核心用法
Recruiter Assistant 是一套针对深圳技术招聘场景设计的全流程评估系统，主打高门槛筛选与数据驱动决策。核心工作流包含三大模块：
1. 严格简历筛选：支持单份/批量处理，采用0-100分制评分体系，强制要求输出3-4项核心技术优势与显著缺陷，并自动生成独立评估文档。高级别岗位（Senior+）须验证架构影响力与AI工具深度应用。
2. AI能力强制评估：将Cursor、Copilot、LLM API等工具使用列为硬性 productivity 指标，缺乏AI实践经验直接视为能力缺口。
3. 面试辅助与闭环：基于识别出的"Cons"生成针对性面试问题，面试后结构化归档，高分候选人（≥阈值）自动推送HR。
显著优点
- 市场实时对齐：内嵌Boss Zhipin 2026深圳薪资基准，避免经验主义定薪偏差
- 批判性评估框架：明确反对"给分宽松"，强制标注弱点，减少面试漏斗噪音
- 批量处理能力：适合校招/社招大规模初筛场景
- AI原生招聘逻辑：将AI工具熟练度纳入工程师能力模型，符合2024-2026技术栈演进
潜在局限与风险
- 地域锁定：薪资基准与人才市场数据高度依赖深圳，跨区域招聘需人工校准
- 技术栈偏向：对AI/云原生/全栈岗位覆盖充分，但嵌入式、硬件、传统ERP等领域可能缺乏适配
- 评分主观性：尽管有rubric，"架构影响力"等维度仍需人工复核，完全自动化存在误判可能
- 数据时效风险：2026标准若未季度更新，可能与市场脱钩
适合人群
- 深圳科技公司的技术招聘HR/业务面试官
- 需要批量处理技术简历的猎头顾问
- 建立标准化面试流程的成长型创业公司
常规风险
| 风险类型 | 说明 |
|---------|------|
| 算法偏见 | 对非典型背景（转行、开源贡献者）可能评分偏低 |
| 隐私合规 | 简历处理涉及个人信息，需确保本地化部署或GDPR/PIPL合规 |
| 过度依赖 | 高阈值设定可能漏掉"非简历型"潜力候选人 |