استفاده از Gemini Notebook🤖 و Claude🤖 برای شبیهسازی مصاحبه شغلی
💻 ساختِ پنل تمرینی مصاحبهی شغلی مبتنی بر AI - بخشِ اول
سیستمی که یک آگهی شغلی رو به مجموعهای از منابع آمادگی برای مصاحبه تبدیل میکنه.
بعدش Claude Code با سه شخصیت متفاوت ( مدیرعامل - مدیر استخدام - مدیرفنی) مصاحبهای چندجانبه و متناسب با همون آگهی اجرا میکنه.
ترکیبی از این سه جزء هست:
شماره 1. Gemini Notebook ( NotebookLM)
شماره 2. کتابخانهٔ متنباز و غیررسمی notebooklm-py
شماره 3. قابلیت عاملها و شخصیتهای سفارشی در Claude Code
هدف سیستم
بیشتر ابزارهای آمادگی مصاحبه، مجموعهای از سؤالهای عمومی مانند " دربارهٔ خودت بگو " یا سؤالهای متداول برنامهنویسی ارائه میکنن.
که در این سیستم تلاش میشه سؤالها رو از نیازمندیهای یک موقعیت شغلی مشخص استخراج کنه.
بنابراین خروجی قرارِ بر موارد زیر متمرکز باشه:
1. مهارتهای فنی ذکرشده در آگهی
2. وظایف روزانهٔ آن موقعیت
3. تجربههای مورد انتظار
4. مهارتهای ارتباطی و مدیریتی
5. فناوریها و ابزارهای نامبردهشده
6. اهداف احتمالی کسبوکار
7. شکاف میان تواناییهای داوطلب و انتظارات شغل
البته اگر فقط آگهی شغلی وارد شه، سیستم هنوز رزومه و سوابق واقعی داوطلب رو نمیشناسه.
برای تحلیل واقعی شکاف مهارتی باید رزومه، نمونهکارها و توضیح تجربههای شخص نیز به منابع اضافه شه.
مرحلهٔ اول: انتخاب آگهی شغلی
برای نمونه عبارتِ " AI Engineer " رو جستوجو میکنیم و نخستین موقعیت مشاهدهشده در NVIDIA رو برمیداریم.
خب قاعدتاً از فرایند استخدام NVIDIA اطلاعی نداریم!
سؤالها یا شخصیتها از اطلاعات داخلی NVIDIA ساخته نشدن.
تنها منبع مورد استفاده، متن عمومی آگهی شغلی هست.
این خروجیها نباید " سؤالهای رسمی مصاحبه NVIDIA" نامیده بشن.
این تفکیک خیلی مهمِ:
سیستم فقط مصاحبهای محتمل براساس متن آگهی میسازه، نه بازسازی فرایند واقعی شرکت.
مرحلهٔ دوم: قراردادن منبع در Gemini Notebook
آگهی شغلی بهعنوان منبع وارد Gemini Notebook میشه.
که Gemini Notebook محتوای آگهی رو تحلیل میکنه و از اون دو خروجی اصلی میسازه:
1⃣ Quiz
که Quiz برای استخراج نکتههای قابلسؤال استفاده میشه؛ مانند:
مسئولیتهای شغلی
فناوریهای موردنیاز
گردش کار روزمره
مهارتهای فنی
انتظارات شرکت
چالشهای نقش
ابزارها و معماریهای ذکرشده در آگهی
🔢 Mind Map
که Mind Map ساختار کلی موقعیت رو نشون میده:
مسئولیتهای اصلی
صلاحیتها
زمینهٔ سازمانی
ابزارها و فناوریها
حقوق و مزایا
جایگاه نقش در کسبوکار شرکت
یعنی Quiz بیشتر برای سؤالهای عملی و فنی به کار میره؛ Mind Map بیشتر برای سؤالهای کلان، راهبردی و سازمانی.
نقش notebooklm-py
برای خارجکردن خروجی Gemini Notebook و تبدیل اون به فایلهای محلی، از notebooklm-py استفاده میکنه.
این ابزار میتونه کارهایی مانند اینها انجام بده:
ساخت و مدیریت Notebook
اضافهکردن URL، PDF و فایل متنی
پرسش از منابع
تولید Quiz و Flashcard
تولید Mind Map
دریافت Quiz در قالب Markdown یا JSON
دریافت Mind Map در قالب JSON
تولید گزارش، جدول، اسلاید و خروجیهای دیگر
نصب Skill برای برخی عاملهای کدنویسی
مرحلهٔ سوم: استخراج دو فایل اصلی
1⃣ quiz.md
سؤالها و اطلاعات آزمون در قالب Markdown؛ مناسب برای خواندن مستقیم توسط Claude
🔢 mindmap.json
ساختار سلسلهمراتبی مهارتها، موضوعها و ارتباطات در قالب JSON
که notebooklm-py میتونه Quiz رو در قالب Markdown و Mind Map رو در قالب JSON دریافت کنه.
مرحلهٔ چهارم: پوشهٔ interview-panel
دو فایل خروجی در ساختاری به نام interview-panel قرار میگیرن.
این پوشه شامل منطق هدایت مصاحبه و شخصیتهای مصاحبهکننده میشه.
این پوشه به NVIDIA وابسته نیست.
فقط برای مشاغل مهندسی طراحی نشده.
ورودی خودش رو از quiz.md و mindmap.json دریافت میکنه.
میتونه برای فروش، بازاریابی، مدیریت یا زمینههای دیگر تغییر داده شه.
نقش Claude Code در این سیستم
خب Claude Code خروجیهای Gemini Notebook رو میخونه و براساس فایلهای شخصیتی، نقش مصاحبهکنندگان رو اجرا میکنه.
یعنی Claude Code واقعاً از Subagentهای سفارشی پشتیبانی میکنه.
هر زیرعامل میتونه:
شماره 1 : Context مستقل داشته باشه.
شماره 2 : System Prompt مخصوص دریافت کنه.
شماره 3 : به ابزارهای مشخص محدود شه.
شماره 4 : وظیفهٔ تخصصی انجام بده.
شماره 5 : نتیجه رو به عامل اصلی برگردونه.
بنابراین ساخت سه مصاحبهکنندهٔ مستقل از نظر فنی امکانپذیر میشه.
🔗 جهت تهیه و کسب اطلاعات بیشتر هر کدام از پلتفرمهای هوش مصنوعی میتونید با @ElizaiumHelp در ارتباط باشید.
🔗 بررسی دقیقِ هوش مصنوعیها در @Elizaium