Cyberblog
返回文章列表
招聘岗位实战HR / 招聘

HR 的 AI 招聘初筛流程:从 JD 到候选人评分表

用 AI 把岗位要求拆成可评分维度,生成初筛表、面试追问和复核规则。

2026-06-30 · 6 min read

01 痛点钩子

招聘初筛最怕两个问题:JD 写得很满,但筛简历时标准不一致;候选人看起来都“还可以”,真正进入面试后才发现关键能力不匹配。

02 结果预告

这篇会把 JD 转成一张可复用评分表:区分硬性条件、加分项、风险信号和面试追问。HR 可以先用它做初筛,再把高匹配候选人交给用人经理确认。

03 工具简介

AI 适合把非结构化 JD 和简历内容整理成评分维度,但不应该单独决定录用或淘汰。招聘场景必须保留人工复核,并避免使用与岗位无关的个人信息。

04 实战演示

先把 JD、团队阶段和候选人简历摘要放进同一个输入里,让 AI 输出结构化评分表。

上手即用 Prompt

你是企业招聘初筛助手,请基于 JD 和候选人简历摘要生成结构化初筛结果。

输入:
- role_title: {{岗位名称}}
- jd_text: {{岗位 JD}}
- team_context: {{团队阶段、汇报对象、核心业务}}
- resume_summary: {{候选人简历摘要}}

任务:
1) 从 JD 中提取 5-7 个可评分维度。
2) 区分硬性条件、加分项、风险信号。
3) 对候选人逐项评分,分值 0-5。
4) 给出进入面试、待补充信息或暂缓的建议。
5) 生成 3 个面试追问,必须针对候选人材料中的不确定点。

输出格式:
{
  "scorecard": [
    {
      "dimension": "string",
      "type": "must_have | nice_to_have | risk",
      "score": 0,
      "evidence": "string",
      "concern": "string"
    }
  ],
  "decision": "interview | need_more_info | hold",
  "reason": "string",
  "follow_up_questions": ["string"]
}

要求:
- 不使用年龄、性别、婚育、籍贯等与岗位无关的信息。
- 证据必须来自 JD 或简历摘要。
- 不确定就写 need_more_info,不要编造经历。

示例输入

role_title: B2B 内容运营
team_context: 早期增长团队,需要独立完成选题、采访、发布和数据复盘。
jd_text: 需要 2 年以上 B2B 内容经验,能写案例、白皮书和销售支持材料。
resume_summary: 候选人做过公众号和活动文案,写过 3 篇客户案例,但没有明确白皮书经验。

示例输出片段

{
  "decision": "need_more_info",
  "reason": "候选人有客户案例经验,但白皮书和销售支持材料经验不足,需要面试确认。",
  "follow_up_questions": [
    "请说明你写过的 3 篇客户案例分别服务什么销售目标?",
    "如果要把客户案例改成销售跟进材料,你会删减哪些内容?",
    "你是否独立做过内容发布后的数据复盘?看哪些指标?"
  ]
}

05 避坑提示

  • 不要让 AI 根据学校、年龄、性别等与岗位无关信息做判断。
  • 不要把“表达流畅”当成“岗位匹配”,必须回到 JD 维度评分。
  • 不要只看总分,硬性条件缺失时要标记待补充,而不是被加分项抵消。

人工复核清单

  • 评分维度是否来自 JD,而不是 AI 自己扩展出来的理想画像。
  • 每个分数是否有简历证据支撑。
  • 是否删除了与岗位无关的个人信息。
  • 面试追问是否围绕不确定点,而不是重复问简历已有内容。
  • 用人经理是否确认硬性条件和加分项权重。

06 进阶拓展

下一步可以把评分表沉淀成岗位模板:同一岗位每位候选人都用同一套维度,减少不同面试官之间的判断偏差。

07 落地流程图

招聘评分表 Agent 的企业落地流程图

08 指标与验收

  • HR 与用人经理对同一 JD 的筛选标准是否更一致。
  • 简历初筛耗时是否下降,同时面试通过率不下降。
  • 候选人被淘汰原因是否能回溯到公开、岗位相关的评分维度。
  • 人工复核是否覆盖所有淘汰建议,AI 不得单独做最终录用或拒绝决定。

09 来源与延伸阅读

  • https://www.eeoc.gov/ai
  • https://www.nist.gov/itl/ai-risk-management-framework
  • https://www.microsoft.com/en-us/worklab

10 本文加工判断

本文把 AI 风险治理、招聘合规和岗位评分实践加工成一个 JD 到评分表的流程。适合招聘量大、岗位标准反复变化、HR 与用人经理口径不一致的团队;不适合用来自动淘汰候选人或推断与岗位无关的个人特征。

更新记录:2026-06-30 首次发布,补齐 HR/招聘岗位入口。