گردش کار مصاحبه آزمایشی و ارزیابی با هوش مصنوعی

گردش کار مصاحبه آزمایشی و ارزیابی با هوش مصنوعی

این گردش کار فرآیند دریافت داده‌های مصاحبه آزمایشی، تحلیل آن با هوش مصنوعی، تولید گزارش عملکرد و توزیع آن از طریق پاسخ وب‌هوک و ایمیل را خودکار می‌کند. این گردش کار برای منابع انسانی، ارزیابی داوطلبان و سیستم‌های بازخورد خودکار ایده‌آل است.

این و سایر گردش کارهای قدرتمند را در کاتالوگ n8n در Axeto.ai کاوش کنید.

---

نمای کلی گردش کار

این گردش کار به سه مرحله اصلی تقسیم شده است:

1. دریافت ورودی: دریافت داده‌های مصاحبه ورودی از طریق یک وب‌هوک.

2. پردازش هوش مصنوعی: استفاده از مدل‌های زبان هوش مصنوعی برای ارزیابی داده‌های مصاحبه.

3. تولید و توزیع گزارش: قالب‌بندی ارزیابی هوش مصنوعی در یک گزارش، نمایش آن از طریق پاسخ وب‌هوک و ارسال آن از طریق جیمیل.

یادداشت‌های چسبان اضافی اطلاعات ضروری راه‌اندازی و معیارهای ارزیابی را ارائه می‌دهند.

---

تشریح گره به گره

۱. دریافت ورودی

• هدف: دریافت داده‌های مصاحبه آزمایشی از یک منبع خارجی (مانند یک برنامه فرانت‌اند یا رابط صوتی) و راه‌اندازی گردش کار.
• گره‌ها:

* دریافت داده‌های مصاحبه (Webhook)

• جزئیات:

* دریافت داده‌های مصاحبه

* نوع: webhook

* نقش: به عنوان نقطه ورود گردش کار عمل می‌کند و منتظر درخواست‌های HTTP POST ورودی حاوی داده‌های مصاحبه است.

* پیکربندی: از یک URL وب‌هوک منحصر به فرد استفاده می‌کند.

* ورودی: درخواست‌های HTTP خارجی با محتوای مصاحبه.

* خروجی: داده‌های مصاحبه را به گره AI Interview Assessor منتقل می‌کند.

* مشکلات احتمالی: دسترسی به URL وب‌هوک، داده‌های بارگذاری شده نامعتبر یا گم شده.

* نسخه: گره webhook نسخه ۲.

۲. پردازش هوش مصنوعی

• هدف: تجزیه و تحلیل داده‌های مصاحبه دریافتی با استفاده از یک مدل زبان هوش مصنوعی برای ارزیابی عملکرد.
• گره‌ها:

* AI Interview Assessor (LangChain Chain LLM)

* OpenRouter Chat Model (LangChain LM Chat)

• جزئیات:

* OpenRouter Chat Model

* نوع: @n8n/n8n-nodes-langchain.lmChatOpenRouter

* نقش: بک‌اند مدل زبان هوش مصنوعی را برای ارزیابی فراهم می‌کند.

* پیکربندی: از طریق ورودی ai_languageModel به گره AI Interview Assessor متصل می‌شود. به اعتبارنامه API OpenRouter نیاز دارد.

* ورودی: درخواست‌های چت یا داده‌ها از AI Interview Assessor.

* خروجی: پاسخ‌های ارزیابی تولید شده توسط هوش مصنوعی.

* مشکلات احتمالی: خطاهای احراز هویت API OpenRouter، محدودیت‌های نرخ، مهلت زمانی مدل.

* نسخه: نسخه ۱.

* AI Interview Assessor

* نوع: @n8n/n8n-nodes-langchain.chainLlm

* نقش: منطق اصلی هوش مصنوعی را اجرا می‌کند، داده‌های مصاحبه را پردازش می‌کند، درخواست‌ها را می‌سازد و زنجیره‌های ارزیابی را با استفاده از OpenRouter Chat Model اجرا می‌کند.

* پیکربندی: به گره OpenRouter Chat Model متصل است. الگوهای درخواست و منطق زنجیره در این گره پیکربندی می‌شوند.

* ورودی: داده‌های مصاحبه از وب‌هوک؛ اتصال مدل هوش مصنوعی از OpenRouter Chat Model.

* خروجی: نتایج ارزیابی هوش مصنوعی به گره Process Report Data ارسال می‌شود.

* مشکلات احتمالی: خطاهای ساخت درخواست، تأخیر در پاسخ مدل، یا قالب‌بندی نامعتبر خروجی هوش مصنوعی.

* نسخه: نسخه ۱.۷.

۳. تولید و توزیع گزارش

• هدف: تبدیل ارزیابی هوش مصنوعی به یک گزارش ساختاریافته، نمایش آن از طریق یک پاسخ HTTP و ارسال آن به طرف‌های مربوطه از طریق ایمیل.
• گره‌ها:

* Process Report Data (Code)

* Display HTML Report (Respond to Webhook)

* Email Assessment Report (Gmail)

• جزئیات:

* Process Report Data

* نوع: code

* نقش: داده‌های ارزیابی هوش مصنوعی را تجزیه و قالب‌بندی می‌کند تا یک ساختار گزارش کاربرپسند ایجاد کند، و به طور بالقوه HTML یا JSON تولید می‌کند.

* پیکربندی: حاوی کد جاوا اسکریپت سفارشی برای پردازش فیلدهای خروجی هوش مصنوعی و آماده‌سازی محتوای نهایی گزارش است.

* ورودی: داده‌های ارزیابی هوش مصنوعی از گره AI Interview Assessor.

* خروجی: داده‌های گزارش قالب‌بندی شده به گره‌های Display HTML Report و Email Assessment Report ارسال می‌شود.

* مشکلات احتمالی: خطاهای کد، قالب‌های خروجی غیرمنتظره هوش مصنوعی، شکست در تجزیه داده‌ها.

* نسخه: نسخه ۲.

* Display HTML Report

* نوع: respondToWebhook

* نقش: گزارش قالب‌بندی شده را به عنوان یک پاسخ HTTP به فراخواننده وب‌هوک اصلی ارسال می‌کند و امکان نمایش فوری نتایج را فراهم می‌کند.

* پیکربندی: برای پاسخ با نوع محتوای text/html، با استفاده از داده‌های گزارش تولید شده توسط Process Report Data تنظیم شده است.

* ورودی: داده‌های گزارش پردازش شده.

* خروجی: پاسخ HTTP به درخواست وب‌هوک؛ این مسیر اجرای گردش کار را خاتمه می‌دهد.

* مشکلات احتمالی: مهلت زمانی پاسخ، HTML نامعتبر که باعث مشکلات نمایش می‌شود.

* نسخه: نسخه ۱.۴.

* Email Assessment Report

* نوع: gmail

* نقش: گزارش ارزیابی هوش مصنوعی را از طریق جیمیل به گیرندگان مشخص شده ارسال می‌کند.

* پیکربندی: به اعتبارنامه OAuth2 جیمیل نیاز دارد. بدنه ایمیل شامل محتوای گزارش آماده شده توسط Process Report Data است.

* ورودی: محتوای گزارش.

* خروجی: یک ایمیل ارسال می‌کند؛ هیچ گره دیگری در این مسیر وجود ندارد.

* مشکلات احتمالی: خطاهای احراز هویت جیمیل، محدودیت‌های سهمیه ایمیل، شکست در تحویل.

* نسخه: نسخه ۲.۱.

۴. یادداشت‌های مستندسازی و راه‌اندازی

• Report Generator Overview (Sticky Note)

* هدف: توضیحات کلی در مورد هدف گردش کار ارائه می‌دهد.

• Assessment Criteria (Sticky Note)

* هدف: معیارهای مورد استفاده هوش مصنوعی برای ارزیابی مصاحبه را شرح می‌دهد.

• Setup Requirements (Sticky Note)

* هدف: دستورالعمل‌های لازم برای راه‌اندازی اعتبارنامه‌ها و محیط را تشریح می‌کند.

---

جدول خلاصه

---

بازتولید گردش کار

1. ایجاد گره وب‌هوک:

* نوع: webhook

* نام: Receive Interview Data

* یک URL وب‌هوک منحصر به فرد پیکربندی کنید.

2. ایجاد گره OpenRouter Chat Model:

* نوع: @n8n/n8n-nodes-langchain.lmChatOpenRouter

* نام: OpenRouter Chat Model

* اعتبارنامه API OpenRouter را پیکربندی کنید.

3. ایجاد گره AI Interview Assessor:

* نوع: @n8n/n8n-nodes-langchain.chainLlm

* نام: AI Interview Assessor

* گره OpenRouter Chat Model را به عنوان ai_languageModel متصل کنید.

* الگوهای درخواست و منطق زنجیره را برای ارزیابی مصاحبه تعریف کنید.

4. ایجاد گره کد:

* نوع: code

* نام: Process Report Data

* کد جاوا اسکریپت را برای تجزیه خروجی هوش مصنوعی و قالب‌بندی گزارش (HTML/JSON) بنویسید.

5. ایجاد گره پاسخ به وب‌هوک:

* نوع: respondToWebhook

* نام: Display HTML Report

* برای پاسخ با نوع محتوای text/html، با استفاده از خروجی Process Report Data پیکربندی کنید.

6. ایجاد گره جیمیل:

* نوع: gmail

* نام: Email Assessment Report

* اعتبارنامه OAuth2 جیمیل را پیکربندی کنید.

* گیرنده ایمیل، موضوع و بدنه را با استفاده از خروجی Process Report Data تنظیم کنید.

7. افزودن یادداشت‌های چسبان:

* سه گره stickyNote برای: Report Generator Overview، Assessment Criteria و Setup Requirements اضافه کنید. آن‌ها را با اطلاعات مربوطه پر کنید.

8. اتصال گره‌ها:

* Receive Interview Data → AI Interview Assessor

* OpenRouter Chat Model → AI Interview Assessor (از طریق ورودی ai_languageModel)

* AI Interview Assessor → Process Report Data

* Process Report Data → Display HTML Report

* Process Report Data → Email Assessment Report

9. تست: وب‌هوک را مستقر کنید و داده‌های مصاحبه آزمایشی را برای تأیید ارزیابی هوش مصنوعی، تولید گزارش، پاسخ HTTP و تحویل ایمیل ارسال کنید.

---

یادداشت‌ها و منابع عمومی