面试教练实时系统：n8n 多源工作流

n8n 与 Bright 挑战赛：势不可挡的工作流

本文投稿参加由 n8n 和 Bright Data 联合举办的 AI Agents Challenge。

HireWise 是一个由 AI 驱动的面试准备平台，旨在解决一个关键问题：面试准备内容过时。大多数面试准备工具依赖静态、通用的问题，而 HireWise 将实时就业市场情报与逼真的 AI 面试相结合，帮助求职者获得真正的竞争优势。

问题：传统面试准备使用的是昨天的问题，却要应对今天的就业市场。

解决方案：HireWise 使用 Bright Data 抓取当前的 LinkedIn 招聘信息，通过 n8n AI 工作流处理这些数据，并生成贴合市场实际情况的面试问题，再由逼真的 AI Avatar 向用户提问。

🔍 实时市场情报：实时抓取 LinkedIn 招聘信息，获取当前面试问题

🤖 逼真的 AI 面试：通过 Akool 流式 Avatar 进行语音对话

📝 自适应问题生成：根据上传的简历或职位描述进行个性化生成

💡 智能反馈：由 AI 驱动的表现分析与改进建议

🔐 安全平台：使用 Clerk 进行身份验证，并跟踪面试历史记录

🎥 YouTube：https://youtu.be/Kx_ednL1EUo

🌐 在线应用：https://hirewise-delta.vercel.app/

上传简历或手动输入职位信息

AI 通过 n8n 工作流处理你的信息

Bright Data 抓取当前的 LinkedIn 招聘信息

由逼真的 AI Avatar 开始面试

通过语音进行对话，并实时接收问题

获得反馈和表现洞察

📋 GitHub Gist：HireWise n8n 工作流

🖼️ 与 n8n 和 Bright Data 一路走来的历程：

该工作流通过以下方式展现了“势不可挡的工作流”这一理念：

智能分支：针对简历输入与手动输入采用不同的处理路径

多 AI 协同处理：集成 OpenAI 与 Google Gemini

实时数据：使用 Bright Data 抓取 LinkedIn 数据

动态响应：根据上下文生成问题

技术实现

架构概览

前端：Next.js 15、React 19、TypeScript、Tailwind CSS

后端：Next.js API routes 与 Convex 数据库

AI 集成：针对不同任务使用多个 AI 模型

身份验证：使用 Clerk 实现安全的用户管理

速率限制：使用 Arcjet 保护 API

System Instructions 与模型选择

问题生成（OpenAI）：

Generate 5 relevant interview questions based on:
1. Current job market data from LinkedIn
2. User's resume/job description
3. Industry-specific requirements
4. Behavioral and technical aspects

简历处理（Google Gemini）：

Extract and structure resume content:
- Skills and experience
- Education background
- Project highlights
- Professional summary

反馈分析（OpenAI）：

Analyze interview conversation and provide:
- Performance rating (1-10)
- Specific feedback on responses
- Improvement suggestions
- Industry benchmarking

Memory 与状态管理

Convex 数据库：持久化保存面试 Session 和用户历史记录

Session Storage：实时跟踪对话

工作流状态：由 n8n 处理复杂的分支逻辑

Akool Streaming Avatar SDK：实现逼真的 AI 面试

ImageKit：安全存储 PDF 简历

Clerk：身份验证与用户管理

Arcjet：速率限制与安全防护

Bright Data Verified Node

Bright Data 集成是我们“势不可挡的工作流”的核心：

动态抓取 LinkedIn：根据用户提供的职位名称执行抓取

两条工作流路径：路径 1：基于简历的职位匹配；路径 2：处理手动输入的职位描述

路径 1：基于简历的职位匹配

路径 2：处理手动输入的职位描述

实时市场数据：当前招聘信息、职位要求和趋势

数据处理：使用自定义 n8n code node 清理 HTML，并提取相关内容

{
  "parameters": {
    "url": "https://www.linkedin.com/jobs/search/?keywords={{ encodeURIComponent($json.jobTitle) }}",
    "zone": "web_unlocker1",
    "country": "US"
  }
}

市场相关性：问题能够反映雇主实际正在询问的内容

当前趋势：融入最新的行业要求

竞争优势：用户可以根据当今市场的实际期望进行练习

抓取的数据会流入我们的 n8n AI Agents。它们会分析职位描述、提取关键技能，并生成有针对性的面试问题，从而真实还原招聘经理的预期。

最大的挑战，是构建一个能够提供真正相关的面试准备系统。通用问题无法帮助求职者应对当今快速变化的就业市场中具体的职位要求和趋势。

n8n + Bright Data 带来的突破

当我发现 n8n 的 AI Agent 能力与 Bright Data 的网页抓取能力可以协同工作时，一些此前从未设想过的可能性随之出现：

实时相关性：我们不再依赖静态问题数据库，而是可以抓取当前的招聘信息

智能处理：n8n 的 AI Agents 可以分析抓取的数据，并结合上下文进行理解

个性化：将市场数据与用户简历相结合，创造出真正个性化的体验

克服的技术难题

复杂的工作流编排：在 n8n 中构建既能处理简历输入、又能处理手动输入的分支逻辑，需要细致的规划与测试。

数据处理：LinkedIn 的 HTML 必须经过大量清理和处理，才能用于生成问题。

AI 同步：在维持对话流程和上下文的同时，协调多个 AI 模型（OpenAI、Gemini、Akool）。

实时性能：确保基于语音的 AI 面试体验自然、响应及时。

n8n 的强大能力：该平台编排复杂、多步骤 AI 工作流的能力令人惊叹

数据质量至关重要：原始抓取数据需要经过大量处理，才能真正发挥作用

用户体验：只有在能够改善用户体验时，实时市场数据才有价值

工作流设计：以“势不可挡的工作流”为出发点进行思考，改变了我对自动化的理解与实践方式

意外发现

Bright Data 的可靠性，让实时抓取能够真正用于生产环境

n8n 的 AI Agents 能够处理远比预期更复杂的逻辑

二者结合后产生了任何单一工具都无法独立提供的涌现能力

HireWise 现在提供的面试准备能够：

✅ 紧跟就业市场趋势

✅ 根据每位用户的个人背景进行个性化调整

✅ 提供逼真的面试模拟

✅ 提供可用于实际改进的反馈

该平台展示了如何将 AI Agents 与实时 Web 数据结合起来，打造能够根据当前市场状况持续适应并不断改进的“势不可挡的工作流”。

在线演示：https://hirewise-delta.vercel.app/
源代码：https://github.com/Arjunhg/hirewise
工作流：GitHub Gist

使用 n8n AI Agents 和 Bright Data，倾注 ❤️ 打造。

部分评论可能仅对已登录的访客可见。请登录以查看所有评论。

如需采取进一步措施，你可以考虑屏蔽此人和/或举报滥用行为。