海螺ai生成岗位jd与面试题需通过精准prompt触发，而非ui模板：一、用结构化prompt在网页版一次性生成专业jd及6道匹配面试题；二、分阶段先拆解能力维度再反向出题；三、调用minimax api定制json格式输出并校验关键词覆盖。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望借助海螺AI辅助生成岗位JD（Job Description）与配套面试问题，但发现平台未提供标准化模板入口或一键生成功能，则可能是由于该能力需通过精准Prompt指令触发，而非内置UI模块。以下是实现岗位JD与面试问题协同设计的三种可操作路径：
一、使用结构化Prompt在海螺AI网页版生成JD及对应面试题
该方法基于海螺AI对多步指令与角色设定的强理解能力，可一次性输出符合HR专业规范的JD文本，并同步生成覆盖行为面、技术面、情境面的匹配问题集。
1、访问https://hailuoai.com并登录账号。
2、输入以下完整Prompt：“你是一位有5年互联网招聘经验的HRBP，请为‘AI测试工程师’岗位撰写一份专业JD：包含岗位名称、部门归属、核心职责（分点列出，每点不超过20字）、任职要求（分硬性条件与软性素质）、加分项；随后，基于该JD生成6道高质量面试题，其中2道行为面（用STAR法则引导）、2道技术面（聚焦AI断言与GUI Agent）、2道情景模拟题（如‘当测试环境突发模型响应延迟，你如何快速定位并推动解决？’），每道题后标注考察重点。”
3、等待模型输出完整内容，检查职责与要求是否匹配当前技术栈（如abab-6.5t、LangChain等关键词是否准确嵌入）。
4、对生成的面试题进行语义校验，确保问题不含歧义、不依赖实时图像/语音输入、适配纯文本AI面试系统识别逻辑。
二、分阶段构建：先定JD框架，再反向推导问题维度
该方法强调岗位能力图谱的显性化拆解，避免JD与问题脱节，适用于需高频迭代JD的HR或技术招聘负责人。
1、在对话中明确指令：“请列出AI产品经理岗位所需的5项核心能力维度，每项用4–6个字概括（例如：需求转化力、数据敏感度），并为每项维度分配权重（总和为100%）。”
2、待模型返回能力图谱后，追加指令：“针对‘技术理解力’（权重25%）这一维度，请生成3个递进式问题：基础认知题（如定义类）、项目应用题（如STAR案例）、边界判断题（如‘什么情况下不应采用大模型方案？’）。”
3、对每个能力维度重复步骤2，确保6–8个问题覆盖全部权重板块，且问题类型不重复。
4、将所有问题按“能力维度—问题—考察重点”三栏整理为表格，用于后续面试官培训或AI面试系统题库导入。
三、结合MiniMax API定制化生成带校验机制的JD-试题对
该方法面向企业级用户或HR系统开发者，通过API调用实现JD与试题的批量生成、一致性比对与合规性过滤，支持字段级可控输出。
1、登录https://platform.minimax.io，进入API密钥管理页，创建Secret Key并记录Endpoint地址（如https://api.minimax.io/v1/text/completion）。
2、构造POST请求体，设置system_prompt为：“你是一个招聘合规性校验助手。输出必须严格遵循JSON Schema：{jd: string, interview_questions: [{question: string, dimension: string, difficulty: '基础'|'进阶'|'高阶', keyword_coverage: [string]}}。禁止输出任何解释性文字或Markdown格式。”
3、在user_prompt中传入结构化岗位参数，例如：{"role": "算法工程师", "level": "P6", "tech_stack": ["PyTorch", "Kubeflow", "LLM fine-tuning"], "department": "智能云事业部"}。
4、发送请求后解析返回JSON，提取jd字段用于OA系统发布，提取interview_questions数组导入AI面试平台题库，重点关注keyword_coverage字段是否覆盖“幻觉抑制”“推理优化”“AB测试设计”等JD原文关键词。
