「HR 收到上百份履歷時，AI 可以在數秒內完成初步篩選」

⠀⠀

這個過程背後涉及幾個技術點，包含：

1. 文件處理：透過專門的解析器處理不同格式，像是用 PyPDF2 來提取 PDF 資訊，用 OCR 提取圖片資訊。
2. 資訊提取：針對固定欄位，可透過正則表達式，抓出基本資料，像是聯絡資訊、學歷、年資、技能樹等。
3. 文本理解：針對工作經驗描述、Cover Letter、自傳，可再透過 LLM 進行深度理解，像是將「負責團隊管理，帶領 5 人完成專案」轉成專案管理能力。

⠀⠀

針對第 3 點的文本理解，主要是產品規劃的關鍵，要透過 LLM 做到深度理解，整個流程包含：

1. 建立本地資料庫（MySQL/PostgreSQL）：類似知識管理中心，像是「關鍵字對照表」裡面會需要定義「PM = 產品經理 / 專案經理」，而「評分標準資料表」則定義不同職缺的能力權重。
2. 資料預處理：將履歷切分成不同的區塊（工作經驗、專業技能、自傳等），每個區塊都要進行字數計算，確保不超過 LLM 的 token 限制，如果內容過長，只能擷取最新資訊。
3. 調用 LLM：針對不同區塊（工作經驗、專業技能、自傳）分別設定 prompt，再發送給 LLM 進行分析，每個區塊都有指定的評分方式，以利提高準確度。
4. 儲存結果：將 LLM 回傳的分析結果儲存到資料庫，讓不同 HR 都可以看到同一份 AI 產出的結果，減少同一份履歷多次呼叫 AI。

⠀⠀

⠀⠀

三、AI Agent 評分系統設計

⠀⠀

上述篩選完履歷，後續要怎麼篩選？分成 3 個面向：基本評分摘要、職務匹配度、面試問答建議。

▍ 產品目標：「篩選完履歷後，在指定分數以下自動寄信，並記錄在人資的人選聯繫紀錄表」。

⠀⠀

（一）基本評分摘要

由 LLM 針對 prompt，，回答總評分、是否進到面試、履歷亮點、履歷紅區。

{
    "overall_score": 85,              // 0-100 總評分
    "recommendation": "強烈建議面試",   // 強烈建議/可考慮/不建議
    "key_highlights": [               // 最多 3 個關鍵亮點
        "擁有 5 年產品管理經驗",
        "領導過 10 人研發團隊",
        "有成功的從 0 到 1 新產品拓展經驗"
    ],
    "red_flags": [                    // 需要特別注意的點
        "頻繁換工作",
        "技能與職位要求有差距"
    ]
}

（二）職務匹配度

針對工作敘述和求職者履歷，進行欄位比對，可分成「技能匹配」、「經歷匹配」

{
    "skill_match": {
        "score": 80,               // 技能匹配度 0-100
        "matching_skills": [       // 符合職位要求的技能
            "產品規劃",
            "用戶研究",
            "敏捷開發"
        ],
        "missing_skills": [         // 職位要求但缺少的技能
            "數據分析",
            "商務拓展"
        ]
    },
    "experience_match": {
        "score": 85,                // 經驗匹配度 0-100
        "years_of_experience": 5,   // 年資
        "management_level": "中階",  // 無/初階(1-5人)/中階(5-10人)/高階(10人以上)
        "industry_relevance": "高"   // 低/中/高
    }
}

（三）面試問答建議

針對工作敘述和求職者履歷，在面試當下可以問的題目。

{
    "interview_focus_areas": [    // 建議面試重點提問區域
        "專案管理方法論實踐經驗",
        "團隊管理風格",
        "跨部門溝通策略"
    ],
    "suggested_questions": [      // 建議面試問題
        "請說明如何處理過最具挑戰性的產品決策？",
        "如何平衡多方利益相關者的需求？"
    ],
    "skill_verification": [       // 需要在面試中特別驗證的技能
        "數據分析能力",
        "英語溝通能力"
    ]
}

（四）觸發自動發信

針對滿足指定條件的履歷，透過 AI Agent 自動寄信，並預約人資的行事曆，以及記錄到面試紀錄表。

def check_interview_qualification(analysis_result):
    return {
        'auto_invite': analysis_result.recommendation == "強烈建議面試"
                      and analysis_result.overall_score >= 85
                      and not analysis_result.red_flags,  # 沒有警告標記
        'reason': 'high_potential_match'
    }

（五）撰寫信件

針對上述條件，根據信件範本帶入職缺內容和求職者聯繫方式。

def create_email_template():
    email_templates = {
        'subject': {
            'zh': "{公司名稱} - {職位名稱}面試邀請",
        },
        'body': {
            'zh': """
            親愛的 {候選人姓名}，
            .......
            {公司名稱}
            {HR聯絡人}
            """,
        }
    }
    return email_templates

⠀⠀

⠀⠀

四、AI Agent 面試篩選機制

⠀⠀

寄出信件後，也可以透過 AI Agent 產出筆試題目，可讓求職者回答「基礎背景」和「專業技能」問題。

▍ 基礎背景：

• 準備 15–20 個基礎問題模板
• 根據履歷自動調整問題內容

▍ 專業技能：

• 準備分級的技術問題庫／專業知識測試題
• 設計技術案例／業務場景案例

⠀⠀

針對第一關筆試，AI 出題的示意如下：

{
    "test_generation": {
        "job_role": "產品經理",
        "test_structure": {
            "total_questions": 5,
            "time_limit": 60,  // 分鐘
            "question_types": {
                "scenario_based": 2,   // 情境題數量
                "technical": 2,        // 專業題數量
                "logical": 1           // 邏輯題數量
            }
        },
        "question_template": {
            "id": "Q1",
            "type": "scenario_based",
            "question": "你的產品發布後發現嚴重bug，此時已有1000位用戶受影響，請描述你的處理步驟",
            "evaluation_criteria": [
                "危機處理能力",
                "溝通策略",
                "解決方案完整性"
            ],
            "scoring_rubric": {
                "1-3分": "僅提供基礎解決方案",
                "4-7分": "有完整處理流程",
                "8-10分": "考慮到各方利益並有預防機制"
            }
        }
    }
}

⠀⠀

回答完可以先透過 AI Agent 進行評分，通過指定分數再寄真人面試邀請信，但為了確保評分的準確性，初期可以評分完讓人資做檢核，人工檢查後再寄信。

{
    "scoring_system": {
        "passing_score": 70,
        "scoring_metrics": {
            "answer_completeness": {
                "weight": 0.3,
                "criteria": [
                    "是否回答所有關鍵點",
                    "答案完整性",
                    "邏輯連貫性"
                ]
            },
            "professional_knowledge": {
                "weight": 0.4,
                "criteria": [
                    "專業術語使用",
                    "解決方案可行性",
                    "產業認知度"
                ]
            },
            "communication_skills": {
                "weight": 0.3,
                "criteria": [
                    "表達清晰度",
                    "邏輯結構",
                    "重點掌握"
                ]
            }
        }
    }
}

檢核過程中，人資可以針對 AI Agent 進行調整，像是：

1. 權重配置： 基於職位描述和部門需求，設定各題目的分數權重。
2. 人員測試： 先讓已入職員工進行問答，確認是否能通過標準。

⠀⠀

後續進到真人面試環節，可以針對求職者第一關筆試的回答內容，透過 AI Agent 先擬好要追問的問題，像是：

{
    "interview_question_generation": {
        "based_on_test_answers": {
            "original_answer": "處理步驟：1.立即通知用戶...",
            "follow_up_questions": [
                {
                    "question": "你提到立即通知用戶，能具體說明你會如何撰寫這個通知嗎？",
                    "purpose": "深入了解溝通能力",
                    "evaluation_focus": "危機公關處理能力"
                },
                {
                    "question": "如何確保類似問題不會再次發生？",
                    "purpose": "了解預防思維",
                    "evaluation_focus": "系統性思考能力"
                }
            ],
        }
    }
}

人資在第二關就能加速面試流程，第二關面試完畢，後續就可以走一般的通知流程。

⠀⠀

⠀⠀

五、結論

AI Agent 在「履歷審核和面試篩選」幾乎一定會被使用到，關鍵在於如何設計履歷挑選的權重以及面試題目權重，才能確保挑選出正確的人選。

如對這系列文章有興趣可以再觀看：

• 訂閱型產品的數據下降？PM 面試案例拆解｜EP73