AI + HR 招聘管理系统 | 个人独立作品

用 AI 重新定义
招聘筛选效率

一个懂招聘流程的人,用 Vibe Coding 方式独立构建的智能招聘管理系统。从简历解析到 AI 辩论式评估,覆盖招聘全流程。

访问线上系统 →
156
次 Git 迭代
24天
开发周期
7阶段
招聘管道
3 Agent
AI辩论评估

项目背景:招聘管理的真实痛点

当Excel表格、微信群和主观判断无法支撑高效招聘时,我用AI构建了解决方案。

起点:招聘流程的三大痛点

在某互联网公司负责招聘工作时,我深刻感受到传统招聘管理的低效:简历散落在Excel、邮件、微信群中,缺乏统一管理平台。

简历筛选高度依赖个人经验,不同HR对同一份简历的判断差异巨大,评价标准难以统一。

候选人跟进缺乏SLA机制,优质候选人常因流程拖延而流失。而市面上的招聘SaaS要么价格高昂,要么无法满足定制需求。

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。

看板主视图

7阶段招聘管道设计

基于实际招聘流程设计的标准化管道,每个阶段配有SLA预警,杜绝候选人流失。

1

待推荐

新简历入池

SLA 3天
2

简历评估

AI+人工筛选

SLA 3天
3

一面

业务面试

SLA 5天
4

二面

交叉面试

SLA 5天
5

三面

终面

SLA 5天
6

Offer沟通

薪酬谈判

SLA 7天
7

已入职

招聘完成

闭环归档

AI 简历筛选:从岗位设置到智能评估的完整链路

不是简单的"AI打分",而是一套完整的评估体系设计 — 覆盖 Prompt 生成、多模型辩论优化、结构化评估、校准闭环。

1

岗位信息录入

HR 为每个岗位填写三类核心信息,构成 AI 评估的基础输入:

  • 职位描述(JD):从飞书招聘一键导入,包含岗位职责和任职要求
  • 人才画像:理想候选人的能力模型、经验要求、软性素质
  • HR 备注:用人部门的隐性偏好和特殊关注点
岗位信息录入
2

AI 自动生成评估 Prompt

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:

  • 硬性条件(3-6项):每项定义"满足/部分满足/不满足"标准
  • 加分项(2-4项):差异化竞争力指标
  • 红旗预警(3-5项):常见风险信号及对评分的影响
  • 评分规则:3-5个自定义维度,加权总分0-100
  • 证据规则:每个判断必须标注【事实】【推断】【信息缺口】
  • 输出格式:候选人摘要 → 硬性条件 → 加分项 → 红旗 → 评分 → 结论 → 面试追问
  • 结论等级:强推(≥85) / 可推(70-84) / 观望(55-69) / 不推(<55)
3

三 Agent 辩论优化 Prompt

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:

业务代言人
GPT-5.4
分析误判原因,提出3-5条Prompt修改建议
评估守卫
Claude Opus
逐条审核,给出同意/反对/折中意见
终审仲裁
Gemini Pro
综合双方意见,输出优化后完整Prompt
业务代言人发言
Step 1:业务代言人分析误判原因
评估守卫+仲裁者
Step 2-3:评估守卫审核 + 仲裁者裁决
4

AI 评估执行

每份简历经过结构化评估,输出完整评估报告:

  • 硬性条件逐项核查:满足/不满足 + 简历证据引用
  • 加分项匹配:识别候选人的差异化优势
  • 红旗预警:风险信号 + 对录用决策的影响分析
  • 多维度加权评分:0-100分,每个维度独立打分
  • 结论 + 面试追问建议:3个针对性问题,弥补信息缺口
评估结果展示
5

校准闭环

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:

  • 假阳性检测:AI评价高但业务淘汰的候选人 → Prompt可能过于宽松
  • 假阴性检测:AI评价低但业务通过的候选人 → Prompt可能遗漏关键维度
  • 命中率统计:量化Prompt准确度,驱动下一轮辩论优化
  • 版本迭代:每次优化自动递增版本号(V1.0 → V1.1 → V1.2...)

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。

核心功能展示

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。

看板管理

  • 7阶段可视化招聘管道,拖拽推进候选人状态
  • SLA超期预警,红色/橙色标识停滞候选人
  • 按岗位筛选视图,快速聚焦单个HC进展
看板管理

AI 简历解析

  • 上传PDF简历,AI自动提取候选人结构化信息
  • 自动填充姓名、联系方式、期望薪资、经历摘要
  • 支持Excel批量导入,自动去重
AI简历解析

AI 辩论式评估

  • 三角色AI辩论:业务代言人 / 评估守卫 / 终审仲裁
  • 多维度评分 + 硬性条件筛查 + 红旗预警
  • 评估结论透明可追溯,每个判断有证据支撑
AI辩论式评估

飞书招聘集成

  • 一键从飞书招聘导入岗位和候选人
  • AI评估结论自动回写飞书备注
  • 定时同步管道,新简历自动进入评估队列
飞书招聘集成

岗位管理

  • 从飞书招聘一键导入职位,自动填充JD
  • 同公司岗位共享,多人协作招聘
  • 岗位就绪状态一目了然(已就绪/待补充信息)
岗位管理

多租户与团队协作

  • 公司级数据隔离,邀请码加入团队
  • 用户级权限控制,安全可靠
  • 支持多公司独立运营,各自配置飞书凭证
多租户登录

更多界面展示

系统各模块的实际运行界面。

操作SOP
操作SOP — 从导入岗位到查看评估结果的完整指引
AI辩论优化
AI辩论优化 — 评估守卫审核 + 仲裁者最终裁决
Prompt编辑
岗位Prompt编辑 — 配置评估标准和人才画像
飞书对接
飞书对接指南 — 内嵌配置步骤,5分钟完成
使用引导
首次使用引导 — 核心功能和操作SOP一览
岗位管理
岗位管理 — 从飞书导入职位,管理招聘HC

项目价值

从业务视角衡量这个系统带来的实际价值。

效率提升

AI批量评估替代逐份阅读,单次评估从15分钟缩短到30秒

⚖️

质量一致

三Agent辩论机制消除个人偏见,评估标准统一可追溯

🔍

流程可控

SLA预警+看板可视化,候选人状态一目了然,杜绝遗漏

💡

低成本落地

无需采购SaaS,一个懂业务的人 + AI辅助开发 = 定制化系统

技术选型

采用现代Web技术栈,24天完成从零到上线。

Next.js 16 React 19 TypeScript Tailwind CSS Prisma ORM PostgreSQL NextAuth Qwen2.5-72B Claude / GPT / Gemini 飞书 Open API Vercel

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。

开发历程:156次迭代,24天上线

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。

Phase 1 — 2月25-26日 系统搭建
01:31 初始化项目
02:09 feat: 实现多租户独立注册与登录隔离
15:53 release: V1.0 正式上线!集成AI简历解析与品牌UI
16:56 fix: 优化小屏幕设备下的表单滚动体验
23:08 fix: 彻底修复数据库同步与注册API
Phase 2 — 3月4-11日 核心功能
03/04 feat: HC Tracker MVP 上线准备
03/09 feat: 新增智能推荐、AI批量评估、飞书同步与通知
03/09 feat: 批量评估支持选择岗位/重新评估
03/09 feat: 批量评估可中断 + 评估时间记录
03/10 feat: 飞书深度集成 — 面试反馈回流、双向同步
03/11 feat: 三Agent辩论优化Prompt + 校准时间窗口
03/11 feat: AI评估实时思维链 — 流式展示AI输出token
Phase 3 — 3月12-17日 飞书集成
03/12 fix: 修复飞书同步数据不匹配
03/13 refactor: 稳定性重建 — 精简架构 + 告警 + 乐观锁
03/14 feat: 从飞书招聘导入职位 — 自动填充岗位名/JD
03/16 feat: 导入职位前弹窗填飞书凭证,本地缓存
03/17 feat: AI评估结论自动写入飞书备注
03/17 fix: 用function calling彻底解决AI输出JSON解析失败
Phase 4 — 3月19-20日 上线打磨
03/19 feat: 添加操作指南弹窗 + 更新飞书权限列表
03/19 feat: AI评估结论自动写入飞书备注 + 使用指南按钮
03/20 feat: 多租户修复 — 邀请链接注册 + 凭证持久化
03/20 feat: 同公司岗位共享 — 多对多订阅 + 导入去重
156次 Git 提交
24天开发周期
1 人独立完成
Claude CodeVibe Coding
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。
📱 18673129182 💬 微信: xjt18973111415 🐙 GitHub: CuiSheng-TAO