乐于分享
好东西不私藏

利用 AI 做招聘,从明确需求到出面试题,一条龙准备好

利用 AI 做招聘,从明确需求到出面试题,一条龙准备好
招人从来是个麻烦事儿,准备职位描述、筛简历、面试、谈薪水,每一步都少不了,作为负责人的话,哪一步都得参与;可手上又有其它的事情要做,总是被打断。
这时候我又想起了Claude Code(其实Codex,Hermes或者Openclaw,Trae,任何一个可以本地运行或者可以访问飞书的AI Agent都可以),面试和之后的事儿他做不了,但是准备工作CC是好手啊,结合我手里的系统说明文档,几份候选人简历,让CC先搞清楚需要要什么样的人,写一份岗位需求,然后帮我把简历筛一遍,给每个人定级,最后帮我准备一些面试问题做参考,基本可以帮我节省百分之八十面试前的准备工作。
以前这种活儿我可能得花一整个下午,过每个人简历,筛出面试候选人,准备相应的面试问题。这次我用 Claude Code ,从业务分析到准备面试材料,不到一个小时全部搞定。

先让它搞懂你的业务

我做的第一件事,不是直接让CC写职位描述,是让它先读我的业务系统文档。
我把系统设计和说明文档丢给它:你先看看这个系统是做什么的,技术栈是什么,有哪些用户角色。
它读完后自动梳理出了一份结构化的系统概览——后端、前端、数据库、部署方式,以及与合作方有多少个 API 接口对接。用户角色有哪些,各自干什么,清清楚楚。
这一步很关键。如果 AI 不理解你的业务,后面写的岗位需求和面试问题全是空话。直接让 AI写职位描述,出来的东西通篇全是正确但没用的废话。

用业务理解推导岗位需求

系统搞明白了,我就跟它说:我要招的是什么角色的人员,需要哪些能力,等等。
它根据之前对系统的理解,写出了一份完整的岗位需求说明。不是随便找个模板改改的那种,而是每一项职责都对应着我们系统的实际情况:
系统跑在云服务器上 → 需要云平台运维经验
和合作方有多个 API 接口 → 需要接口监控能力
当前的部署方式比较传统 → 需要熟悉 Linux 和 Shell 脚本
多种用户角色,技术水平参差不齐 → 需要用户培训能力
岗位需求必须从业务推导出来,不是从模板填出来的。这一步如果让 AI 跳过业务分析直接写需求,出来的就是一份"万能岗位需求”,质量会很差。
它还自动给出了薪资范围建议,按初级、中级、高潜力三档划分,每档对应不同的经验和技能要求。

候选人简历,逐个拆

岗位需求写完了,接下来就是重头戏:审核简历。
我把五份简历的飞书文件夹地址给它,要求是:结合前面的岗位需求,对每个候选人做评估,给出 A/B/C 评级,列出优势和关注点,还要建议薪资范围。
它的分析比我的预期还要好一些,不是简单的"有 ## 经验,符合要求"这种匹配,而是做了有一定深度的判断:
候选人 A 有###经验→ 要验证独立解决问题能力,因为
候选人 B 简历里明确写了"###""###" → 跟岗位里"帮业务人员熟悉系统"的需求高度匹配
候选人 C 部署过###平台→ ##→##→##的流程跟我们的业务很像,业务理解潜力大
候选人 D 项目描述偏"汇报体" → 面试时需要验证
这些判断单独拿出来倒都不是什么高深分析,但要是自己快速的过一遍五份简历后做出系统性的、有针对性的评估,倒是难免会出现遗漏。
最后它给出了一张对比矩阵,五个候选人按技术基础、业务理解、沟通能力、发展潜力、独立工作五个维度打分,一目了然。

面试问题不是通用的,是定制的

到上面那一步,我其实已经很满意了。但它做的最后一件事让我觉得超出了预期: CC 自动给每个候选人准备了针对性的面试问题
不是那种"你遇到过什么困难?你怎么解决的?"的万能问题。而是每个问题都结合了候选人的简历内容和我们的实际业务场景,
每个问题后面还附了"期望回答要点",方便我在面试时快速判断候选人的回答质量。

所有材料直接进了飞书

整个过程所有的参考文档、整理输出的文档,都是在飞书文档里。它直接通过 lark-cli 阅读、创建了飞书文档,所有材料:系统分析、岗位需求、候选人评估、面试问题都统一放在一个飞书文件夹里,随时可以打开查看、分享给同事。
整个流程下来,我在飞书里多了两份材料:“##岗位需求说明”和“候选人审核和面试材料”;联同候选人简历,就组成了完整的面试基本资料了。

如何让 AI 真正的帮你筛选简历

以现在模型和Agent的能力,处理这类事情一点都不是问题,但是提问的方式决定了输出的质量
如果我一上来就说"帮我写一份##岗位的岗位描述",它会给我一份通用模板。如果我说"帮我筛一下这几份简历",它只会做关键词匹配。
但真正做法是分步走:先让它理解业务 → 再从业务推导岗位需求 → 再结合需求评估简历 → 再针对简历定制面试问题。每一步的输出都作为下一步的输入,上下文是连贯的。
其实自己来处理这个事情的逻辑是一样的:你会在了解公司做什么,了解岗位需要什么,然后再去评估候选人。Claude Code 也是这么个用法,但是在了解了系统和业务场景之后,把筛选简历的繁复工作帮你执行了。
别指望 AI 一步到位,要像人办类似的事情一样,分步引导,或者给它分步骤的任务。业务背景、岗位需求、评估标准,这些信息你喂得越充分,它给的结果就越靠谱。

想要用 AI 解决更多实际工作问题?下面这些你可能也感兴趣:
微信+飞书+Happy:AI移动办公三件套
AI移动开发,用Happy操作你的Claude
为Trae CN添加飞书CLI,成为你的免费飞书AI小秘书
关注我们,更多 AI Agent 实战技巧马上就来,让你的 AI 好用,让你用好AI。
祝各位的AI Agent用得愉快

既然都看到这里了,那就点个关注吧,更多的实战手册马上就来,让你的AI好用,让你用好AI。