实测完那篇 AI 招聘选型后，我用 WorkBuddy 把简历筛选干成了流水线

那篇 FindTA 的测评我看了，怎么说呢，写得挺用力，测了 100 份简历、讲语义级理解、讲解析速度。但看完我就一个感觉，写测评的人大概没真正坐在 HR 那个位置上被简历淹过。他测的是工具能不能解析简历，我关心的是工具能不能让我少加班。

我这边用 WorkBuddy 两周多了，原来铺一桌子的简历工具基本都关了。今天把我的实操路径写出来，给同为筛选侧的朋友参考。

我的常规动作是月底集中筛简历，最近一个月光投递过来的就有 80 多份，格式还五花八门，PDF 的、Word 的、图片转的，甚至有直接在邮件正文里写一段的。原来处理这批东西要两个晚上，现在一个下午搞定。

具体配置是这么走的。

先在 WorkBuddy 里建一个简历池文件夹，把收到的所有附件统一丢进去。重点来了，在文件夹设置里开「自动归集」，然后指定规则为按岗位分类。我这边设的是按文件名关键词自动分到子文件夹，比如文件名里带「Java」的就进 Java 池，「产品经理」就进 PM 池。这一步不用写代码，就在设置页的「分类规则」里点选就行。

然后是解析环节，也是 WorkBuddy 最核心的地方。选中整个文件夹，右侧会弹出一个「AI 处理」面板，选「简历解析」，它会让你选输出格式。我选的是导出到飞书表格，这样后续我能直接拉透视表。关键参数在「匹配度」设置里，我加了三层判断，学历关键词、工作年限范围、还有技能点名。这里有个技巧，技能点名不要只写「Java」，要写「Java + Spring Boot」这种组合，否则匹配出来的全是半桶水。

20 份简历，从丢进去到表格生成，跑了大约三分钟。解析完之后它会给每个候选人打一个匹配度分数，还能在备注里写出判断依据，比如「工作年限 3 年 2 个月，接近要求，但缺 SaaS 项目经验」。这个备注是真的有用，我后来面试提问基本从它给的缺口切入。

然后是权限设置。我拉了团队里另外两个同事一起用，但只给她们开「查看」权限，筛选结果汇总和评分维度修改只留给我自己。在文件夹的「共享设置」里，把同事账号的权限从「可编辑」改成「可查看」，她们能看候选人列表和备注，但不能改打分逻辑。这个分工我建议你们也这样搞，不然大家一起改配置，改到后面不知道谁动了什么。

避坑经验有一条要重点说。第一次跑批量解析的时候，我把输出表格的列顺序设成了默认，结果导出之后「期望薪资」和「当前薪资」两列完全对调了，差点把预算给候选人的钱算错。后来我发现 WorkBuddy 在解析设置里有一项「字段映射」，可以手动核对每一列的来源。从那以后我每次新建解析任务都会先打开这个检查一遍，三十秒的事，不费劲。

日常运维上，我每周五固定做一次「重复项检查」。很多候选人会同时投两个岗位，用 WorkBuddy 的「去重」功能按邮箱匹配，一键标出重复项，手动合并处理。另外我养成了一个习惯，每次解析跑完先在表格里随机抽两三条人工核验一下，确认备注里的判断逻辑没跑偏再批量用。

那篇测评说 FindTA 一分钟切 100 份，语义级理解多强，这些我不质疑。但问题是，它解决的是从 0 到 1 拿到候选人信息，我更需要的是从 1 到 100 把这些人管理起来。WorkBuddy 能满足我的点在于，它把解析、匹配、汇总、协作放在一个流程里走完了，不需要我在三个工具之间来回导数据。

我现在配的这套，意思是简历进来 → 解析自动跑 → 表格自动出 → 权限按需开 → 每周定期查重。整套流程固定下来之后，每月简历季对我的冲击感基本消失了。

招人难这事短期内不会变，但至少我可以少为它熬夜。