毕业作业：串一条 HR 招聘全流程

这份毕业作业到底考什么

别把它理解成"让 AI 自动招人"。招聘全流程要拆成可控节点：岗位需求输入、JD 初稿、面试题生成、简历要点提取、匹配点整理、面试追问建议、人工筛选、面试安排提醒、周报汇总。分工是固定的——AI 生成材料和整理信息，工作流搬运状态和提醒，人负责岗位判断、候选人沟通和最终决策。

所以毕业作业不接真实招聘系统，用"飞书多维表格 + Kimi/DeepSeek + 手动复制"模拟最小闭环，全程脱敏样例。目标是让你把"JD → 面试题 → 简历摘要 → 人工判断"这条链亲手走通，并在每一步设好合规边界。"JD 到筛简历全自动闭环"对多数 HR 新手并不适合——简历涉及个人信息，筛选涉及公平就业。

五个评分维度（对着这张 rubric 交作业）

① 链条完整性：JD、面试题、简历摘要三段接得上——前一段的产出正好是后一段的输入，串起来才顺，不是三段各写各的。

② 合规边界：是否全程脱敏；每一步有没有写死"不作录用/淘汰结论"；JD 有没有删掉年龄、性别、婚育、籍贯等限制性条件。

③ 人工节点保留：录用判断、核心职责确认、面试审题这些环节，是否明确留给了人。

④ 可追溯留痕：JD、题库、简历摘要、人工复核理由是否都存档，能不能解释"为什么推进这个人"。

⑤ 岗位标准锚定：面试题和筛选是否锚定真实胜任力模型，而不是让 AI 把要求越写越高、发生标准漂移。

常见交付误区（这些一交就扣分）

① JD 自动生成后不人工改——AI 只会写通用职责，用人经理必须确认核心职责。

② 面试题含歧视或无关问题——年龄、婚育、家庭情况都不能问，加禁用要求并人工审题。

③ 上传真实简历原文——含大量个人信息，只用脱敏摘要或虚拟样例。

④ 让 AI 排名候选人并直接淘汰——涉及公平就业和个人权益，AI 只提匹配点和追问点，进不进下一轮由人定。

⑤ 流程没留痕——事后解释不了为什么推进或淘汰，全链证据都要保留。

⑥ 忽视岗位标准漂移——用岗位真实胜任力模型约束，别让要求一轮轮被抬高。

优秀作业长什么样

一条能当场演示的 JD→面试题→简历摘要流程，每个候选人的推进理由都能追溯到 JD 要求 + 简历事实 + 人工面试记录，而不是只留一个 AI 给的分数。三段各有硬标准：JD 删净歧视性表述、职责和要求清晰；面试题每个核心能力 2 道行为题，带追问、评分要点、红旗信号；简历摘要分五栏——匹配点、不匹配点、待追问问题、信息不足处、人工复核建议。

可参照的行业坐标（均为厂商披露，讲课时提醒别当第三方审计结论）：北森公开材料称其 5 大 AI Agents 覆盖寻访、筛选、面试、评估、服务；Moka 公开案例称某全国性零售连锁引入其智能招聘后，平均招聘周期由 18 天缩短至 9 天；SHRM 2025 调研显示 51% 的组织用 AI 支持招聘，常见于写 JD、筛简历、候选人搜索与沟通。这些能力通常依赖专业 ATS、数据沉淀和企业权限体系，毕业作业只需在脱敏样例上把链条和边界跑通。

再深一层：从练习升级为"可解释招聘看板"

真正能上线的招聘 AI 流程，需要五样东西：岗位标准、候选人数据来源、筛选规则、人工复核记录、申诉机制。缺一样，都经不起公平就业的追问。

学有余力可把毕业作业升级为"可解释招聘看板"：每个候选人的推进理由都能追溯到 JD 要求、简历事实和人工面试记录，而不是只保留 AI 给出的分数。做到这一步，你交付的就不是一个练习，而是一套能对内解释、对外经得起质疑的招聘方法。