课程背景
当今时代,人力资源行业正面临“两极化”挑战:一方面是劳务派遣业务中海量简历处理的高并发压力,另一方面是猎头业务中对人岗匹配精准度的高要求。AI智能体的出现,为HR业务带来了一场深刻的智能化变革 。通过“Coze智能体+飞书多维表格”的组合,企业能够构建自动化招聘流水线,不仅提升了人效,还能通过知识库解决合规风控难题,开启降本增效的新篇章 。
课程收益
架构认知: 解析AI智能体“规划-工具-记忆-行动”架构,理解其在招聘筛选与客户交付中的核心价值 。
平台掌握: 熟练掌握Coze(扣子)平台操作,以及飞书多维表格的数据流集成方法 。
提示词工程: 能够运用Markdown语法构建“猎头人设-招聘目标-沟通流程”等八大维度提示词,解决冷启动话术难题 。
全案落地: 结合飞书多维表格,完成从“简历解析”到“自动报表”的全流程开发,独立制作出适配业务场景的数字员工 。
课程赠品(四大行业专属智能体):
高情商沟通助手(Prompt版): 解决猎头Cold Call与候选人破冰难题的“话术军师”。
目标公司情报侦察兵(插件版): 一键生成目标公司裁员动态与薪资结构的“Mapping神器”。
社保合规风控专家(知识库版): 基于私有政策库的“7*24小时法务顾问” 。
自动化招聘流水线(工作流+飞书版): 简历拖入即生成的“ATS自动化引擎”。
课程时间: 2天(6小时/天)
课程工具: Coze扣子、飞书多维表格、Markdown、JSON
第一天:智能体思维觉醒与单点技能突破
导入:HR行业的智能化变革
从传统Excel表格到“AI+多维表格”的效率跃迁。
案例演示:一个AI数字员工如何在一分钟内完成“简历解析-人岗匹配-报告生成”。
第一讲:AI Agent 认知篇——洞悉数字员工,为业务变革奠基
什么是AI Agent智能体?
核心架构解析: 深入讲解规划(Planning)、工具(Tools)、记忆(Memory)、行动(Action)在HR场景中的映射(例如:记忆模块如何存储候选人偏好) 。
与传统大模型的区别: 为什么ChatGPT不能直接帮HR干活?强调智能体的“行动力”与“复杂流程胜任力” 。
AI智能体在HR业务中的应用价值
功能层面: 调用外部插件(如背调搜索)+ 企业知识库(如内部薪酬职级表) 。
垂直场景: 针对劳务派遣的“高频重复”场景与猎头的“专业深度”场景定制 。
适用边界三要素(什么活适合交给AI?)
频度高但回报低的工作(如:批量初筛简历) 。
有固定流程的工作(如:入职材料审核) 。
第二讲:AI Agent 方法篇——掌握Prompt工程,打造“高情商沟通助手”
对应场景:猎头顾问话术生成、批量员工通知
Prompt提示词工程核心
Markdown结构化提示词撰写: 告别自然语言,用代码思维写指令 。
八大维度拆解:
角色(Role): 设定为“拥有10年经验的交付总监”或“亲和力强的员工关系专员” 。
背景(Background): 定义当前任务(如:候选人因薪资拒绝offer,需要挽回) 。
目标(Goals): 产出一段100字以内、语气委婉但专业的微信回复 。
约束(Constrains): 禁止使用生硬的HR术语,必须包含JD中的福利亮点 。
2. 实战练习:搭建“金牌话术顾问”智能体
步骤1: 在Coze中创建Bot,编写Markdown提示词脚本。
步骤2: 调试优化。输入:“候选人觉得离家太远”。AI输出:“三套不同风格的话术(共情型、利益驱动型、职业发展型)”。
第三讲:插件应用实战——打造“目标公司情报侦察兵”
对应场景:猎头Mapping、BD客户背调
插件带来的三大飞跃
数据无界: 让AI联网,获取最新的裁员消息、股价波动、高管变动信息 。
Coze插件生态: 必应搜索(Bing Search)、网页读取(Link Reader)等工具的组合使用 。
插件的IPO框架与配置
输入(Input): 目标公司名称(如“某某科技”) 。
处理(Process): 搜索最近6个月的新闻,过滤负面信息 。
输出(Output): 生成一份包含“经营状况、核心产品、潜在招聘需求”的表格报告 。
3. 实战练习:搭建“企业情报侦察官”智能体
任务: 制作一个能自动分析目标客户背景的Bot。
操作: 添加搜索插件,配置JSON参数,实现输入公司名即输出“挖人切入点分析”。
第四讲:知识库实战——打造“合规风控专家”
对应场景:多地社保政策查询、员工纠纷法律咨询
知识库的核心作用与技术逻辑
准确性: 利用RAG(检索增强生成)技术,防止AI在法律问题上“产生幻觉” 。
文本清洗与分块: 如何处理复杂的PDF社保文件和Excel基数表 。
Coze知识库创建实操
文本知识库: 上传《劳动合同法实操手册》、《员工手册》,配置分段策略 。
表格知识库: 上传《全国主要城市社保公积金基数表》,配置检索序列,确保数字准确 。
实战练习:搭建“合规风控卫士”智能体
任务: 训练一个只回答公司内部政策的机器人。
演示: 提问“杭州外包员工工伤停工留薪期最长多久?”,AI精准引用上传的文件条款回答。
第二天:高阶自动化与飞书数据流集成
第五讲:工作流(Workflow)搭建——“智能推荐报告流水线”
对应场景:猎头报告(Report)自动生成、简历标准化处理
工作流的本质与开发步骤
核心逻辑: 将复杂的业务流程拆解为节点(Nodes),实现“大模型+代码+数据”的串联。
节点详解:
大模型节点: 用于非结构化数据的提取(如从简历中提取“离职原因”) 。
代码/JSON节点: 用于格式化输出,确保生成的内容能对接系统 。
案例解析:简历适配与报告生成
输入: 原始简历文本 + 职位JD。
流程编排:
节点A(LLM):提取候选人基本信息。
节点B(LLM):对比JD,生成SWOT分析(优势/劣势)。
节点C(Code):将上述信息合并为标准的JSON格式。
实战练习: 搭建“Report自动生成器”,实现简历进、报告出,格式完美对齐。
第六讲:飞书多维表格联动——打造“自动化招聘筛选工厂”
此模块为结合飞书业务的深度定制内容
1. 飞书多维表格:不仅仅是Excel
建立标准的ATS(候选人追踪系统)数据结构。
字段设计:姓名、简历附件、解析状态、匹配评分、AI推荐理由。
2. 核心实操:Coze工作流 + 飞书多维表格的“核聚变”
场景: 针对劳务派遣业务,每天需处理数百份截图/PDF简历。
方案实施:
第一步: 在飞书多维表格配置“自动化流程”。
第二步: 接入Coze的工作流API(或使用飞书集成功能)。
第三步: 设置触发条件——当“简历附件”上传时,自动运行Coze智能体。
第四步: 结果回写——Coze将解析后的“年龄、驾照类型、居住地”自动填入表格对应列,并自动标记“不合格”人员。
3. 现场演示: 拖入10份蓝领简历,观察表格如何自动完成筛选与录入。
第七讲:落地实战训练与小组竞技
综合练习:分组PK
题目: 从以下三个课题中任选其一,完成“Coze智能体+飞书表格”的综合应用搭建:
课题A:外包员工考勤异常自动分析系统(输入打卡数据 -> AI判断异常原因 -> 飞书通知)。
课题B:猎头目标公司Mapping自动化表(输入公司名 -> AI搜索架构 -> 填入表格)。
课题C:大批量面试邀约与反馈追踪(表格选中人员 -> AI自动生成邀约话术 -> 记录反馈)。
实战辅导与优化
讲师巡场,针对各组的工作流逻辑进行Debug(调试)。
指导如何将做好的智能体发布到飞书工作台,实现全员权限管理 。
课程回顾与总结
成果验收: 评选“最佳降本增效解决方案”。
下一步计划: 如何将今天的Demo转化为企业内部的生产力工具。
结语: 拥抱AI,让HR从事务性工作中解放,回归“人”的价值。
授课老师
王菡雪 工信部入库AIGC专家讲师
常驻地：武汉
邀请老师授课：13439064501 陈助理
