简历筛选流水线：HR 一晚看完 800 份

这个活烦在哪

校招季一个 HR 一天 100 份简历，看到第 60 份时你已经在用关键词扫了。这不是”不认真”，是生理极限。所以筛选不能全靠人——但也不能全靠 Agent。

关键原则

Agent 做”初筛”——按硬性条件把明显不合格的过滤掉，把接近的挑出来。它不替任何人做”这个人能不能要”的判断。判断是人做的。

硬性条件 vs 软性判断

类型	例子	由谁判断
硬性条件	学历、专业、年级、实习时长、英语分数	Agent
软性判断	表达能力、项目深度、抗压能力、文化契合	HR

把这张表先自己填一遍——填不出来，就别开始自动化。

要准备什么

• 招聘 JD 一份（已经发布出去的）
• 硬性条件清单（4-6 条最佳，超过 8 条筛得太狠）
• 简历的来源（邮件附件 / 招聘网站导出 / 网申后台 CSV）
• 你的”边界案例”清单——往年筛过”差点漏掉”和”差点误录”的人各 5 份，让 Agent 拿来校准

一步步怎么配

1. 让 Agent 先读 10 份简历，输出”我提取的字段 + 命中的硬性条件”。你校对它对硬性条件的解读。
2. 写第一版筛选规则。注意：规则要”二值化”——能 hit 或 miss 的，不要写”沟通能力较好”这种模糊话。
3. 跑全量，输出三档：
   • 必看（命中所有硬性条件 + 至少一项加分项）
   • 可看（命中 80% 硬性条件 + 无”明确不录”项）
   • 不看（命中少于 60% 硬性条件，或有”明确不录”项）
4. HR 复看”可看”那档。“不看”那档抽 5 份人工反查，避免 Agent 错杀。
5. 跑两轮后复盘。把 Agent 误判的案例加进”边界案例”清单，校准规则。

直接能抄的指令

按 jobs/2026-校招-JD.md 和 jobs/2026-校招-硬性条件.yaml 的定义，对 resumes/ 下所有简历做初筛。

每份简历输出三件事：
1) 提取出的关键字段（学校 / 专业 / 年级 / 实习经历 / 英语 / 项目）
2) 命中的硬性条件列表（hit / miss 二值）
3) 归入哪一档（必看 / 可看 / 不看）+ 一句话理由

判断逻辑：
- 必看：100% 硬性条件 hit + 至少 1 项加分项
- 可看：≥ 80% 硬性条件 hit + 无"明确不录"项
- 不看：其余

明确不录项：gap year 超过 2 年、跨专业且无任何相关实习、有学术不端记录。
加分项：在目标行业有 2 段以上实习、有可量化的项目成果。

输出到 output/2026-校招-初筛-第N轮.xlsx，不要改动原简历。

我踩过的坑

1. “专业”被错杀。我把”计算机科学与技术”作为硬性条件，但有人专业写”计算机科学与技术（大数据方向）“——Agent 漏了。解法：硬性条件用”包含以下任一关键词”而不是”完全等于”。
2. 实习时长单位混乱。有人写”3 个月”，有人写”一学期”（约 4 个月）。解法：让 Agent 在提取时统一换算成”月”，再判断”≥ N 个月”。
3. “可看”那档爆了。硬性条件太松，“可看”能筛出 40%，等于没筛。解法：每条硬性条件写”如果少于 80% 的人 hit，砍掉这条”。

数据合规

简历含个人信息。用本地 LLM 或自托管的 Agent 处理，不要发给外部 API。如果必须用云端 API，至少做两步：1) 让 Agent 提取字段时把姓名/电话/邮箱本地保留；2) 给 API 的版本是”提取后只发字段结构，不发整份 PDF”。