腾讯会议 AI：面试场景怎么用？记录与评估

面试时最两难的处境是：埋头记录，就没法专心追问；只顾追问，回头又想不起细节。转写能把记录这件事接管过去，但它接管不了判断。用腾讯会议 AI 做面试，头一条纪律就是把这两件事分开：记录交给工具，评估自己做。混在一起，工具替你做了不该做的决定。

为什么必须分开

转写稿是原料，评估是结论。让模型直接给「是否推荐录用」，等于把一个多因素判断压缩成一段文字匹配。它会偏好表达流畅、结构清晰的候选人，而这类偏好和岗位胜任力只有弱相关。销售岗、研发岗需要的东西差别很大，模型不知道你要哪一个。

更实际的问题是责任。录用决定要能解释，理由要能落到具体证据上。模型给不出可复核的依据，出了问题也无法追溯。一段「沟通能力强、学习能力好」的评语，对下一轮面试官没有任何帮助。

会前五分钟：把维度定下来

转写工具默认按时间顺序输出，一份四十分钟的面试记录可能有两万字。不预设维度，会后读起来跟重听一遍差不多，省下的时间又还回去了。

会前列四到六个维度，每个维度配一个能观察到的行为。比如「需求澄清」对应「是否在动手前确认输入和边界」，「排障思路」对应「能否说出先查什么、后查什么」。维度要跟岗位相关，跟性别、婚育、地域这些无关因素一律不列，列了就是给偏见留位置。

维度定了，转写稿才有读法。你可以只读某个维度相关的片段，跳过寒暄和自我介绍，十分钟读完一场。

转写稿怎么读：三类信号

第一类是回答要点。候选人实际说了什么，用了什么例子，里面的数字能不能对上。转写稿会忠实记下口误，也会忠实记下前后矛盾，后者比前者有用。

第二类是追问过程。哪些地方被追问、追问后答案有没有变化。第一次答得笼统、追问后能给出细节，和两次都笼统，含义完全不同。这个差别只有对照转写才看得出来。

第三类是含糊与回避。哪些问题答得模糊、绕开了核心。这一类最有价值，也最容易在边听边记时漏掉，因为当下你正忙着想下一个问题。

读的时候让模型只做归纳、不做评价，并且标注原话位置。要求「不给录用建议」这一句必须写进指令，否则它大概率会自作主张加一段结论，而那段结论会先入为主地影响你的判断。

面试环节与工具分工

这张表最关键的是最后一行。工具链可以很长，但评估这一步必须空着，空着才有人负责。

追问清单怎么长出来

好的追问是从上一轮回答的空白处长出来的，临场硬想往往只能想到准备好的那几个问题。会后让模型列出「需要进一步追问的点」，比让它写评估有用得多：它擅长发现信息缺口，不擅长判断人。

具体做法是把转写稿按维度切段，逐段问「这段回答里，哪些关键信息没有交代」。它会指出项目规模、个人贡献、时间节点这类缺失项。下一轮面试就带着这张清单进去，问的都是真正缺的东西。

多轮面试时，把前几轮的缺口汇总成一张表，避免每个面试官重复问同样的问题。这张表本身就是流程改进的材料，也能看出哪个维度一直问不出东西，是问题设计的问题，还是岗位要求写得太虚。

三条硬约束

候选人信息属于个人信息。简历、面试记录、转写稿的使用范围要限定在招聘用途内，不转发到无关的群，也不长期留在个人账号里。需要跨轮次共享，走公司统一的存储。

录制要事先告知并取得同意。面试涉及第三方，开始前说清录什么、用来做什么、保存多久。对方不同意，就只用纸笔记录，别偷偷录。

评估不得基于与岗位无关的因素。这条既是要求，也是判断质量的要求：把无关因素排除掉，评估才会落在能力证据上。

三条里最容易出事的是头一条。转写稿里往往带着候选人前公司的业务细节，随手转发一次，性质就变了，而这个动作在当下几乎不会有人觉得有问题。

它替代不了的部分

它读不出语气里的犹豫，也读不出一个人在被追问时是紧张还是在编。转写只保留文字，语速、停顿、表情全部丢失。技术岗的现场编码、设计岗的作品讲解，更需要当面观察。

它也判断不了团队匹配度。这类判断主观成分大，本来就不该交给模型，交给模型只会得到一个看起来客观的偏见。

还有一个常见失效：多人同时说话。群面或交叉提问时，转写会把几个人的话混在一起，说话人归属标错。这种场景下转写稿只能当参考，不能当记录，关键结论要回听原声。

面试记录速查

• 记录与评估分开，指令里写明「不给录用建议」
• 会前定 4 到 6 个维度，每个维度配一个可观察行为
• 只看三类信号：回答要点、追问过程、含糊回避
• 录制先告知并取得同意，转写稿限定在招聘用途

会后的整理还有一步常被忽略：把这一轮的维度、追问清单、结论存成模板，下一轮直接复用。转写工具的用法各家大同小异，实时记录转写后按议题切分的做法可以直接搬到面试场景；要把候选人信息结构化存档，用数据库给助手加记忆是另一种思路；判断类任务该不该让模型先想再答，深度思考的开关时机值得对照着看。

腾讯会议 AI 的具体功能、可用范围与额度，以官方最新版本为准。