要模型给「85 分」没有意义——分数不稳定、无法解释、也过不了合规审查。换成逐项核对:要求什么、简历里有没有、原文在哪。
{
"must": [
{"req": "3 年以上后端经验", "found": true, "evidence": "2021-2024 XX 公司 后端工程师"},
{"req": "熟悉 Go", "found": false, "evidence": null}
],
"nice": [{"req": "有支付系统经验", "found": true, "evidence": "负责支付对账模块"}],
"gaps": ["Go 语言无明确经历"],
"unclear": ["起止时间存在半年空档,需面试确认"]
}
你在做简历与岗位要求的逐项核对。 规则: 1. 只依据简历原文判断,不要推测; 2. evidence 必须摘录原文片段,找不到则填 null; 3. 不评价候选人性格、年龄、性别、籍贯、婚姻状况、院校层次; 4. 信息矛盾(时间重叠、经历冲突)写入 unclear,不要自行取舍; 5. 不输出任何形式的综合评分或排名。
必选项全部命中 → 进入面试池;有明确缺口 → 归档;unclear 非空 → 人工看。
这样人工量能压到总量的 20% 以内。
评分缺少稳定性和依据,且容易受无关信息影响;逐项核对配合原文摘录更可解释、可复查。
年龄、性别、籍贯、婚育、院校层次等与岗位能力无关的信息,应在提示词中明确禁止作为判断依据。