招聘季实测:我用 TraeWork 搭了一套 AI 简历初筛系统

0 阅读11分钟

这套系统四个环节:JD → 评分卡(定规则)、批量初筛(出台账)、面试题(备弹药)、待定复核(做决策),4 条指令在 TraeWork 一个会话里跑通,批量初筛实际耗时 1 分 36 秒。文中指令模板可直接照搬。

一、痛点:简历初筛这件"谁都会做、但没人做得好"的事

下周我们组的数据运营岗开放招聘。按去年的经验,两周内会收到上百份简历——而初筛这件事,恰恰是招聘流程里最反人性的环节:

01-痛点场景.jpg

坑一:标准会漂移。 第 1 份简历,你会认真比对"3 年经验、熟练 SQL";看到第 50 份,"熟悉 SQL"和"了解 SQL"在你眼里已经没区别了。人工初筛没有稳定的评分标准,只有逐渐疲劳的注意力。

坑二:细节全靠眼力。 两段工作经历差一个月没衔接上、技能栏写着"精通 Python"但工作内容里一个字没提——这些细节单看每一份都能发现,连看三十份就基本失明。而它们恰恰是最值得追问的信号。

坑三:产出不可复用。 筛完一轮,留在手里的只有一个 Excel:姓名、打钩、备注三列。面试官问"这人为什么进的面试",答案全在你的记忆里,换个人来复核就是一笔糊涂账。

我算过一笔账:一份简历认真看 3–5 分钟,137 份 ≈ 两个整天。而这两天里真正"有判断价值"的决策,可能就十几次。

所以我决定在 TraeWork 里把初筛搭成一套系统——但在把真简历交给 AI 之前,我先给它出了一份带陷阱的考卷。

二、实操:4 步搭起这套初筛系统

系统的四个环节环环相扣:评分卡定规则 → 模拟考卷验可靠性 → 批量初筛出台账 → 面试题与复核收尾。在 TraeWork 里新建任务"AI简历筛选",四条指令在同一个会话里按顺序发,全程共用上下文。

第 1 步:先让 JD 变成评分卡,而不是直接扔简历

直接说"帮我筛简历",AI 会用它自己脑补的标准来筛——每次还不一样。正确的第一步是把模糊的招聘要求变成结构化评分卡

02-评分卡-指令与输出.png

03-评分卡-判档规则.png

这一步我额外要了一个东西:模糊表述的判档规则。"精通/熟练 + 经历有佐证"才算满足;只有声明没有佐证的记"存疑";"了解/能看懂"直接判不达档。这条规则后面抓雷全靠它。

指令原文见文末模板 1。

第 2 步:造一份"埋雷"考卷

我没有拿真实简历先试——一是真实简历带姓名电话等隐私,不该随手喂给工具(真实操作时务必先脱敏);二是真简历没有标准答案,AI 筛完我也不知道它筛得对不对。

所以我按真实简历的样子,写了 6 份脱敏模拟简历,每份埋一个特定的考点

简历埋的雷
R1 王磊无雷。硬性全满足 + 优先项全中有佐证,标准答案"推荐"
R2 李强无雷。学历/年限/技能全不满足,标准答案"不推荐"
R3 陈静半个雷。声明"SQL 熟练"但经历只有报表制作,无取数佐证
R4 刘洋模糊词陷阱。"会 Python""了解 SQL",够不够硬门槛?
R5 赵磊时间线陷阱。两段经历重叠 2 个月 + 3 个月空窗
R6 孙悦注水陷阱。技能栏"精通 Python/熟练 SQL/Tableau",工作内容里只有 Excel

先造考卷再上真数据,这个思路适用于所有"想让 AI 接手某项判断工作"的场景——你不知道 AI 靠不靠谱的时候,就出一卷你知道答案的题。

第 3 步:批量初筛——1 分 36 秒出全表,雷全炸了

把 6 份简历作为附件连同评分要求一起发给 TraeWork,指令核心就一句:每条结论必须引用简历原文,判不了的写"存疑",禁止推测。

04-初筛-指令与R1.png

每份简历一张判定表,每个结论旁边就是简历原文引用。以 R1 王磊为例,7 项条件逐项打分、附原文、核时间线:

05-初筛-R1明细与时间线.png

结果对照标准答案:6 份全部判对。 1 推荐、3 待定、2 不推荐。更关键的是三个埋雷点的抓取细节:

06-初筛-存疑明细.png

  • R3 的 SQL 存疑被抓了:声明"SQL(熟练)",但经历仅有"数据报表制作""标签数据核对"——按判档规则,无应用佐证禁止判满足;同时抓出她最后一段经历止于 2024.08,空窗已近 2 年
  • R5 的时间线异常被抓了(下图):2022.01–02 两段经历重叠、2023.05–08 空窗 3 个月,直接标待定;
  • R6 的技能注水被抓了:三项高阶声明 vs 全程只有 Excel,全部记存疑,禁止加分。

07-初筛-时间线异常.png

计划外收获:R3 和 R4 简历上最后一段经历分别止于 2024.08 和 2024.09——近 2 年的职业空窗,这是我设计模拟简历时没刻意埋的,人眼最容易麻木的"经历结束时间",它逐份核了一遍。规则写清楚之后,机器比疲劳的人眼稳定得多。

最后一张汇总排序总表,按总分降序,直接可贴进招聘台账:

08-初筛-汇总总表.png

第 4 步:面试题生成 + 待定档复核,一次收尾

初筛的终点不是一张表。对唯一"推荐"的 R1,我让 TraeWork 基于他简历原文生成了 8 道定制面试题——不是题库通题,每道都盯着简历里的一句话:

09-面试题-深挖.png

10-面试题-情景与题板.png

对 3 份"待定",让它按"澄清后价值 × 疑点可澄清度"给出处置建议,直接附电话复核话术:

11-复核-优先级与话术.png

12-复核-最终动作.png

最有意思的一条:R6 的建议是电话初筛改为实操验证——"口述问不出真话,会背题的人都能答;让他口述一段按日期聚合销售额的 SQL 思路,听细节而非概念"。这一步 AI 给的不是格式化工整的答案,而是真的在替你设计复核策略。

三、成果:一套跑通验证的系统 + 一张能复核的评分台账

系统四步跑完,总共 4 条指令、一个会话。批量初筛环节耗时 1 分 36 秒(TraeWork 任务栏可查),面试题与复核两步各约 1 分钟出头,加上设计模拟简历的时间,全程不超过 20 分钟。产出三样东西:

  1. 一张可复核的评分台账:6 份简历每项得分、三档结论、原文引用、疑点清单,任何人拿去都能复核我的判断——"为什么这人进面试"从此有据可查;
  2. 8 道定制面试题:直接进了面试官的题板,每道标注考察点,还附了按面试官角色分工的题板使用建议;
  3. 一套通过验证的指令模板:埋雷考卷全对之后,这套流程才配用于真实简历。

效率账很直接:6 份简历人工认真筛 + 写疑点备注约 40 分钟,TraeWork 1 分 36 秒出表,且抓到了我人眼看三遍都未必注意的空窗细节。按这个比例外推到真实的 137 份:人工约 2 天 → AI 批量出表 + 1 小时人工复核"待定"档。

但比省时间更重要的是质量上的变化:评分标准从"在我脑子里"变成了"在评分卡里",全程一致、逐条可查。

四、复用:4 条指令模板,可直接照搬

以下就是全文用到的 4 条指令,把【】里的内容换成你自己的即可。顺序不能乱:先评分卡、再批量筛、最后面试题和复核。

模板 1:JD → 评分卡(先校准,再筛人)

你是资深招聘专家。我把岗位JD发给你,请把它转成一份结构化初筛评分卡:
1. 拆出5-8个硬性条件(学历/年限/技能/行业),分"必须/优先"两档,
   硬性条件不满足直接淘汰;
2. 每个条件给出明确的判定标准和分值;
3. 区分模糊表述:如"会Python"和"熟悉Python"如何判档,给出可执行规则,
   技能声明须有经历佐证方可计为满足,只有声明无佐证记"存疑";
4. 单列"存疑项"栏:简历中哪些写法无法判断,需人工确认;
5. 输出三档结论标准:推荐/待定/不推荐(时间线异常如经历重叠、
   空窗超过2个月的,一律进"待定")。

岗位JD如下:
【粘贴JD】

模板 2:批量初筛主指令

按照以上评分卡,对这6份简历逐份评分。要求:
1. 每份简历输出:姓名/各项得分/总分/三档结论(推荐/待定/不推荐);
2. 每条扣分和加分都必须引用简历原文作为依据,禁止推测;
3. 判不了的写"存疑",不要瞎打分;
4. 逐份核对工作经历时间线,标出重叠和超过2个月的空窗;
5. 最后汇总一张排序总表,按总分降序。

【粘贴简历,或以附件形式上传简历文件】

模板 3:面试题生成(只给入围者)

以下是初筛"推荐"的候选人R1的简历,请为他生成8道面试题:
1. 3道深挖题:针对简历中最亮眼的经历追问细节(用STAR方式验证真实性);
2. 3道疑点题:针对表述模糊、时间线存疑、技能与项目不匹配处追问;
3. 2道岗位题:结合JD核心要求出情景题;
4. 每道题标注考察点,题目必须引用其简历原文,禁止使用通用题库题。

【粘贴入围者简历;同一会话中也可直接引用上文】

模板 4:待定档复核(决定时间花在谁身上)

初筛标记为"待定"的候选人,请按"澄清后价值×疑点可澄清度"排序,
对每份给出建议:值得花15分钟电话初筛/可直接放弃,说明理由,
并给出具体的电话复核话术。对疑似技能注水的,给出实操验证题。

避坑清单

  1. 先出考卷再上真数据:埋几个你知道答案的陷阱(重叠时间线、声明与经历不符),AI 全抓到再用于真实简历。这一步同时解决了隐私问题——测试阶段根本不用真实简历;
  2. 强制引用原文:模板 2 里"必须引用简历原文,禁止推测"这句是整个流程的地基,删掉它,AI 就会开始脑补候选人没写过的经历;
  3. 三档而不是二分:"待定"档是安全阀——判不准的进待定人工复核,比 AI 直接淘汰一个好人或放过一个注水的人,代价小得多;
  4. 同一个会话跑完四步:评分卡生成后不要开新会话,让 AI 沿用上下文——后两步(面试题、复核)直接引用初筛结论,不用重复贴简历;
  5. 真实简历先脱敏:姓名换代称、删掉手机号和身份证号,再喂给工具;
  6. AI 只做初筛:进面名单永远人来拍板。AI 提供的是"带证据的排序",不是"录用的决定"——把决策权留给人,是这套流程能长期用的前提。

五、写在最后

这次实测最大的收获不是"1 分 36 秒筛完 6 份",而是初筛这件事第一次有了可复核的标准:评分卡是规则、原文引用是证据、三档结论是缓冲。

AI 筛简历的意义,不是取代谁去判断一个候选人值不值得面——那是人的事。它做的是把人从第 50 份简历之后的"注意力涣散"里捞出来:规则盯着每一份简历,人只在"待定"和"面试"这两个真正需要判断力的环节出手。

招聘季要来了。这次的考卷它考过了,下一批真简历,可以上场了。


本文场景中的简历均为脱敏模拟简历,用于验证流程与保护隐私;4 条指令模板可直接复用到你的真实招聘场景。