Web 开发者快速上手 AI Agent：基于 Dify 构建低代码 HR 招聘系统

🔑 技巧：把岗位 JD、评分规则等'静态信息'放在系统提示中，避免每次重复传递。

3.2 提示词模板 = 组件 Props 接口

设计一个可复用的提示词模板，就像定义一个 React 组件的 props 类型：

# Dify 中的提示词模板（YAML 风格）
岗位名称：{{job_title}}
技能要求：{{required_skills}}
简历内容：{{resume_text}}
请按以下 JSON 格式输出：
{"score": 0-5,
"strengths":["...","..."],
"weaknesses":["...","..."]}

这样，你的前端只需传入 job_title、required_skills、resume_text 三个变量，即可获得结构化输出。

4 实战：基于 Dify 构建低代码 HR 招聘系统（端到端流程）

我们将构建一个包含四大模块的系统：

1. 简历爬取（可选，通常由第三方提供）
2. 简历智能筛查
3. 面试自动评分
4. 新员工智能培训

🛠️ 技术栈：Dify（后端 AI 逻辑） + Vue3（前端展示） + Spring Boot（可选，用于对接企业 HR 系统）

4.1 步骤 1：在 Dify 中创建'简历筛查 Agent'

1. 登录 Dify，新建一个 Chatbot 应用
2. 在'Prompt Engineering'中输入：

你是一名资深 HR，请根据以下岗位要求对候选人简历进行评分（1-5 分），并指出优缺点。
【岗位要求】 {{job_description}}
【简历内容】 {{resume}}
请严格按以下 JSON 格式返回，不要包含其他文字：
{
  "overall_score": 0,
  "technical_match": 0,
  "experience_match": 0,
  "comments": {
    "strengths": [],
    "weaknesses": []
  }
}

3. 启用 JSON 模式输出（Dify 支持强制结构化输出）
4. 保存并发布 API

4.2 步骤 2：前端调用（Vue3 示例）

<template>
  <div>
    <textarea v-model="resume" placeholder="粘贴简历内容"></textarea>
    <button @click="screenResume">智能筛查</button>
    <pre>{{ result }}</pre>
  </div>
</template>
<script setup>
import { ref } from 'vue'
const resume = ref('')
const result = ref('')
const screenResume = async () => {
  const response = await fetch('https://api.dify.ai/v1/chat-messages', {
    method: 'POST',
    headers: {
      'Authorization': 'Bearer YOUR_API_KEY',
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      inputs: {
        job_description: '熟悉 Spring Boot, MySQL, 3 年以上经验',
        resume: resume.value
      },
      query: '请分析这份简历',
      response_mode: 'blocking',
      user: 'web_user_001'
    })
  })
  const data = await response.json()
  // Dify 返回的是文本，需解析 JSON（因启用了 JSON 模式）
  result.value = JSON.parse(data.answer)
}
</script>

✅ 注意：Dify 的 API 返回字段为 answer，内容即为你在提示词中要求的 JSON 字符串。

4.3 步骤 3：扩展至面试评分 & 智能培训

• 面试评分 Agent：输入面试记录（文字或语音转写），输出能力维度评分
• 智能培训 Agent：根据岗位缺口，生成学习路径（如：'建议学习 Redis 缓存设计'）

每个 Agent 都是独立的 Dify 应用，可通过同一套前端调用。

5 常见问题与解决方案（Web 开发者视角）

Q1：模型响应慢，影响用户体验？

• 方案：前端加 loading + 超时处理；后端用队列异步处理（如 RabbitMQ），结果通过 WebSocket 推送。

Q2：提示词效果不稳定？

• 方案：在 Dify 中使用 变量校验（如限制 score 必须为数字）；结合 Few-shot 示例（在提示词中加入 1-2 个正确输出样例）。

Q3：如何保护企业数据隐私？

• 方案：Dify 支持私有化部署，所有数据不出内网；API 调用启用 JWT 认证，与现有 SSO 系统集成。

Q4：能否与现有 HR 系统（如北森、Moka）集成？

• 方案：通过 Spring Boot 中间层，将 Dify API 封装为企业内部 REST 接口，供 HR 系统调用。

6 总结与 Web 开发者的 AI 学习路径建议

本文核心收获：

• Dify 让 Web 开发者无需懂 PyTorch 也能构建 AI 应用
• 提示词工程 = 新时代的'业务逻辑编写'
• HR 招聘场景是验证 AI 落地的理想试验田

推荐学习路径（针对 Web 开发者）：

1. 入门：掌握 Dify 基础操作（创建应用、设计提示词、调用 API）
2. 进阶：学习 Agent 工作流（多步骤推理）、RAG（检索增强生成，用于简历知识库）
3. 融合：将 Dify 嵌入现有 Web 系统（如用 Vue 组件展示 AI 评分）
4. 深化：了解 LangChain（若需更复杂逻辑），但优先用 Dify 可视化编排

推荐资源：

• Dify 官方文档（中文完善，含 API 示例）
• GitHub 开源项目：difyai/dify（支持 Docker 一键部署）