同样的核对反复做
学历、年限、技能、岗位要求需要逐份比对，投递量上升时处理速度和一致性都会下降。
为什么需要
初筛的成本，来自重复核对与口径不一致
辅助筛选处理的是「先看谁」的问题，不是「录用谁」的问题。
筛选口径不统一
不同招聘人员对同一岗位的理解有差异，筛选结果难以横向比较，也难以复盘。
过程无法回看
候选人为什么被跳过往往没有记录，遇到质疑或人员交接时无法还原判断依据。
输入
筛选规则由你定义
系统不自行发明筛选标准。岗位条件、规则与权重都来自客户，可随业务调整。
- 岗位条件
- 岗位要求的结构化描述，例如学历层次、经验年限、技能项与必要资质。
- 业务规则与权重
- 哪些条件是硬性门槛、哪些只是加分项，以及各项的相对重要程度，由客户定义。
- 人才数据
- 授权范围内的简历与人才字段。字段越结构化，辅助结果越稳定，可先接简历解析。
- 人工筛选反馈
- 招聘人员对辅助结果的采纳与否，用于后续调整规则和权重，属于持续优化范围。
处理过程
AI 在筛选流程中的位置
AI 处在人工查看之前的一步，作用是排序和提要点，不是替人做结论。
第 1 步：确认岗位条件与规则
把岗位要求拆成可判断的条件，明确硬性门槛与加分项，并排除不适合作为规则的信息。
阶段产出：可执行的筛选规则说明
第 2 步：辅助计算与要点提取
系统按规则处理人才数据，标出命中与未命中的条件，并从简历中提取相关要点。
阶段产出：候选人要点与条件命中情况
第 3 步：输出辅助排序
按规则命中情况给出参考顺序，并附上排序依据，方便招聘人员理解为什么排在前面。
阶段产出：带依据说明的辅助排序
第 4 步：人工复核与决策
招聘人员查看原始简历后决定是否推进，处理动作与结果留痕，便于后续复盘。
阶段产出：人工决策记录
第 5 步：按反馈调整
根据真实采纳情况调整条件、权重与提示，让辅助结果贴近你的实际用人标准。
阶段产出：规则调整方案
输出
招聘人员实际拿到什么
- 辅助排序
- 按规则命中情况排列的参考顺序，用于决定先看哪些候选人。
- 要点提取
- 与岗位条件相关的简历要点摘录，减少逐份通读的时间。
- 规则命中说明
- 逐条列出命中与未命中的条件，说明排序依据。
- 待核对提示
- 信息缺失或存在歧义的部分会被标出，提示人工核对而不是直接排除。
能力边界
必须写清楚的五件事
这些边界不是免责声明，而是筛选场景能否长期使用的前提。
- 岗位条件和业务规则由客户提供，系统不自行设定用人标准
- 系统输出的是辅助信息与建议，不产生录用结论
- 是否进入下一环节、是否录用，最终由客户的招聘人员判断
- 不使用可能导致违法歧视的敏感规则，评估阶段会一并核对规则合规性
- 辅助结果与人工处理动作可回看、可复核，便于复盘与交接
适合谁
常见的使用场景
- 单个岗位投递量大、需要快速缩小查看范围
- 批量招聘或劳务派单场景下的人员条件核对
- 人力资源与猎头机构需要统一的初筛口径
- 招聘平台希望为企业用户提供筛选辅助工具
- 已有系统需要通过接口补充辅助排序能力
接入方式
产品内置、接口接入，还是项目定制
- 产品内置
- 在迈旗人才招聘平台系统的业务流程中直接使用已产品化的能力，随产品版本更新，范围以版本说明为准。
- 接口接入
- 通过接口把能力接到你现有的系统或流程中，接口范围、调用方式与联调排期在方案中约定。
- 项目定制
- 标准能力覆盖不到的流程、字段和数据环境，通过招聘业务 AI 定制先做场景与数据评估，再确定实现方式。
常见问题
数据、接入与效果评估的决策问题
辅助筛选需要我们准备什么数据？
需要岗位条件的结构化描述、你希望使用的筛选规则与权重，以及授权范围内的人才数据。简历字段越规整结果越稳定，因此常与简历解析一起评估。
怎么接入？会改变现有的招聘流程吗？
可以在迈旗人才招聘平台系统的筛选环节使用，也可以通过接口把辅助结果输出到你现有的系统。流程位置不变，变化的是招聘人员查看候选人的顺序与信息密度。
可以完全自动筛掉不合适的人吗？
我们不建议这样使用，也不承诺完全自动化。系统只输出辅助信息，信息缺失或歧义的部分会标记为待核对，是否排除由招聘人员判断，避免因规则误判漏掉合适的人。
筛选规则会不会带来合规风险？
评估阶段会一起核对规则内容，不采用可能导致违法歧视的敏感条件。筛选依据与人工处理动作可回看，遇到质疑时能够还原判断过程。
候选人数据如何保护？
支持部署在你可控的环境中；数据使用范围、存储位置、留存与删除方式在方案与合同中写明。验证阶段优先使用脱敏样本，不使用未获授权的候选人数据。
怎么评估筛选效果？
用你的历史投递样本做对照：看排在前列的候选人中被人工采纳的比例、人工返工的情况，以及单岗位处理时长的变化。评估结论以你的样本为准，不使用外部准确率数值。