不同 HR 对简历判断不一、筛选速度慢？我用 Vibe Coding 方式独立构建了一套 AI 自动简历评估系统，从飞书同步到 AI 评分全流程自动化。
访问线上系统 →当不同HR对简历的判断标准不一、筛选速度跟不上业务节奏时，我用AI构建了解决方案。
不同 HR 对同一份简历的判断差异大，评价标准难以统一；同时，人工逐份筛选简历速度慢，无法跟上业务的招聘节奏。
打造 7×24 小时全自动简历分析系统：自动从飞书招聘同步候选人（每5分钟），AI 自动评估并给出强推/可推/观望/不推结论，评估结果自动同步到飞书备注。
支持批量终止投递与推进到简历评估阶段；评估口径可通过 AI 校准动态更新，Prompt 越用越准。
不是程序员写的代码，而是懂招聘流程的人用 AI 构建的系统 — 每个功能都从 HR 实际工作场景出发。
不是简单的"AI打分"，而是一套完整的评估体系 — 岗位配置、Prompt 自动生成、多模型辩论优化、结构化评估、校准闭环。
HR 为每个岗位填写三类核心信息，构成 AI 评估的基础输入：
系统基于岗位信息，自动生成包含 7 大模块的结构化评估指令：
当 AI 评估与业务实际结果出现偏差时，系统自动识别误判案例，触发三模型跨厂商辩论：
每份简历经过结构化评估，输出完整评估报告：
系统对比 AI 评分与业务实际通过/淘汰结果，形成持续改进闭环：
形成"评估 → 校准 → 辩论优化 → 再评估"的持续改进闭环，Prompt越用越准。
每个模块都围绕 HR 实际工作场景设计，让招聘流程从散乱走向系统化。
系统各模块的实际运行界面。
从业务视角衡量这个系统带来的实际价值。
AI批量评估替代逐份阅读，单次评估从15分钟缩短到30秒
三Agent辩论机制消除个人偏见，评估标准统一可追溯
7×24小时自动同步+评估，候选人状态和AI结论一目了然
无需采购SaaS，一个懂业务的人 + AI辅助开发 = 定制化系统
采用现代Web技术栈，24天完成从零到上线。
通过 Vibe Coding（Claude Code）方式开发 — 不是写代码，而是用自然语言描述需求，AI 生成并迭代代码。
真实 Git 提交记录按阶段分组，完整记录从零到上线的全过程。
我相信最好的 HR 工具，应该由懂 HR 的人来定义。
AI 是我的杠杆，业务理解力才是我的核心竞争力。