简历筛选与面试
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_9e3b7930/resume-screening-interviews。
技能介绍
招聘评估中的典型问题
筛选阶段常陷入三个陷阱:把JD转成打分表后失去对证据质量的判断;面试问题依赖面试官个人经验,缺少统一校准;评分时混入风格、自信度等与岗位无关的印象,而不是回到候选人具体做过的事。这个技能把评估固定在可观察的证据上,让每一轮简历反馈和面试讨论都有据可查。
技能如何运作
简历审查从校准岗位开始:将JD提炼为4~7项可观察能力,标记为must-have、preferred或developmental,并定义各等级下可接受的证据形态。随后按固定顺序评估——角色匹配与职业轨迹、影响力与个人贡献、技术或功能可信度、清晰度与JD契合度。缺失证据标记为「未证实」而非「不具备」,模糊表述标记为待澄清项而非扣分项。
结构化面试计划基于校准后的能力,选出能消除最高风险不确定性的最小问题集。每个问题围绕候选人真实项目展开,追问采用 P.O.S.E.R. 视角:问题、个人贡献、规模与约束、决策与权衡、结果与复盘。强/中/不足三档证据标准在面试前就定义好,避免事后找补。
评分与复盘将每项能力独立打分并标注置信度,复盘时只比对岗位能力定义而非候选人之间或面试官的印象。最终输出建议式结论:推进、等待补充证据或不建议推进,同时明确人工决策 owner。
边界与注意点
技能不生成自动通过/拒绝结论,也不做雇佣、移民、背景调查、薪酬或合规判断。涉及地区性劳动法规时需交由专业HR或法律团队处理。评估中禁止推断受保护特征,包括年龄、种族、国籍、宗教、性别认同、性取向、残障状况等。输入缺失时需明确标注假设,不要把未提及的技能升级为硬性要求。
使用场景
- 技术团队负责人筛选10份后端工程师简历,需要基于JD逐份输出must-have项命中情况与证据缺口,而非给一个笼统总分
- 首次面试经验不足的面试官准备数据分析师终面,需围绕目标岗位的4~7项能力生成带时间盒和追问层级的题目
- HRBP在季度招聘前为高级产品经理岗位建立评分表,需预先定义每项能力的强/中/不足三档可观察标准,保证多位面试官口径一致
- 两位面试官结束同一场工程经理面试后结论相反,需对照结构化记录复盘争议点,定位是哪项能力的证据被遗漏或误读
适合人员
- 需要在短时间内从一批简历中筛出值得面试的候选人的技术团队负责人,关心每条判断的可追溯理由
- 正在搭建结构化面试流程的HRBP,需要把JD转成可校准的能力项和评分标准,降低不同面试官的尺度偏差
- 参与高级技术岗位面试但不熟悉行为面试法的一线工程师面试官,需要具体的题目和追问框架来覆盖P.O.S.E.R.各维度
- 首次独立负责招聘的初创公司技术管理者,需要在没有专职HR支持的情况下产出简历反馈和面试计划