社招旺季，HR 最耗时的往往不是发 JD，而是几百份简历里谁先约面。公开讨论与招聘工具实践里，共识很清楚：AI 适合按岗位 rubric 做初筛评分表与排序草稿；录用、背调、薪酬谈判与任何可能构成歧视的判断，必须人做。本文只讲一件事：怎样用 AI 把简历堆「排好序」，又不把用人权交给模型。
我按一家 120 人互联网公司的「中级产品经理」岗试了两轮（脱敏）。第一轮把 40 份完整 PDF 简历丢进通用对话，模型很快给出 A/B/C 档，还把一位「项目经历写得很满」的候选人标成 S——细看才发现两段经历时间重叠。第二轮改成：岗位评分 rubric（8 条）+ 脱敏摘要表（无姓名/手机/照片），只让 AI 输出「评分表 + 排序建议 + 需人工复核项」。排序体感快很多，吓人少很多。
初筛评分表：AI 能做什么
适合交给模型的，是结构化对照，不是「感觉像不像我们的人」：
- 按 rubric 给每条经历/技能打 0–3 分，并引用简历里哪一句（无则标「未提供」）。
- 汇总成排序表：总分、强项、缺口、建议动作（约面 / 待定 / 礼貌拒）。
- 标「需人工复核」：年限边界、空窗、职级跳变、与 JD 关键词明显不符处。
不适合：直接写「建议录用」、推断性别/年龄/婚育、替你做背调结论、用「文化 fit」当一票否决。
两轮试跑里踩过的毛边
毛边 1：模型爱「补全」没写过的技能。 简历只写「参与需求评审」，输出却写「独立负责 0-1 产品」。改法：提示词写死——只能引用摘要表字段；推断一律进「待核实」。
毛边 2：同分不同命。 两位都是 18 分，一位偏 B 端一位偏 C 端，模型默认 B 端更好——其实岗位要的是行业 SaaS。改法：rubric 里加「行业匹配」权重，并注明「权重由 HR 设定，模型不得自行调整」。
毛边 3：敏感信息进公网。 第一轮误把带手机号的 Excel 贴进对话。改法：摘要表只用代号 R01/R02，联系方式本地保留。
本周可试：脱敏 rubric 法（约 45 分钟）
- 写 8 条 rubric（必备 4 + 加分 4）：每条有「看什么字段、几分算达标」。例：「独立负责产品版本 ≥1 次」看项目描述是否出现 owner/负责人。
- 做脱敏摘要表：代号、年限、最近两段经历一句话、技能标签、学历（可模糊到「本科/硕士」）。去掉照片、姓名、手机、身份证、现公司全称。
- 让 AI 只出评分表：禁止输出录用/拒信正文；每条必须带「引用依据或待核实」。
- HR 终审 10 分钟：抽 3 份对照原简历，分错就改 rubric 再跑，别改候选人事实。
完整可复制 Prompt 见站内模板。实际使用时替换 rubric、JD 要点与脱敏摘要表即可。
角色：招聘初筛助手（只做评分表与排序草稿，不做录用决定，不推断受保护属性）。
岗位：{{岗位名称}}；JD 要点：{{JD要点}}
评分 rubric：{{rubric条目}}
脱敏摘要表：{{脱敏摘要表}}
输出：评分表（代号/分项得分/引用依据/缺口/建议动作/需人工复核）；禁止「建议录用」语气。红线
- 把带姓名、手机号、身份证的简历原件喂给公网模型——泄露与合规风险。
- 让 AI 评分直接驱动拒信或 offer——录用决定与法律责任在人。
- 用模型推断年龄、婚育、地域、口音等受保护特征——歧视风险不可接受。
- 跳过背调与学历核验，只因模型给了高分——核验流程不能省。
- 批量自动发「不合适」邮件——话术与事实必须 HR 审定。
小结
AI 在招聘里最稳的位置，是初筛评分表与排序草稿，不是「AI HR」。本周先从 20 份脱敏摘要 + 8 条 rubric 试跑：你会明显感到「谁先约面」更清晰；约谁、录谁、怎么谈，仍在 HR 与用人经理。通用模型如 DeepSeek、豆包 适合出表格式草稿；背调、offer 与制度解释，请走公司既有流程。