核心功能
Recruiter Assistant 是一套面向技术招聘的专业工作流工具，深度优化于深圳互联网市场。其核心定位是高门槛筛选器，而非温和的匹配工具。
1. 严格简历评估（Rigorous Resume Screening）
采用0-100量化评分体系，依据 references/hiring-criteria.md 中的详细标准执行。关键特点：
- Senior 岗位高标准：要求候选人必须展示架构影响力（architectural impact）和专家级AI工具使用能力
- 强制输出结构：每位候选人独立生成评估文档，明确列出3-4项硬技术优势和重大能力缺口
- 批量处理能力：支持文件夹级批量筛选，可设定分数线自动过滤
2. AI 能力强制审查
将AI工具使用（Cursor、Copilot、LLM APIs等）设为硬性生产力指标，未体现者视为显著能力缺口。这反映了2026年技术市场对AI原生工作流的预期。
3. 深圳市场薪酬对标
基于 Boss Zhipin 2026年数据，将候选人期望薪资与市场基准实时比对，解决信息不对称问题。
4. 面试闭环支持
- 针对评估识别的"Cons"生成定制化面试问题
- 提供结构化面试纪要模板与自动化总结
显著优点
| 维度 | 优势 |
|------|------|
| **标准一致性** | 量化评分消除主观偏差，跨面试官可比 |
| **市场时效性** | 2026年深圳薪资数据，解决HR信息滞后 |
| **AI原生设计** | 将AI使用能力纳入核心评估，领先行业认知 |
| **流程自动化** | 从初筛到面试问题生成到纪要总结的全链路覆盖 |
| **批判性导向** | "Critical Lens"原则避免过度乐观，降低误招风险 |
潜在局限
1. 地域锁定：薪资基准和招聘实践深度绑定深圳市场，北京/上海/海外场景适用性下降
2. 技术岗偏向：工作流设计明显针对软件工程师，产品、设计、运营等非技术岗支持有限
3. 评分刚性：0-100量化体系可能遗漏"潜力型"候选人，高潜力但履历不完整者易被低估
4. AI能力评估标准模糊：文档未明确AI使用的"深度"判定标准（使用Cursor vs 自建Agent差距巨大）
5. 依赖外部数据 freshness：Boss Zhipin 2026数据若未及时更新，可能导致市场判断偏差
适合人群
- 深圳科技公司HR/技术招聘负责人：需要快速建立高标准的工程师筛选体系
- CTO/技术VP直接参与招聘：追求架构能力+AI生产力的双重验证
- 高速成长期企业：批量处理简历同时保持筛选质量
- 对AI转型有认知的招聘团队：认同"AI使用能力是基础生产力"的判断
常规风险
| 风险类型 | 说明 | 缓解建议 |
|----------|------|----------|
| **过度筛选** | 高标准可能导致候选人池枯竭 | 建议分阶段使用：初筛用标准阈值，终面放宽量化依赖 |
| **地域误判** | 非深圳候选人薪资期望对标失真 | 手动确认候选人意向城市，或扩展数据源 |
| **AI能力造假** | 简历夸大AI工具使用深度 | 面试环节配合现场coding+AI协作验证 |
| **自动化依赖** | 批量模式可能错过"非典型"优秀人才 | 设定人工复核通道，保留override机制 |
总结
Recruiter Assistant 是深圳技术招聘的精密仪器——不适合追求规模的快速扩张，而适合追求密度的高质量建设。其价值在于将模糊的"感觉"转化为可执行的、与市场对齐的标准，特别适合AI时代对"高效工程师"重新定义的招聘语境。