万份求职简历，AI十分钟处理

从关键词到"读懂"，附可抄提示词

企业实战 · 第2篇 / 共6篇

上篇说招聘是 HR 最该先上 AI 的模块之一。今天把落地方法完整写出来，包括我当时踩的坑、用的工具、和你直接能抄的提示词。

一个我踩过的坑

早些年做人事系统，给客户做简历筛选。逻辑很简单：岗位要“Java”就搜“Java”，要“3年”就搜“3年”。上线第一个月，HR 来找我：“你们把‘JavaScript’也搜出来了。”

我说那确实不对。她说还有，有人写“36个月开发经验”，你们没搜出来。后来我们加正则、加排除词、加同义词库，但问题永远改不完——语言是活的，规则是死的。这就是传统关键词匹配的死穴。

AI 改了什么

AI 改的是从“找词”变成“读懂”。

它能区分“负责”和“参与”。一个人写“负责某模块开发”，一个写“参与”，关键词匹配认为一样，AI 知道前者是主力、后者可能是辅助。

它能识别“3年经验”和“3个项目经验”是两回事——一个是时间，一个是数量。

它能判断迁移能力。一个人没写“Spring Boot”，但写了“微服务架构”和“Java”，AI 会认为他大概率能上手。

我们当时怎么落地的

第一步，准备数据。 把过去两年“录用且试用期通过”的简历和“淘汰”的分开，各 50 份就够。这是训练 AI 的底料，也是你判断它准不准的标尺。

第二步，选工具。 别一上来自研。我们当时用某招聘平台的 AI 初筛，先跑历史简历，看它的判断和实际录用差多少。现在可选多：中小企业直接用平台自带 AI 就行；数据敏感再考虑私有化开源模型，但成本高，不建议第一步走。

第三步，调。 把误判案例拿出来，看是规则问题还是数据问题。有一批人写“参与过某项目”实际是核心开发，AI 一开始判低了，我们就补一批标注数据进去。

第四步，定流程。 AI 只做排序，不做淘汰。我们设三档：推荐、待定、不推荐。HR 只看“推荐”和“待定”，“不推荐”保留人工抽检，抽检漏掉的补回数据。

你可以直接抄的提示词

现在就想试，不用等系统。打开任意 AI 工具，复制下面这段，再贴 JD 和简历：

你是一位资深招聘 HR。请根据以下岗位要求，对候选人简历做匹配度评估。

岗位要求：[粘贴 JD]

候选人简历：[粘贴简历]

请输出：1. 匹配度评分（0-100）2. 匹配点（逐条）3. 不匹配点（逐条）4. 面试重点确认问题（3个）5. 综合建议：推荐 / 待定 / 不推荐

注意：别只看关键词，要理解实际能力和迁移潜力。

效果怎么衡量

看三个指标：漏筛率（该推没推）、误筛率（不该推推了）、招聘周期。我们上线三个月，招聘周期从平均 28 天降到 19 天。不是 AI 多神，是 HR 终于不用把时间花在翻简历上，而是花在聊候选人上。

📎 配套资料（免费领）

《简历匹配提示词 + 评分模板》：上面这段提示词整理成可复制模板，加一份“推荐/待定/不推荐”三档判定表，拿去直接用。领取：关注AI教学进化论→ 后台回“招聘” → 自动发下载链接。

微云资料下载：

02-简历匹配提示词与评分模板.md

https://share.weiyun.com/5nvyqDRn

— 下期再见 —

企业实战 · 第2篇 / 共6篇 ｜ 我是AI教学进化论，只讲能落地的 AI。关注我，下篇拆考勤异常。