帮公司HR做了一套AI自动化简历筛选系统。HR每天200份简历看4小时，现在20分钟搞定。
核心流程：简历PDF→Claude API解析为结构化数据→向量化+JD语义匹配初筛→Claude精排打分→输出Top10+推荐理由
打分维度：技能匹配(40%)+工作经验(25%)+教育背景(15%)+项目质量(20%)，权重按岗位类型调。
成本优化：向量做粗筛（200→50份），再用大模型精排。比200份全调API省了70%+。日均API费约¥15。
两周效果：筛选时间4h→20min，Top10准确率70-80%。
踩的坑：
重要：AI定位是"助手"不是"决策者"，最终要不要约面试HR来拍板。
做过类似项目的来交流？
HR视角说一下使用感受（我们公司也在用类似系统）。
最有价值的功能不是筛选，而是"推荐理由"。
以前我看简历是一个一个扫，效率低而且容易遗漏。现在AI给每个候选人附上了推荐理由——“该候选人3年React经验，有电商项目背景，技能匹配度85%”。
我只需要快速扫一眼理由，就知道值不值得细看简历。从"大海捞针"变成了"快速确认"。
但楼主说的"潜力候选人"问题确实存在。有些简历写得不好但面试后发现人很不错的，AI会给低分。我现在的做法是AI筛完Top10后，自己再花5分钟翻一遍被AI排到10-20名的简历。
数据方面补充一个经验：简历解析用Claude而不是传统PDF解析库，这个决策太对了。
我之前用PyPDF2/pdfplumber解析简历，表格信息丢失严重，多栏布局乱成一团。换成Claude多模态（PDF转图片丢给它）后，解析准确率从60%直接飙到95%。
节省成本的一个trick：不用每份简历都调大模型做完整解析。
先用OCR提取纯文本（免费），然后用关键词匹配做第一轮粗筛（比如岗位要求"3年Python经验"，简历里没有Python直接过滤）。只有通过关键词粗筛的简历才调Claude做精细化解析。
200份简历可能只有60-80份通过关键词筛选，API调用量减少60%。
@mengmeng_qa “推荐理由"确实是最受好评的功能！HR的反馈都是"看理由比看简历快10倍”。
@liuzifeng_data 关键词预筛太聪明了！我现在是全部走向量+大模型，加上关键词预筛能省不少钱。下一版加上。
一个总结：AI做招聘筛选的价值不是替代HR的判断，而是帮HR节省在"明显不匹配"的简历上花的时间。 让HR把精力集中在真正值得面试的候选人身上。
搜索结果引用做得比Perplexity差
跟Google搜索打通是最大优势
@chaofan7 Perplexity专做搜索当然强