> Discover all available pages from the documentation index: https://mastra.zisheng.pro/zh-HK/llms.txt

# 建構 AI 招聘人員

在本指南中，你會了解 Mastra 如何協助你使用 LLM 建構 Workflow。

你會建立一個 Workflow，從求職者的履歷收集資料，然後根據求職者的背景，分支至技術或行為問題。在過程中，你會了解如何組織 Workflow 步驟、處理分支，以及整合 LLM 呼叫。

## 先決條件

- 已安裝 Node.js `v22.13.0` 或更新版本
- 受支援的 [Model Provider](https://mastra.zisheng.pro/zh-HK/models) 所提供的 API 金鑰
- 現有的 Mastra 項目（請按照[安裝指南](https://mastra.zisheng.pro/zh-HK/guides/getting-started/quickstart)設定新項目）

## 建構 Workflow

設定 Workflow、定義用於擷取及分類求職者資料的步驟，然後提出合適的跟進問題。

1. 建立新檔案 `src/mastra/workflows/candidate-workflow.ts`，並定義 Workflow：

   ```ts
   import { createWorkflow, createStep } from '@mastra/core/workflows'
   import { z } from 'zod'

   export const candidateWorkflow = createWorkflow({
     id: 'candidate-workflow',
     inputSchema: z.object({
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       askAboutSpecialty: z.object({
         question: z.string(),
       }),
       askAboutRole: z.object({
         question: z.string(),
       }),
     }),
   }).commit()
   ```

2. 你需要從履歷文字擷取求職者的詳細資料，並將對方分類為「技術」或「非技術」人員。這個步驟會呼叫 LLM 解析履歷，並傳回結構化 JSON，當中包括姓名、是否屬技術人員、專長及原始履歷文字。透過 `inputSchema` 定義後，你便可存取 `resumeText`，並在 `execute()` 內使用它。使用該內容向 LLM 發出提示，並傳回整理後的欄位。

   在現有的 `src/mastra/workflows/candidate-workflow.ts` 檔案加入以下內容：

   ```ts
   import { Agent } from '@mastra/core/agent'

   const recruiter = new Agent({
     id: 'recruiter-agent',
     name: 'Recruiter Agent',
     instructions: `You are a recruiter.`,
     model: 'openai/gpt-5.6-sol',
   })

   const gatherCandidateInfo = createStep({
     id: 'gatherCandidateInfo',
     inputSchema: z.object({
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       candidateName: z.string(),
       isTechnical: z.boolean(),
       specialty: z.string(),
       resumeText: z.string(),
     }),
     execute: async ({ inputData }) => {
       const resumeText = inputData?.resumeText

       const prompt = `Extract details from the resume text:
   "${resumeText}"`

       const res = await recruiter.generate(prompt, {
         structuredOutput: {
           schema: z.object({
             candidateName: z.string(),
             isTechnical: z.boolean(),
             specialty: z.string(),
             resumeText: z.string(),
           }),
         },
       })

       return res.object
     },
   })
   ```

   由於你在 `execute()` 內使用招聘 Agent，因此需要在步驟上方定義它，並加入所需的匯入陳述式。

3. 這個步驟會要求識別為「技術」人員的求職者，進一步說明他們如何投身其專業領域。它會使用完整履歷文字，讓 LLM 能夠撰寫相關的跟進問題。

   在現有的 `src/mastra/workflows/candidate-workflow.ts` 檔案加入以下內容：

   ```ts
   const askAboutSpecialty = createStep({
     id: 'askAboutSpecialty',
     inputSchema: z.object({
       candidateName: z.string(),
       isTechnical: z.boolean(),
       specialty: z.string(),
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       question: z.string(),
     }),
     execute: async ({ inputData: candidateInfo }) => {
       const prompt = `You are a recruiter. Given the resume below, craft a short question
   for ${candidateInfo?.candidateName} about how they got into "${candidateInfo?.specialty}".
   Resume: ${candidateInfo?.resumeText}`
       const res = await recruiter.generate(prompt)

       return { question: res?.text?.trim() || '' }
     },
   })
   ```

4. 如果求職者屬於「非技術」人員，你會需要另一個跟進問題。這個步驟會再次參考對方的完整履歷文字，詢問他們對該職位最感興趣的地方。`execute()` 函式會向 LLM 取得聚焦於職位的問題。

   在現有的 `src/mastra/workflows/candidate-workflow.ts` 檔案加入以下內容：

   ```ts
   const askAboutRole = createStep({
     id: 'askAboutRole',
     inputSchema: z.object({
       candidateName: z.string(),
       isTechnical: z.boolean(),
       specialty: z.string(),
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       question: z.string(),
     }),
     execute: async ({ inputData: candidateInfo }) => {
       const prompt = `You are a recruiter. Given the resume below, craft a short question
   for ${candidateInfo?.candidateName} asking what interests them most about this role.
   Resume: ${candidateInfo?.resumeText}`
       const res = await recruiter.generate(prompt)
       return { question: res?.text?.trim() || '' }
     },
   })
   ```

5. 現在，你會組合這些步驟，根據求職者是否屬技術人員實作分支邏輯。Workflow 會先收集求職者資料，然後根據 `isTechnical`，詢問對方的專長或對職位的看法。這可透過串連 `gatherCandidateInfo`、`askAboutSpecialty` 及 `askAboutRole` 完成。

   在現有的 `src/mastra/workflows/candidate-workflow.ts` 檔案中，按以下方式修改 `candidateWorkflow`：

   ```ts
   export const candidateWorkflow = createWorkflow({
     id: 'candidate-workflow',
     inputSchema: z.object({
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       askAboutSpecialty: z.object({
         question: z.string(),
       }),
       askAboutRole: z.object({
         question: z.string(),
       }),
     }),
   })
     .then(gatherCandidateInfo)
     .branch([
       [async ({ inputData: { isTechnical } }) => isTechnical, askAboutSpecialty],
       [async ({ inputData: { isTechnical } }) => !isTechnical, askAboutRole],
     ])
     .commit()
   ```

6. 在 `src/mastra/index.ts` 檔案中註冊 Workflow：

   ```ts
   import { Mastra } from '@mastra/core'
   import { candidateWorkflow } from './workflows/candidate-workflow'

   export const mastra = new Mastra({
     workflows: { candidateWorkflow },
   })
   ```

## 測試 Workflow

你可以啟動開發伺服器，在 [Studio](https://mastra.zisheng.pro/zh-HK/docs/studio/overview) 內測試 Workflow：

```bash
mastra dev
```

在側邊欄前往 **Workflows**，然後選擇 **candidate-workflow**。中間會顯示 Workflow 的圖形檢視，而右側邊欄預設會選取 **Run** 分頁。你可以在此分頁輸入履歷文字，例如：

```text
Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces.
```

輸入履歷文字後，按下 **Run** 按鈕。此時，你應該會看到兩個狀態方塊（`GatherCandidateInfo` 及 `AskAboutSpecialty`），當中包含 Workflow 步驟的輸出。

你亦可以呼叫 [`.createRun()`](https://mastra.zisheng.pro/zh-HK/reference/workflows/workflow-methods/create-run) 及 [`.start()`](https://mastra.zisheng.pro/zh-HK/reference/workflows/run-methods/start)，以編程方式測試 Workflow。建立新檔案 `src/test-workflow.ts` 並加入以下內容：

```ts
import { mastra } from './mastra'

const run = await mastra.getWorkflow('candidateWorkflow').createRun()

const res = await run.start({
  inputData: {
    resumeText:
      'Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces.',
  },
})

// Dump the complete workflow result (includes status, steps and result)
console.log(JSON.stringify(res, null, 2))

// Get the workflow output value
if (res.status === 'success') {
  const question = res.result.askAboutRole?.question ?? res.result.askAboutSpecialty?.question

  console.log(`Output value: ${question}`)
}
```

現在執行 Workflow，並在終端機取得輸出：

```bash
npx tsx src/test-workflow.ts
```

你已建構一個 Workflow，可解析履歷，並根據求職者的技術能力決定要提出哪個問題。恭喜你，祝你編程愉快！