137 份简历人工初筛要两个整天，一套搭在 TraeWork（字节跳动旗下的 AI 编程助手，可串联多步任务）上的系统用 1 分 36 秒跑完全部 6 份测试——但这篇实测最有价值的发现不是速度，而是「评分标准从在我脑子里变成了在评分卡里」。

这是什么

作者把招聘初筛拆成 4 步：先把 JD（岗位描述）变成带分档规则的评分卡；再造 6 份埋好陷阱的模拟简历当考卷，验证 AI 靠不靠谱；通过后用 AI 批量跑真实简历，输出可复核的台账；最后对「待定」档生成定制面试题和复核话术。4 条指令在一个会话里顺序发出。

关键机制：每条结论必须引用简历原文，判不了就写「存疑」禁止推测。模拟考卷这一步是整套方法的灵魂——作者明确说，真简历没有标准答案，不先验证 AI 就上真实数据是赌。

行业怎么看

支持者认为这是 Agent（即能自主规划多步操作的 AI）落地的典型范式：把模糊的人类判断拆成规则，再交给 AI 执行，人只做最后的「待定复核」。从「在我脑子里」到「在评分卡里」的过程，本质是把黑箱判断变成可审计的流程。

反对意见同样值得听。第一，137 份只是中型公司一个普通岗位的体量，大厂 HR 一年处理几万份时，AI 出表的 1 分 36 秒优势会被 prompt 工程（编写 AI 指令）的耗时吃掉——作者自己设计考卷就花了远超 20 分钟。第二，「评分卡」看似客观，实际是把 HR 的主观标准固化下来，偏见也会被一并自动化：今年筛掉什么，明年还会继续筛掉什么。第三，求职者一侧正在被悄悄改变：当所有人都按「熟练 SQL + 3 年经验」写简历，HR 真正想看到的「不寻常经历」反而会被系统漏掉。

对普通人的影响

对企业 IT 和 HR：可复用的不是某款工具，是「评分卡 + 模拟考卷」这套方法论。下次想让 AI 接手任何判断类工作，先出一份你知道答案的题，比直接上真实数据稳得多。

对个人职场：如果你正在找工作，需要意识到 HR 的初筛可能已经由 AI 完成。简历里的「精通/熟练/了解」会被分级处理，技能声明必须有工作内容佐证，否则直接归入「存疑」甚至「不达档」。

对消费市场：目前影响有限，但同款方法（先验后用）正在向合同审查、客服工单、内容审核等场景迁移，判断类工作的「AI 化」会比生成类工作更安静地发生。