HR 简历初筛：用 AI 做结构化打分，产出一张评分维度表

一句话结论

简历初筛可以用 AI 做结构化打分，但只做参考，产出一张可复核的评分维度表，不自动淘汰任何人。

这篇解决什么问题

旺季一天进来两三百份简历，靠眼睛一份份扫，扫到后面标准就开始飘了。上午觉得还行的，下午再看又觉得一般，同一个岗位两轮筛选结果对不上。我想解决的是标准不稳这件事，不是看得慢。

适用：JD 写得清楚、投递量在几十到几百份量级的社招岗位。不适用：校招海量投递、需要看作品或笔试的技术岗，以及任何你打算让机器直接出淘汰结果的场景。

开始前要准备什么

• 通义或豆包都可以，网页版有免费额度，这个量级够用。
• 一份写清楚的 JD，或者你自己口述的五六个筛选维度。
• 3 到 5 份脱敏简历，姓名、电话、公司真名先替换掉。
• 留出半小时左右，其中一半时间会花在改提示词上。

具体怎么做

第 1 步 · 先定维度，再碰简历

我在实操中发现，很多人一上来就把简历丢给 AI，问它「看看这人合不合适」。这样拿到的是感觉，不是标准，换一份简历感觉又变了。先把你自己脑子里的判断依据写下来。

我是 HR，正在招「电商运营专员」。我自己能想到的筛选维度是：相关经验年限、独立操盘过的项目、数据复盘能力。
请你做三件事：
1. 帮我补 2 到 3 个我可能漏掉的维度，并说明为什么；
2. 把全部维度按「简历里能不能直接看到证据」排序，看不到证据的往后放；
3. 用一句话说明每个维度在简历里具体找什么。
不要评价任何候选人，也不要给我打分模板。

预期产出：一份 5 到 6 条的维度清单，每条都带着「在简历里找什么」。

第 2 步 · 把维度变成评分表

维度定了，下一步是把它做成一张能逐项打分的表。这张表就是整件事的产出物，后面反复用。

你是我的招聘助理。请把下面 5 个维度做成一张评分表，每维 0 到 5 分。
维度：
1. 相关经验年限与深度
2. 独立操盘过的项目规模
3. 数据能力（看数、拆解、复盘）
4. 跨部门协作痕迹
5. 简历信息的清晰度与一致性
表格列固定为：维度 / 0-2 分判定 / 3 分判定 / 4-5 分判定 / 简历里对应找什么证据。
要求：判定描述要具体到能对着简历逐条比对，不要写「经验丰富」「能力较强」这类词。
只输出表格。

预期产出：一张 5 行 5 列的评分维度表，可以直接贴进表格工具里继续用。

第 3 步 · 拿 3 份简历试跑

别拿真简历直接开跑。挑 3 份脱敏的，一份明显匹配、一份边缘、一份明显不匹配，看 AI 打出来的分和你心里的分差多少。这一步不做，后面整批打分就是盲跑。

下面贴 3 份脱敏简历，应聘岗位都是「电商运营专员」。
请严格按上面那张评分表逐维打分，每一维必须写一句依据，依据要引用简历里的原话或数字。
信息不足就写「无法判断」，不要推测。
只输出表格，不要给推荐意见，不要排序，不要写「通过」或「不通过」。

预期产出：3 份简历 × 5 个维度的打分表，每一格都带依据。

第 4 步 · 出一段摘要和追问清单

打分表是横向对比用的，真正拿去跟用人部门沟通的，是每份简历的一段话摘要。我一般只对进入下一轮的人做这一步。

针对第 2 份简历，整理一段 150 字以内的摘要，包含三部分：
1. 匹配的 2 个点，要引用简历原话；
2. 存疑或信息缺失的 2 个点；
3. 面试时值得追问的 3 个问题。
语气中立，不要出现「优秀」「不合适」「推荐」这类评价词。只输出这段摘要。

预期产出：一份 150 字以内的中立摘要，加 3 个面试追问问题。

第 5 步 · 人工复核，把分歧记下来

这一步最容易被跳过。我的做法是自己手动改分，然后让 AI 把分歧点列出来，看它当时依据的是哪句话。分歧多了，说明评分表里某一维的判定描述还得再写细。

我手动改了第 1 维的分数：把 4 分改成 3 分，理由是那个项目他是参与者，不是主导者。
请对比你的打分和我的打分，只列出有分歧的维度，并说明你当时是依据简历里哪句话打的分。
不要重新打分，也不用解释你的判断。

预期产出：一份分歧清单，直接告诉你评分表哪里该补判定描述。

实测记录

工具用的是网页版免费额度，整个过程没有额外支出。

最容易错的 3 个地方

1. 让 AI 直接说通过或不通过。纠正：提示词里写死只打分、不排序、不下结论。
2. 维度写得太虚，比如「沟通能力强」。纠正：每一维都要落到简历上看得见的证据。
3. 分数出来不复核就交给业务方。纠正：先抽 5 到 8 份人工打一遍，对齐后再放开。

可复用的东西

整篇用到的提示词一共 5 条，顺序是：补维度、做评分表、试跑打分、出摘要、找分歧。你可以把它们存成一个纯文本文件，下次换岗位只改第 2 条里的维度名，其余照抄。

评分表本身也是能复用的。同一个岗位招两轮，用同一张表反而更容易看出两批候选人的差异在哪里，比每次重新定标准省事得多。

说到底，AI 在这件事里干的是「把标准摆到台面上」，做决定的还是你。你手上那张评分表，最后大概率会被你自己改上好几遍——这才是它有用的证据。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接