招聘 Agent 筛掉的简历，要不要再让人看一遍？

招聘 Agent 筛掉的候选人档案不能直接销毁或静默归档，企业需要建立分层的人工复核机制。模型能够快速提取结构化经历并比对岗位要求，但在处理非标履历、转行背景或特殊表述时容易误判。企业的合理做法，是由招聘部门设定与岗位直接相关的技能硬指标，让模型输出打分与淘汰依据，针对边缘分数的被淘汰者执行固定比例人工抽查，同时开放申诉通道，防止误伤合适人选。

读取简历与岗位要求：提取能力要素并核验真实性

候选人投递简历后，解析程序抽取文本中的技能点与项目经验，与岗位标准做字段级比对。

模型读取各类版式的文档，解析教育背景、专业技能、任职年限与代表项目，将其转换为结构化字段。模型在这个阶段只负责事实提取，核对候选人是否具备岗位说明书中列出的必要资格，比如特定行业经验或专业软件技能。程序不读取与工作表现无关的个人特征，比如相貌、籍贯或婚育状态。

这一步的人工职责属于招聘业务专家。招聘团队在系统配置阶段，明确区分岗位的基础条件与加分项目，定义技能同义词表，防止模型因专有名词写法不一而漏判。解析程序完成字段抽取后，将档案推送到评分服务。

打分排序与权值计算：基于业务胜任力输出量化分值

评分引擎对照岗位权值模型，计算候选人的综合分值并输出逐项判断依据。

模型计算候选人在各个维度的匹配程度，给出专业技能得分、行业背景得分与项目相关度得分，汇总为综合分。模型同时生成简短的打分理由，说明候选人哪项经验符合预期，哪项要求存在缺项。评估逻辑应当保持规则透明，关于自动化决策与组织风控的边界，见 AI Agent 安全治理要赶在扩规模之前。

这一步由招聘经理设定分值线。招聘经理根据各岗位的竞争热度，将候选人划分为三类区间：高分入围区、边缘争议区与低分淘汰区。评分引擎只负责排序，不直接对边缘候选人下发淘汰指令。

打分完成后，系统将不同区间的候选人打上状态标签，分流到后续流程。

规则淘汰与边界划分：区分硬性不符与边缘待定

系统根据分值区间与预设规则分流候选人，将确定淘汰与存疑档案区分开来。

对于综合分低于淘汰线且缺少必要硬性指标的档案，系统打上建议淘汰标签。对于处于边缘分数区间的候选人，比如总分接近及格线但拥有头部企业经验者，系统打上人工复审标签，将其暂存到待定池，不直接发出拒信。

这一步由招聘专员执行人工分拣。招聘专员集中查阅边缘池中的简历，结合业务部门当季的用人紧迫程度，决定是否给予面试机会。业务急需用人时，专员可手动将候选人移入初试名单。系统在人工确认前保持档案状态锁定，防止因机器误判造成候选人流失。

候选人回复与状态通知：发送说明并留存跟进线索

淘汰决策经过确认后，通知服务向候选人发送规范的回复信息，并将档案归档。

系统在收到最终淘汰确认后，调用邮件或短信通道下发通知。回复内容采用中性且礼貌的通用辞令，感谢候选人参与，并说明本次招聘人选与当前岗位要求的匹配情况。系统在后台为该候选人建立流转日志，记录初审时间、模型打分明细、复核工号与最终结论。类似自动化流程后的工单抽检与质量控制逻辑，见 AI 客服自动结案了，工单为什么还要人工复核。

这一步由招聘主管管理通知策略。主管规定系统在做出决定后隔一段时间再发送通知，避免候选人刚投递就收到拒信。通知发送完毕后，档案进入人才备选库，保留完整的评估痕迹以备查验。

人工抽查与申诉复核：定期检验评分偏差与规则迭代

招聘运营团队定期抽检被淘汰档案，并处理候选人提出的复核请求。

这一步由人工团队执行。招聘质量人员定期按固定比例抽检被淘汰简历，重点检查处于淘汰线边缘的样本。如果在抽检中发现模型将某种非主流排版的项目经验漏读，或者候选人通过官方邮箱提交了申诉，质量人员调取原始简历重新评估。经核实确属解析遗漏的，人工直接恢复候选人的应聘流程。

系统在这个阶段汇总人工推翻模型决定的记录，统计误判原因分布。如果数据显示模型在特定领域的词汇识别上存在偏差，团队据此优化解析规则和评分提示词。复核结果作为模型迭代的依据，确保下一轮招聘时筛选质量更加稳定。

门店排班也是 Agent 先出结果、人再改的场景，店长能改多少、哪些改动要报批，见 门店排班 Agent 排出班表，店长能改多少？。

招聘 Agent：常见问题

为什么不能让模型根据历史入职员工的特征自主学习筛选偏好？

自主学习容易放大历史数据中的无意识偏见。如果企业历史入职员工多数来自特定院校或具备某种相似背景，模型会误将这些非业务特征当作筛选标准，导致背景多元但能力匹配的求职者被系统性淘汰。企业应当由人工制定与岗位产出直接挂钩的能力评价标准，让模型按写明的规则打分，不让它自己从历史数据里归纳隐性规律。

对于被模型淘汰的候选人，企业应当保留多长时间的复核窗口？

复核窗口至少覆盖该岗位的整个招聘周期，具体时长按企业的数据保存制度和当地法规来定。在这个窗口内，候选人的原始简历、模型打分明细与流转日志处于可随时调取状态。若候选人对筛选结果提出异议，或者业务部门在后续面试中发现生源不足需要扩大人选范围，招聘团队能够快速检索被淘汰档案并重新评估，兼顾用人时效与选拔公平。

企业在大规模校招中引入简历初筛机制，如何设定人工抽检比例与判定标准？

企业在大规模校招中引入简历初筛机制，人工抽检应当采取分层抽样策略。针对得分处于录取线与淘汰线之间的边缘群体，抽检比例定得最高；针对处于中间分数段的群体，比例可以降低；针对极低分群体，抽查少量样本核实硬性条件即可。具体比例按岗位数量和历史误判记录来定。抽检时重点核验模型对核心技术栈与实操项目的提取准确度，确保没有因文本解析失误而误删合格毕业生。