基于多智能體協同的大學生就業面試訓練系統“GEMINI+互感評估”工作流設計

摘要：隨著就業市場競爭加劇，大學生面試表現已成為求職成功的關鍵因素。文章提出多智能體協同下的大學生就業面試訓練系統“GEMINI+互感評估”工作流的設計，結合視覺大模型和大語言模型，重點設計傳統面試訓練中常被忽視的非語言因素。該設計為高校提供了創新解決方案，并展示了多模態智能體在教育中的應用架構。

關鍵詞：大學生就業面試；多智能體協同；非語言因素；可擴展架構

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2025）09-0068-03 開放科學（資源服務） 標識碼（OSID） ：

0 引言

大學生就業關系到國家人才戰略的實施和社會穩定發展。據教育部預計，2025年全國高校畢業生將達1222萬人[1]，創歷史新高。為應對這一嚴峻形勢，面試成為求職的關鍵環節，其重要性不容忽視。據研究，招聘決策通常在面試后5～15 分鐘完成[2]，而約65%～93% 的決策受到應聘者非語言行為的影響[3]。目前雖有研究運用計算機視覺技術分析面試中的表情變化，但往往聚焦單一維度，缺乏語言與非語言因素的整合分析。本文提出“GEMINI+互感評估”（Ges?ture、Emotion、Multimodal、Intelligence、Nonverbal、In?teraction、plus，簡稱GEMINI+） 工作流設計，構建六維智能體協同系統，并設計了“+”拓展接口，實現了面試中語言和非語言因素的全面分析與個性化反饋，為大學生面試評估訓練提供了方案。

1 相關工作

1.1 面試非語言因素研究

面試過程中，非語言行為對面試成功率有著顯著影響。眾多研究發現，身體動作、面部表情等非語言因素更加真實地傳遞個人信息和情感[4]，超過85%的招聘主管認為面試者的非語言表現是評判其適應能力和情商的重要依據。對151名大學生的調查顯示，僅有約25%的大學生在面試前會刻意練習表情和肢體語言，近80%的學生不知道如何評估和改進自己的非語言表現。這一調查結果為GEMINI+互感評估工作流設計提供了重要的應用背景。

1.2 視覺大模型與大語言模型結合

認知研究表明，視覺記憶和語言記憶并非獨立，而是相互影響。視覺大模型如GPT-4V等，能夠理解和處理視覺信息，執行場景理解、情感分析等任務。大語言模型如GPT-4等，則具備生成回答、推理分析等能力。雖然這兩類模型各自發展迅速，但它們之間的結合依然面臨挑戰。多智能體協同框架為解決這一問題提供了可能。本系統正是基于這一思路，構建了兩者結合運用的面試訓練系統。

1.3 多智能體協同系統多智能體協同系統

由多個具有自主性的智能體組成，各智能體通過交互與協作完成復雜任務[5]。近年來，在面試訓練領域也已有一些基于智能體的嘗試[6]，但主要關注語言交互，對非語言因素分析有限也缺乏各模塊間有效的協同機制。

2 GEMINI+互感評估工作流整體架構

GEMINI+互感評估工作流是一個面向大學生就業面試訓練的多智能體協同系統，采用模塊化、可擴展性和智能協同的核心理念進行多層架構設計，以實現對面試過程的全方位評估與反饋。同時，通過明確的智能體角色定義和交互協議，實現視覺分析、語言理解、情感識別和反饋生成等功能的有機結合，為面試訓練提供了更全面、更個性化的解決方案。

2.1 工作流核心架構

GEMINI+互感評估工作流基于“六維+拓展”的核心架構，如圖1所示。六維指的是系統的6個核心功能維度：姿態動作（Gesture） 、情感表達（Emotion） 、多模態分析（Multimodal） 、智能協作（Intelligence） 、非語言因素（Nonverbal） 和互動反饋（Interaction） 。每個維度由相應的專業智能體負責。

工作流的數據流動遵循六維智能體協同網絡結構，而非簡單的線性處理。各智能體間通過標準化接口實現信息共享，形成互通互聯的分析生態。架構將視覺模型與大語言模型以智能體的形式結合起來，獲取基礎、認知、創新三層AI支持，適配行業、文化、領導力評估等多專業拓展模塊。中心“+”設計允許動態接入新智能體，開放且具有可擴展性。各環節緊密銜接，形成閉環的面試訓練系統。

2.2 智能體功能定義

GEMINI+互感評估工作流中的每個智能體都有明確的功能定位和責任區域，遵循“專業分工、協同合作”的原則，用標準化接口和通信協議與其他智能體交換信息和新智能體接入系統。其功能定義如表1 所示。

2.3 智能體協作機制

GEMINI+互感評估工作流的核心在于智能體協作機制，如圖2所示。數據采集層收集用戶基礎數據與多維面試表現數據，并將其轉化為多智能體均能訪問共享的統一語義表示。在智能體分析協作層，經多智能體協作分析，從特征融合到最終決策，并將得出的結果與用戶進行面試反饋評估。

GEMINI+互感評估工作流中的智能體不僅是簡單的功能模塊，而是具有一定自主性的實體。每個智能體既是分析者又是監聽者，它們能夠主動發現問題、提出分析請求，并與其他智能體協商解決方案。在智能體分析協作中，智能體分為三層結構：感知層、理解層和交互層。感知層的姿態分析和情感識別智能體從數據采集層中提取基礎特征；理解層的多模態整合、非語言分析和智能決策智能體對特征進行深度理解和分析；交互層的互動反饋智能體將分析結果轉化為用戶可理解的反饋。各層之間通過雙向信息流保持溝通，上層智能體可以向下層請求更詳細的分析，形成反饋循環。例如，當多模態整合智能體發現語言內容與表情存在矛盾時，會主動請求情感識別智能體和智能決策智能體進行深入分析，共同形成更準確的評估。

3 GEMINI+互感評估工作流實現方案

3.1 技術架構設計

GEMINI+互感評估工作流的技術架構采用現代軟件工程理念，分為前端交互層、業務邏輯層、智能體服務層和基礎設施層四個層次。前端交互層構建響應式用戶界面，業務邏輯層實現核心業務流程和數據管理。智能體服務層是系統的核心，每個智能體作為獨立的微服務部署，通過API網關統一接入，使用消息隊列進行異步通信，如圖3所示。各智能體能夠獨立演化和升級，也便于新智能體的接入。基礎設施層使得系統具備可擴展性和穩定性。

3.2 運行過程示例

面試者回答“請介紹主導項目”時，感知層智能體捕捉到前傾但肩膀緊張的姿態，以及談及技術難點時的緊張微表情。理解層多模態整合智能體發現語言自信與非語言緊張的不一致；智能決策智能體評估內容邏輯清晰但細節不足；非語言分析智能體識別到談及團隊合作時眼神飄忽。各智能體協商后，判斷面試者技術描述自信不足且團隊合作敘述真實性欠缺。互動反饋智能體最終生成針對性建議：增加技術細節并保持放松姿態；改進團隊合作描述并維持自然眼神接觸。

4 結束語

本文針對當前大學生就業面試訓練中非語言因素評估的問題，提出了“GEMINI+互感評估”工作流設計方案。該方案以六維智能體協同架構及拓展接口，實現了面試中語言與非語言因素的全面分析與個性化反饋。系統突破傳統面試訓練單一維度的局限，創新性地構建了語言與非語言因素統一分析框架，填補了就業指導領域多模態評估的理論空白。同時，該系統構建了分層有序的智能體協同機制，突破了傳統AI 系統“單點分析”的局限，實現了多維度、多層次的綜合判斷，提高了面試評估的準確性。未來研究可結合新的技術進展，進一步優化多模態多智能體整合算法，提高系統智能化程度，并擴展多行業特定的評估標準，使GEMINI+互感評估工作流能夠更精準地適應不同專業背景學生的面試需求。