简历筛选先定规则，再让 AI 帮你找证据

同一份简历，业务负责人说经验很强，招聘人员却觉得不匹配。争论往往不是简历写得含糊，而是团队没有在筛选前说清楚要找什么。有人看公司名，有人看年限，还有人被表达方式影响。此时直接让 AI 给出匹配分，只会把未说出口的偏好变成一个看似客观的数字。

更稳妥的做法是把筛选拆成两段。第一段由团队确定与岗位有关的条件和证据标准，第二段让 AI 从简历中定位证据、记录缺口。是否进入下一轮仍由招聘人员依据统一规则决定。

先把岗位要求改成可观察条件

“沟通能力强”“有主人翁意识”“背景优秀”无法直接从简历核对。筛选规则需要落到工作行为或产出，例如是否独立完成过某类项目、是否处理过特定规模的数据、是否承担过跨部门协调责任。

可以把条件分成必需项和补充项。必需项决定能否进入下一步，补充项用于安排面试追问，不要把所有条件混成总分。美国 EEOC 关于人员选拔程序的指导强调，筛选标准应与具体岗位相关，并与业务需要一致。OPM 的结构化简历审查指南也要求评审者为判断留下可追溯的说明。

岗位原话	可观察条件	可接受证据	不能据此推断
熟悉数据分析	能完成数据清理、分析和结果说明	项目职责、使用工具、分析对象和结果	只写“精通 Excel”
能推进项目	承担过计划、协调或风险处理	负责范围、合作角色、交付节点	职位名称等同于实际责任
行业经验	处理过岗位所需的业务问题	具体场景、客户或流程经验	知名公司经历自动代表能力

简历中的经历分散在不同公司、项目和时间段，人工快速浏览容易漏掉上下文。可以先用 PDF Skill 读取 PDF 简历，保留页码或段落位置，再用 XLSX Skill 建立候选人证据表。表格中的每个判断都应能回到原文。

建议保留这些字段：候选人编号、筛选条件、原文证据、证据位置、证据状态、人工结论和复核人。证据状态可以写“明确支持”“部分支持”“未找到”和“存在矛盾”。“未找到”不等于候选人没有这项能力，只说明简历没有给出足够材料。

提示词可以这样写：

请按我提供的筛选条件读取这些简历。
只提取简历中明确出现的经历，不推断年龄、家庭、健康、性格或其他敏感信息。
每条证据保留候选人编号、简历页码、原文摘录和对应条件。
没有证据时写“未找到”，不要补全。
发现时间、职位或项目描述相互矛盾时单独标记。
不要给总分，也不要直接决定录用或淘汰。

规则写完后，不要立刻跑完整批简历。先选几份差异较大的样本，由两名评审者独立判断，再比较分歧。分歧集中在哪个条件，就回到定义和证据标准修改。规则如果只有写规则的人看得懂，批量处理只会放大差异。

AI 提取也要抽样复核。检查它是否把团队成果写成个人成果，是否漏掉否定词和时间范围，是否把课程、兴趣或自我评价当成工作证据。表格没有报错，不代表筛选逻辑正确。

简历可能包含照片、出生日期、婚育情况、地址、学校年份和健康信息。处理前应根据适用法律和公司政策确定哪些字段不该参与筛选，并限制文件访问范围。不要把姓名、照片或毕业年份作为能力代理变量，也不要让模型根据措辞猜测性格和稳定性。

如果使用外部 AI 服务，还要确认简历是否会被上传、保存或用于训练。可以先做去标识化，只保留完成当前筛选所需的经历内容。原文件、提取表和审核记录都应设定访问权限与保留期限。

每位候选人的结果至少要回答三个问题：采用了哪条岗位规则，简历中找到什么证据，谁在什么时间完成复核。进入面试的候选人还要带上待确认问题，例如项目规模未写清、个人责任边界模糊或关键经历缺少结果。

这套记录不是为了给每个人制造复杂档案。它让团队在被问到“为什么通过”或“为什么没有通过”时，能够回到同一套岗位条件和简历证据，而不是解释某位评审者当时的感觉。