用 AI 辅助简历筛查和面试

招聘这件事，平时最容易散在微信、邮件和表格里：简历找不到上一版、入选理由写在脑子里、面试题临时现编、面完结论只剩一句「感觉一般」。我们把整条链路收进一个固定的共享文档库来管（技术同事常用 Git 这类带版本记录的工具；人事、业务同事把它理解成「按约定分好的文件夹」即可）：职位说明、简历原件、入选理由、面试题、反馈汇总，都按统一格式放好。AI 只做辅助——读简历、对照职位说明起草初筛意见、按简历要点出题初稿、把元宝纪要和面试官补录整理成可回看的文档。是否约面、是否推进、是否录用，最后一笔都由面试官自己下；模型给的「通过 / 不通过」只是带理由的建议，不能直接当结论用。

下面按我们日常跑通的做法写：材料怎么分类存放、AI 在哪几步辅助、哪些决断绝不能交给模型。举例用虚构岗位，便于说清方法。

先把招聘材料分门别类放好

文件夹叫什么不重要，关键是把几类材料拆开，状态能追踪。我们大致分成四块：

招聘文档库/
├── 职位说明/           # 各岗位要求（常简称 JD）
├── 简历/
│   ├── 待初筛/         # 刚收到的
│   ├── 本轮跟进/       # 准备约面或已在流程中
│   └── 归档/           # 本轮不跟或已终止
├── 面试材料/
│   ├── 候选人总览
│   ├── 反馈汇总
│   ├── <代号>/入选摘要
│   └── <代号>-面试问题
└── 助手约定/           # 给 AI 用的初筛流程、隐私规则等

几点刻意的约定：

约定	原因
职位说明单独成目录	初筛、出题、反馈都引用同一份口径，避免口头说法前后不一致
简历按状态分三堆	待初筛 → 本轮跟进 → 归档，一眼能看懂进展
每人一套面试材料	入选摘要与面试题分开，面完再回写结论
不写完整手机号、邮箱	文档库可以多人协作，不等于把联系方式明文放进去
结论写成文档留存	三个月后还能翻到「当时为什么没过」

AI 不是另起一套系统，而是在这些文件夹上读写。跟 AI 助手说「对照某份职位说明，筛待初筛文件夹」，它就知道基准在哪、简历在哪、结论该长什么样。

简历初筛：先对齐基准，再让 AI 读

初筛最容易犯的错是：还没说清「本轮接不接受独立学院 / 应届能不能破格」，就丢一堆简历 PDF 让模型「帮我筛一下」。筛出来的结论好看，对不上用人口径，等于白筛。

我们把初筛做成一套可反复使用的助手流程（写成固定提示词即可），拆成几步：

1. 先写清筛选基准
   岗位、职位说明在哪、学历/专业/年限口径、其他硬性条件、本轮要处理哪些文件。缺一项先问人，不默认。
2. 再提取简历正文
   PDF、Word 要用能抽文字的方式处理；乱码、缺页标「可读性风险」，不凭残缺内容强行否决。
3. 对照硬性条件
   学历、年限、职责是否匹配、必备项有没有能追问的具体经历——逐项写满足 / 不满足 / 待核验。
4. 看质量和真实性
   像不像套模板、技术名词是否堆砌、文字是否严谨、时间线与学制有没有异常。疑点写「疑似 / 待核验」，不写「造假」。
5. 给出可回头查的结论
   通过也要写理由；未通过也要写依据。批量时给一张汇总表：代号、结论、一句话理由、风险标签。

一次对话里，我们会先让 AI 复述《筛选基准摘要》，确认无误再开筛。例如筛一份虚构的「电商订单中台 · 后端」岗时，硬性项可能包括：计算机相关本科、3～7 年、会常用服务端语言、有过交易或履约类服务、优先写明日常使用的 AI 编码工具。

给结论时，我们要求它看「能不能追问出具体经历」，而不是只看「技能栏里有没有某个词」：

不合格	更靠谱的证据
技能栏只罗列一串工具名	某个项目写清解决了什么问题、自己负责哪一段
只写「熟悉某某技术」	有具体方案、踩过的坑，或可核对的结果
只写「精通 AI 编程」	写明用过哪些工具，并举一次否决或改掉 AI 产出的例子

筛完后的动作也很机械：面试官过目 AI 的结论与理由，再决定挪到「本轮跟进」、补入选摘要和面试问题清单，还是进「归档」或留在「待初筛」并写清原因（有的只是口径问题，用人破格后还能捞回）。学历可以单独再核一轮：技术面过了，但学历是独立学院或民办本科，本轮就不推进——这类决策写进文档，下次不必重新争论。AI 可以建议「通过」，但文件往哪挪、人约不约，以面试官确认为准。

入选理由：把「为什么约他」写清楚

很多人面完才发现：当时为什么入选，自己也说不清。我们要求每份入选材料至少写清三块：

• 基础情况：年限（文件名 / 正文 / 推算若不一致要标出来）、学历、主要能力摘要、简历存放位置
• 入选理由：至少两条正向证据，对应职位说明里的职责
• 风险与待对齐：职级和薪资带宽、学历待核、意向城市、更偏一线做事还是带人管理

后面出题和面试，都围着「入选理由里点名的项目和能力」转，而不是临场翻 PDF。AI 很适合把简历长文压成这份摘要；人负责删掉夸张表述、补上用人侧真正在意的风险。

面试题：按职位必备项出题，再钉到简历细节

通用题库有用，但效率低。更稳的做法是：先读职位说明里的必备条件，逐条变成可追问的问题；再读该候选人的入选摘要，把问题钉到简历里的项目名上。出题时我们会明确要求 AI：「每道题标注对应哪条职位要求，禁止只出空泛的『你用过 XX 吗』。」

一份典型初面清单会包含：

• 开场：挑一个最熟的项目，2～3 分钟讲清业务目标、个人职责、怎么做成的、有没有可量化结果
• 对照职位说明快问：按必备项逐条过，确认有没有能验证的经历
• 项目深挖：直接点简历里的项目名（例如某次订单流程改造、某条对账任务）
• 收尾：到岗时间、期望待遇、反问

例子：虚构一份职位说明，看问题怎么长出来

用一份虚构的「电商订单中台 · 后端工程师」职位说明（与真实招聘无对应关系）演示三步：必备项 → 面试题 → 钉到简历。表里只展开几条，其余依此类推。

职位必备要求（摘要）	生成的面试问题（示例）	再钉到简历时怎么改
独立负责订单/交易相关流程	挑一个你做过的业务流：有哪些状态？不该跳的怎么拦住？超时未支付怎么关单？	简历写「订单中心改造」：点名问旧版卡在哪一步、你改了哪几条规则
会用 AI 编码助手，并自己审查、修改	日常用哪几个工具？举一次你否决 AI 方案或把生成内容整段改掉的经历	简历只写「熟悉 AI 编程」、没写工具名：先对齐用过什么、用得勤不勤
有自动化测试习惯	核心下单流程怎么测？重复提交、库存为零、支付通知乱序有没有覆盖到？	简历写了测试或发布检查：问实际拦过什么真实问题
（优先）支付通知 / 对账	同一笔支付通知来两次，怎么避免重复记账？对账发现多了或少了钱，第一步查什么？	点名简历里的支付/对账项目，请对方讲清先后顺序

数据库变慢、发布上线、线上故障排查等，问法都是同一套路：职位说明写了什么能力，就要一次可验证的经历；简历里有项目名，就点名深挖。虚构的测试岗也一样：职位说明写「能输出含风险披露的测试报告」，就问「有没有建议过不发布或降级发布，依据是什么」，而不是「写过报告吗」。

出题还有一条约束：必备项每条至少一道题，加分项可以选问。简历上的强项，对着加分项深挖；简历没写、但职位说明列为必备的，必须快问补上，不能整节跳过。

二面再按初面缺口补：已经快问过的少重复，改问原理、抗压能力、角色预期、培养周期。AI 可以根据「初面反馈」起草二面补充清单，面试官改几处侧重点就能用。

面试现场：元宝纪要记内容，人补「听感」

面试过程中我们用腾讯会议的元宝纪要自动记问答内容。它对「问了什么、答了什么」够用，能省掉大半边听边打字的功夫。面完把纪要丢给 AI，对照事先准备的问题清单，整理成「初面反馈」初稿（分题要点、与初筛风险对照、录用建议），再写回该候选人的面试问题文档，并同步到反馈汇总和总览。

元宝纪要记不住、也记不准的，是面试官现场的主观听感。这些往往比某一段技术原话更能决定「要不要推进」。所以我们固定在反馈最前面加一节 「面试官补录（元宝纪要未覆盖）」，面中或面后立刻写几句，不靠事后回忆。最少补这几项：

补录项	写什么	为什么纪要不够
回答速度	偏快 / 正常 / 偏慢；有没有长时间停顿后再「像念稿」一样输出	自动转写只保留最终成句，看不出卡顿与节奏
语言流畅度	是否磕绊、啰嗦、读稿感、控时（例如限时 5 分钟讲到 9 分钟）	文本被整理干净后，磕绊和跑题会被抹平
第一印象	开场几分钟的整体观感：自信、平铺、紧张、热情不足等	属于面试官主观判断，软件转写写不出来
表达形态（按需）	例如低头很流利、抬头就卡壳；疑似对着屏幕辅答	这类形态风险几乎只出现在「人在场」的观察里

补录要具体，少写「表达一般」。例如：语速偏快、听感吃力；自我介绍平铺缺重心；专业题低头流利、抬头明显卡壳。这类句子写进反馈和二面备忘，往往比纪要里的大段原话更管用。岗位若本身要求对外讲解、控场或协作沟通，听感甚至可以直接否决「内容层尚可」的候选人。

收尾时我们按这个顺序做：

1. 导出元宝纪要（去掉营销套话；若后半段已无效，注明有效截止时间）。
2. 先写「面试官补录」，再贴纪要给 AI 做结构化整理。
3. 人工核对：纪要误记（比如把某技术名听错）直接删改；补录与纪要矛盾时，以现场观察为准。
4. AI 输出反馈时，明确要求：内容层可以跟纪要，口语与印象必须以补录为准，不要用转写文本「脑补」流畅度。

这样分工比较稳：元宝负责内容底稿，人负责听感与诚信相关的现场信号，AI 负责把两者合成可回看的文档。

AI 只辅助，决断在面试官

跑过多轮筛选和面试之后，边界必须写清楚：AI 提高处理效率和文档完整度，不替代面试官做判断。

适合交给 AI 辅助的

• 批量对照职位说明做文档层初筛，输出带理由的建议（通过 / 未通过 / 待核验）
• 从长简历抽出能力要点、项目锚点、年限口径差异
• 按入选理由生成面试问题初稿，并在初面后补二面题草稿
• 把元宝纪要 + 面试官补录整理成可检索的反馈
• 维护总览表：状态、结论摘要、材料是否齐全

必须由面试官本人拍板的

• 初筛是否采纳、要不要约面
• 学历口径是否破格、薪资职级带宽
• 回答速度、流畅度、第一印象等现场听感
• 简历与面试落差多大算「不推进」
• 疑似背题、疑似现场 AI 辅答时的诚信判断
• 最终录用与发 offer

也见过几类固定坑：

现象	处理
简历热点词齐全，面试一追问就散	初筛标「深度不足 / 像套模板」；面试强制要具体指标和个人边界
文件名写「N 年」与正文不一致	开场对齐口径，不默认取较大值
PDF 乱码，模型仍「脑补」学历	标可读性风险，索要清晰版后再决
只有元宝纪要、没有补录	反馈里口语项易失真；强制先写补录再整理
模型凭转写文本写「表达流畅」	拒收；口语结论只能来自面试官补录
模型写「整体感觉不错」	拒收；要求逐条证据，通过也要写理由
把联系方式写进共享文档	规范里直接禁止；摘要只留业务所需最小信息
直接把模型的「建议二面」当最终结论	拒收；面试官看完材料后自己写录用建议

一句话：材料可以让 AI 起草，约面、推进、录用这几笔，只能面试官自己下。

隐私和协作

招聘文档库会多人协作，隐私规则写在给 AI 助手看的说明里，并要求助手遵守：

• 不写身份证号、银行卡、完整未脱敏的手机号与邮箱
• 不把简历全文贴进聊天记录或版本说明里
• 引用原文只用短短语作证
• 对外可发布的内容和内部备注分开

这样可以把「筛简历、建档、出题」交给 Cursor 等 AI 助手，而不必把候选人的原始联系方式扩散到对话记录里。

可直接粘贴的提示词

目录和流程建好之后，对 AI 助手开口可以很短。下面三段按环节拆开，把尖括号里的路径、口径换成自己的即可。注意：不要把未脱敏手机号、邮箱贴进对话。

1. 初筛

按我们的初筛流程处理。

先复述一份《筛选基准摘要》给我确认，确认前不要下结论：
- 岗位与职位说明：<文件路径或粘贴要点>
- 硬性口径：学历 / 专业 / 年限 / 其他（例如是否接受应届、民办本科）
- 本轮范围：<待初筛文件夹或文件清单>

确认后逐份提取简历文本，按硬性条件 + 质量/真实性核查，输出：
1）每人一份**建议结论**（通过 / 未通过 / 待核验），通过与否都要写理由；标明仅供面试官参考，不得自行当作最终决定；
2）一张批量汇总表（代号、建议结论、一句话理由、风险标签）。
要求看「能不能追问出具体经历」，不要只看技能栏关键词。
不要写入或回显未脱敏联系方式；不要擅自移动文件，只给建议动作。

2. 出题

对照这份职位说明和该候选人的入选摘要，生成初面问题清单。

材料：
- 职位说明：<路径>
- 入选摘要：<路径>
- （如有）初筛风险点：<几条备注>

要求：
- 每道题标注对应哪条必备/优先要求；
- 必备项每条至少一道题；优先项可以选问；
- 项目深挖必须点名简历里的项目名，禁止只问「你用过 XX 吗」；
- 结构按：开场 → 对照职位说明快问 → 项目深挖 → 收尾；
- 在题目前列「简历要点」3～6 条，方便我面时对照。
先出草稿，等我改侧重点后再写入面试材料文件夹。

3. 纪要整理

把这场初面整理成可回写的反馈。

输入：
1）元宝纪要文本（或文件路径）：<...>
2）面试官补录（口语必须以它为准，不要用转写脑补流畅度）：
   - 回答速度：
   - 语言流畅度：
   - 第一印象：
   - 其他现场观察（可选）：
3）原问题清单：<路径>

输出结构：
- 〇、面试官补录（保留我写的原文，可略作排版）
- 一、综合印象
- 二、分题要点（对照问题清单）
- 三、与初筛风险对照
- 四、录用建议（建议二面 / 待定 / 不推进）+ 简短理由

规则：口语与印象只采信补录；纪要与补录冲突时以补录为准；
删掉营销套话；不写未脱敏联系方式；先给我预览。
录用建议仅供参考，最终「建议二面 / 待定 / 不推进」由我改定后再写入文档并更新总览。

三段可以串着用：筛完由面试官确认入选 → 出题 → 面完把补录填进第三段 → 面试官改定录用建议。第一次用不熟的话，提示词末尾加一句「有拿不准的先问我，不要猜口径」即可。

日常怎么用（最短路径）

1. 渠道简历丢进「待初筛」，确认本轮职位说明与硬性口径。
2. 对 AI 助手粘贴上面的「初筛」提示词，先看基准摘要再开筛。
3. 人工过一遍结论并移动文件；入选者先补入选摘要，再粘贴「出题」提示词生成问题清单。
4. 面试开腾讯会议元宝纪要；面中或面后立刻写「面试官补录」（速度、流畅度、第一印象等）。
5. 粘贴「纪要整理」提示词，把纪要和补录整理进面试材料与反馈汇总；口语结论以补录为准。
6. 不推进的进「归档」，理由留在文档里，避免三个月后说不清。

整条链路里，共享文档库负责材料留存和协作，元宝纪要负责内容底稿，AI 负责起草与整理，面试官负责口径、听感与最终决断。简历一多，真正省下的是重复劳动、口径前后不一致，以及面完找不到当时判断依据的麻烦——不是把「过不过」外包给模型。

小结

AI 在这条链路里最有用的是：对照职位说明起草可回头查的初筛意见、按简历要点出面试题初稿、把元宝纪要与面试官补录整理成可回看的文档。它提高效率和完整度，不替代面试官做判断。是否约面、是否二面、是否录用，必须面试官自己看材料、自己下笔；模型输出再完整，也只是辅助稿。前提是先有职位说明、清楚的材料分类和隐私边界——没有这些，模型只会更快地制造一堆对不上号的「筛选意见」。

如果团队也在用 Cursor 等 AI 助手处理日常事务，可以从一份职位说明和一个「待初筛」文件夹起步，先跑通「筛 → 建档 → 出题 → 纪要 + 补录 → 回写反馈」；开口时直接用上面三段提示词，用顺了再固化成自己的固定流程。记住一点就够：AI 辅助，决断在人。