ChatGPT可将简历初筛从小时级压缩至分钟级：第一步结构化提取核心要素；第二步硬性条件比对并排序TOP5；第三步深度识别关键词实际应用水平；第四步生成差异化筛选结论与Excel兼容对比表。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
招聘方每天要面对数百份简历，人工筛出真正匹配岗位JD的候选人耗时耗力，容易漏掉关键信息或被格式干扰。ChatGPT能快速提取结构化要素、比对硬性条件、识别关键词覆盖度，并给出分级建议，把初筛时间从小时级压缩到分钟级。
第一步：让ChatGPT自动提取简历核心要素
打开ChatGPT对话窗口，粘贴一份待筛简历全文（PDF请先复制文字，避免OCR错字），输入指令：“请逐条提取这份简历中的【姓名、学历背景（含毕业院校与专业）、工作年限、目标岗位倾向、掌握的编程语言/工具/框架、近3年主导项目数量、是否具备JD要求的‘大模型微调经验’或‘RAG系统落地经验’】，只输出结构化列表，不加解释。”
这一步必须用【结构化列表】输出，否则后续比对会失效；若出现“未提及”字段，说明该候选人可能不满足硬门槛，可直接归入低优先级池。
第二步：批量比对JD硬性条件
方法一：单份简历精准校验
将岗位JD原文复制进对话，追加指令：“对照上述JD，判断该候选人是否满足以下5项硬性条件：①学历为硕士及以上；②有2年以上Python工程经验；③熟悉Transformer架构；④有LLM应用落地项目；⑤英语可作为工作语言。仅回答‘是/否’，每项单独一行。”
方法二：10份简历并行扫描
把10份简历的核心要素（按上一步提取的格式）整理成表格，连同JD一起发给ChatGPT，指令：“按‘姓名+硬性条件满足数/5’排序，只输出TOP5名单，不解释原因。”
【硬性条件满足数低于3的候选人，无需进入人工复核环节】
第三步：识别关键词覆盖深度而非简单堆砌
第一步提取的“掌握工具/框架”字段常含水分，比如写“熟悉LangChain”，但没写清是调用API还是自研模块。此时需追问ChatGPT：“该候选人提到‘LangChain’，但简历中未体现其在RAG流程中具体负责检索优化、提示词编排还是Agent调度？请根据项目描述推断最可能的角色，并标注置信度（高/中/低）。”
这一步能暴露“术语搬运工”——真正做过RAG召回率调优的人，必提向量库选型、chunk策略、重排序模型；只写“使用LangChain搭建问答系统”的，大概率停留在demo级别。
第四步：生成差异化筛选结论
① 第一步：输入指令：“基于以上分析，用三句话总结该候选人匹配度：第一句定性（高度匹配/基础达标/明显偏离），第二句列1个不可替代优势（如‘唯一提供完整RAG上线监控日志的候选人’），第三句指1个关键风险点（如‘无GPU集群运维经验，而JD明确要求’）。”
② 第二步：对TOP20候选人统一执行：“生成简版对比表，字段为：姓名｜硬性条件满足数｜JD关键词覆盖率（%）｜项目深度得分（1-5分）｜推荐动作（直邀面试/电话初筛/存档备用）。”
③ 第三步：导出结果时，用ChatGPT指令：“将上述对比表转为纯文本，用竖线|分隔字段，确保每行仅含1人数据，不带表头，方便粘贴进Excel。”
