招聘 ✦ 82大纲不是招聘决策引擎

简历 / 招聘筛选

结构化简历 + 岗位要求;Score/Choice;置信度门控。非录用引擎。

适用人群:招聘运营/ATS 集成人员。步骤:(1)状态 = 简历 JSON + 岗位必备要求。(2)逐项要求使用 Score/Choice;用 Noul 检查风险信号。(3)代码排序/门控是否进入下一轮;低置信度 → 人工。预期效果:一致的首轮筛选。注意:不是招聘决策引擎;不对受保护类别评分。

1

复制提示词(保留英文原文效果最好)。

2

在代码里实现——调用 System One / Jev,由你的程序组合答案。

3

回答它的设置问题——大多数提示词会先采访你,然后进入固定节奏。

提示词

提示词
Audience: recruiting ops / ATS.
Steps:
1) Parse resume into structured state + role must-haves.
2) Per requirement: Score/Choice; Noul red_flags.
3) Code ranks candidates; low confidence → human review.
Expected effect: consistent first pass.
Ban: protected-class or demographic scoring.

需要授权:typesafe-sdkats

它是怎么搭起来的

将高风险决策交给人类。来源:TypeSafe use-case map · awesome-jev-usecases 中的招聘项目群笔记 · cobanov/awesome-jev 中的社区简历条目(标注为社区)。

优先使用必备要求的 Score 进行硬性门控(学历、年限、地点政策)。不要在提示词和评分输入中包含受保护类别属性;记录法律审查。阈值并非通用——任何已发布的数字都应标注为作者自报。

来源(第二轮补充)

为什么它好用

将与分流相同的封闭标签 + 置信度模式,应用于必备要求检查。

本案例收集自公开的 Jev 社区,版权归原作者所有。提示词属于参考资料:运行前请先审阅内容, 并且不要让机器人超出你实际授予的权限行事。