口径：分母不是固定 Top10，而是 AI Top10 中确实出现在 HR 盲评名单内的「可比样本」（JD-001 为 7 人，覆盖 HR 名单 58.3%；JD-002 为 6 人，覆盖 66.7%）。若按固定 Top10 做分母，一致率会被「HR 没评过的人」拉低，那是名单覆盖度的问题、不是排序质量的问题。
短板（我们不藏）：一致率只看 Top10 交集，看不见「AI 把 HR 想要的人淘汰了」。本次实测就检出 1 例——JD-002 的费宸宇，HR 备注「10 年制造业成本，虽无证书但经验极强」判为通过，AI 按 证书门槛淘汰。这类假阴性代价最高，因此我们把它单列成表逐条留痕，而不是让它藏在一个漂亮的一致率后面。
招聘前段的事务性负担，把 HR 从「人才经营」拖成了「简历流水线」。
单份简历人工判定 1~3 分钟占位值，一个岗位几十上百份，HR 大量精力耗在重复阅读上。
标准靠经验，新人接手要重新摸索。人员一变，标尺就断了，判定的公平性也无法自证。
事后无法回答「为什么淘汰他」。招聘复盘无据可依，出现争议时说不清。
「中级会计师」「中级职称」「已通过中级」是同一件事。按字面匹配必然漏筛，好简历被错过。
不同 HR、不同轮次问题不一致，评估维度对不齐，候选人之间无法横向比较。
能判「是/否」的门槛交给确定性判定逻辑——可解释、零成本；只有需要读懂语义的部分才交模型。这是本场景成本优化的核心抓手。
把 JD 拆成三组：硬性条件（可判定）、软性要求（参与打分）、加分项。
抽成 12+ 结构化字段：学历、院校、专业、年限、现司、证书、技能栈、地点、联系方式。
八条规则逐条判定，命中即留痕「规则名称 + 简历原文依据」。
⚑ 成本关键：被规则淘汰的简历不调用模型，这部分省下的调用量就是毛利。
四维加权：技能栈重合 45 + 学历 15 + 经验 25 + 行业相关性 15，输出 0~100 分与逐维度依据。权重为占位值
同岗位所有人问同一组统一问题（保证可比性）+ 因人而异的定制追问 + 风险追问 + 评估维度。
下面每一步的结果，都是配套数据源真跑出来的，不是截图摆拍。点击左侧步骤查看。
| 表 | 内容 | 行数 | 状态 |
|---|---|---|---|
| 01 岗位 JD 台账 | 岗位 · 硬性条件 · 软性要求 · 加分项 | 4 | 已校验 |
| 02 简历台账 | 学历 · 年限 · 证书 · 技能栈 · 联系方式 | 128 | 已校验 |
| 03 人工对照名单 | HR 盲评结论（用于算一致率） | 21 | 已校验 |
| 样本类型 | 姓名 | 处置 | 命中规则 |
|---|---|---|---|
| 图片简历 | 顾南舟 | 转人工，不淘汰 | 解析失败保护 |
| 加密文件 | 秦亦白 | 转人工，不淘汰 | 解析失败保护 |
| 学历字段缺失 | 方立诚 | 转复核，不淘汰 | 字段缺失保护 |
| 年限卡线（差 1 个月） | 唐若琳 | 转复核，不淘汰 | 年限门槛 |
| 学历卡线（大专） | 袁清和 | 淘汰 | 学历门槛 |
| 证书同义表述 | 韩明哲 | 通过（正确归一） | — |
| 重复投递 | 苏慕白 | 去重保留先到者 | 重复投递去重 |
| 岗位 | 姓名 | 结论 | 命中 | 判定依据（含原文） |
|---|---|---|---|---|
| JD-001 | 袁清和 | 淘汰 | 学历门槛 | 简历学历「大专」低于要求「本科」 |
| JD-002 | 耿星野 | 淘汰 | 证书门槛 | 要求「中级会计师」，简历证书「ACCA」；归一后未匹配 |
| JD-002 | 费宸宇 | 淘汰 | 证书门槛 | 要求「中级会计师」，简历未提及任何职称 |
| JD-001 | 唐若琳 | 转复核 | 年限门槛 | 要求 5 年，简历 4 年，差 1 年（容差内，不直接淘汰） |
| 维度 | 权重 | 本例得分 | 依据 |
|---|---|---|---|
| 技能栈重合 | 45 | 15.0 | 命中 2/6 项（Spring Cloud、MySQL） |
| 学历 | 15 | 15.0 | 硕士 · 重点院校 |
| 工作经验 | 25 | 22.5 | 9 年 |
| 行业相关性 | 15 | 8.0 | 命中「金融」「互联网」 |
| 合计 | 100 | 60.5 | 排名第 1 |
| 排名 | 姓名 | 匹配度 | 推荐理由（逐维度） |
|---|---|---|---|
| 1 | 周子昂 | 60.5 | 技能栈 2/6 · 硕士(重点院校) · 9 年 · 命中金融+互联网 |
| 2 | 马天磊 | 60.0 | 技能栈 2/6 · 本科 · 8 年 · 命中金融+高并发 |
| 3 | 陈志远 | 50.5 | 技能栈 1/6 · 硕士(重点院校) · 8 年 |
| 4 | 张明轩 | 50.5 | 技能栈 2/6 · 本科 · 7 年 · 命中金融 |
| 5 | 彭俊熙 | 48.0 | 技能栈 1/6 · 硕士(重点院校) · 7 年 |
| 岗位 | 简历数 | 通过 | 淘汰 | 转复核 | 解析失败 |
|---|---|---|---|---|---|
| JD-001 高级 Java | 47 | 41 | 1 | 2 | 2 |
| JD-002 财务主管 | 33 | 31 | 2 | 0 | 0 |
| JD-003 前端（条件冲突） | 25 | 0 | 0 | 25 | 0 |
| JD-004 销售内勤 | 23 | 23 | 0 | 0 | 0 |
| 页签 | 内容 | 给谁 |
|---|---|---|
| 00 执行摘要 | 各岗位跑批统计、一致率与可比样本/覆盖率 | HR 负责人 |
| 01 候选清单 | 排名 · 匹配度 · 逐维度依据 | 招聘 HR |
| 02 淘汰留痕 | 命中规则 + 原文依据（可复核捞回） | 招聘 HR |
| 03 面试提纲 | 统一问题 + 定制追问 + 风险追问 | 面试官 |
| 04 假阴性风险 | HR 判通过但 AI 未列入候选的人，逐条规则归因 | HR 负责人 |
这些是刻意构造的「难案例」——用来证明系统在异常面前不会乱来。下表共 12 行，其中 11 份构造件、1 份正常对照（贺兰山，验证系统不误杀）。每条结论都来自真实跑批，不是设计图。配套质检脚本 verify.py 独立复核 27 项，全部通过。
| 样本类型 | 姓名 | 系统结论 | 命中规则 | 设计意图 |
|---|---|---|---|---|
| 图片简历（无可提取文本） | 顾南舟 | 转人工，不淘汰 | 解析失败保护 | 不因技术原因误杀 |
| 加密文件（需口令） | 秦亦白 | 转人工，不淘汰 | 解析失败保护 | 不因技术原因误杀 |
| 学历字段缺失 | 方立诚 | 转复核，不淘汰 | 字段缺失保护 | 数据缺失不做否定判定 |
| 无联系方式 | 崔博文 | 通过（列提醒） | — | 不因缺字段而淘汰 |
| 年限卡线（差 1 个月） | 唐若琳 | 转复核，不淘汰 | 年限门槛 | 容差保护，防口径差异误杀 |
| 学历卡线（大专） | 袁清和 | 淘汰 | 学历门槛 | 硬门槛该淘汰就淘汰 |
| 重复投递（同手机号） | 苏慕白 | 去重保留先到者 | 重复投递去重 | 避免重复占位 |
| 证书缺失（10 年制造业成本） | 费宸宇 | 淘汰 进假阴性表 | 证书门槛 | 经验优秀但硬门槛缺失 —— 本条就是被主动披露的假阴性 |
| 证书同义表述（「已通过中级」） | 韩明哲 | 通过（正确归一） | — | 同义表述不能漏筛 |
| 证书完全一致（对照组） | 贺兰山 | 通过 | — | 对照组，验证不误杀 |
| 证书不符（只有 ACCA） | 耿星野 | 淘汰 | 证书门槛 | 都含「会计」≠ 同一证书 |
| 超长简历（62 页） | 祁连雪 | 截断解析，正常参与 | — | 不因页数多而丢 |
上表中标注为边界样本的简历（如「方立诚」「袁清和」）是为压测边界条件刻意构造的测试件，不是真实候选人。真实简历里通常不含「刚好卡线」的样本，所以按 POC 方案约定：构造件仅用于内部压测，不混入客户演示清单。
单岗位从收到全部简历到得出候选清单，人工基线约 3.4 小时占位值 → 目标 ≤ 20 分钟（含人工复核）。HR 从「逐份读」变成「审结论」。
判定规则写成文件了。人员变动不再断层——新同事拿着同一套规则就能接手，判定的公平性也能自证。
每条淘汰都有「命中规则 + 原文依据」。能自证、能复核、能捞回——招聘争议时拿得出依据。
同岗位所有人问同一组统一问题，评估维度对齐。候选人横向可比，面试质量不再取决于面试官个人水平。
把您自己的一个真实岗位丢进来，半小时内就能看到结果。
把岗位 JD 台账与简历台账（Excel）导入，系统先做口径校验与数据体检，异常先隔离不硬猜。
硬条件按既定规则逐条判定并留痕，软性匹配给出可追溯的排序与推荐理由——机器不替人做淘汰决定。
输出排名、匹配度、逐维度依据、淘汰留痕与统一面试提纲，转人工复核即可下发面试官。
下面每个文件都可以直接下载。合集工作簿含 3 张独立分表（岗位、简历、对照，合计 153 行）合到一个文件里，勿与分表叠加计数。
1. 数据性质：本数据集为 POC 演示样本。岗位与候选人信息为按真实业务结构生成的模拟数据，非真实个人；其中 11 份带「边界标记」的简历是为压测边界条件刻意构造的测试件。
2. 行列口径：合集工作簿含 3 个数据页（即 3 张独立分表，共 153 行实体记录（岗位 4、简历 128、对照 21，三表去重）），勿叠加计数，去重后实体数为 4 个岗位、128 份简历。
3. 占位值声明：涉及「单份判定耗时」「单岗位投递量」「初筛总耗时」「一致率门槛」的 4 个数字均为占位值·待客户确认，对外承诺前须以客户实测值回填。
4. 合规提醒：若替换为真实简历数据，必须已完成脱敏并签署书面数据使用与保密约定——脱敏数据仍属个人信息。
HR 数字化转型有四段，本场景只覆盖两段。剩下两段建议各自独立立项——一次做全反而都做不实。
本场景的动作是「解析简历与 JD、打分排序、输出候选清单」——一条完整操作链路。政策问答、入转调离、薪酬核算与简历初筛不共享数据、不共享操作链路，强行并入会让功能范围失控、POC 边界虚化，最终哪一段都跑不实。
建议：先跑通「简历初筛」拿到效率与一致率的实测数据，再按同样方法复制到下一段。
招聘是通用职能，但不同行业的人才结构与证书体系差异很大。以下挑三个与您最可能对号入座的制造业行业。
技术岗位多、证书体系复杂（如焊工证、特种作业证），初筛既要看硬门槛也要防误杀。
可预期效果：硬性条件判定可解释、证书同义归一，人均初筛从数小时压到分钟级。
技工类岗位多、经验门槛高，简历表述五花八门，靠字面匹配容易漏掉好手。
可预期效果：判定标尺写成文件、可传承，新人接手不断层，淘汰全程留痕可复核。
一线技工与质检岗位量大、季节性缺工，批量初筛靠人读极易疲劳漏看。
可预期效果：批量简历统一标尺、统一面试提纲，候选人横向可比、评估对齐。
用贵司一个真实岗位，把 AI 的候选清单和您手工挑的人摆在一起——对得上几个，您自己看。诊断阶段不推销、不打扰。