场景实践 · 招聘

简历筛选:不要一个总分,要一张核对表

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。

核对清单式输出

schemajson
{
  "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"]
}

为什么这样做

  • 可解释:每个判断都有原文出处,面试官能核对;
  • 可追溯:候选人质疑时有据可依;
  • 稳定:布尔判断比 0–100 评分复现性高得多;
  • 合规:避免模型基于性别、年龄、院校等敏感信息推断。

提示词约束

systemtext
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。

人工只处理边界样本

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。

常见问题

为什么不直接让模型给简历打分?

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。

简历筛选要避免哪些信息?

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。