面试反馈质量审计自动化工作流 - n8n工作流与AI质量评估
n8n工作流,面试反馈质量,AI评估,自动化审计,Google Sheets集成,Slack通知,GPT-4o-mini,数据管理

🚀 面试反馈质量审计自动化工作流

这个n8n自动化工作流自动获取面试反馈数据，使用AI进行质量评估，生成结构化评分，并通过Slack向面试官提供即时反馈和改进建议。

🔎 工作流步骤

1. 触发工作流

  • 手动触发: 通过点击”Execute workflow”按钮启动工作流。

2. 获取原始反馈数据

  • Google Sheets读取: 从”Interviewer Brief Pack”文档的”Raw_Feedback”表格中读取所有面试反馈记录。
  • 获取的数据包括：时间戳、候选人ID、职位、阶段、面试官邮箱、反馈文本、行号。

3. AI质量评估

  • LangChain LLM Chain: 使用GPT-4o-mini模型分析反馈质量。
  • 评估维度: 具体性(35%)、STAR结构(15%)、无偏见语言(15%)、可操作性(10%)、深度(25%)。
  • 评分规则: 5分制评分，反馈少于30字自动评分≤2分。
  • 输出: 生成包含评分和模糊短语数组的JSON数据。

4. 数据处理与验证

  • AI响应验证: 检查AI返回的数据是否有效。
  • JSON解析: 将AI返回的文本转换为结构化JSON对象。
  • 加权质量评分计算: 基于各维度权重计算0-100分的最终评分。
  • 质量标志生成: 识别”low_detail”和”bias”等质量问题。

5. 数据存储

  • Google Sheets更新: 将评分、标志和完整AI分析结果更新到原始反馈表格中。
  • 错误日志记录: 捕获AI失败并记录到错误日志表格。

6. 反馈通知

  • Slack通知: 向面试官发送反馈质量摘要。
  • 培训需求检查: 如果评分低于50分，触发额外培训建议。
  • 培训资源推荐: 为低分反馈提供STAR方法和无偏见面试培训资源。

🎯 成果

✅ 自动化面试反馈质量评估
✅ AI驱动的结构化评分系统
✅ 即时反馈和改进建议
✅ 质量趋势分析和监控
✅ 面试官技能提升支持

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。