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。