说实话，刚听说用大模型搞招聘那会儿，我内心是拒绝的。毕竟咱们这行，看人、聊人，靠的是直觉和经验，机器能懂啥？但今年行情这么冷，HC（Headcount）缩得跟气球漏气似的，一个人干三个人的活，逼得我也只能试试这个新玩意儿。用了大半年，从最初的嫌弃到现在的真香，中间踩过的坑，比那杯凉掉的咖啡还多。今天不整虚的，就聊聊chatgpt用于招聘到底咋用，才能既省钱又不出事。

一开始，我也天真地以为，把JD（职位描述）扔进去，让它生成一堆面试题，完事。结果呢？面试间里气氛尴尬得能抠出三室一厅。候选人问得挺专业，但全是网上抄的八股文，根本对不上岗位的实际需求。比如招个高级Java开发，模型生成的题全是“HashMap底层原理”，但咱们公司实际业务里，更多是处理高并发下的数据一致性，这题问出来，候选人答得头头是道，进来后连个简单的SQL优化都搞不定。这就是典型的“假大空”。

后来我琢磨明白了，chatgpt用于招聘，核心不是让它替你思考，而是让它帮你“搭架子”。第一步，别直接让它写JD。你得先把自己的痛点列出来。比如，我们招运营，最头疼的是不会写文案。那我就告诉模型：“我们需要一个能独立负责小红书账号，擅长种草文案，且对数据敏感的人。”这时候，你再让它优化JD，它给出的版本才有人味儿。我试过，用这种提示词生成的JD，投递率比通用模板高了大概30%左右，虽然这数据没经过严格统计，但HR群里大家都这么说。

第二步，简历筛选。这玩意儿最坑。很多公司直接上ATS系统对接AI，结果把一堆学历背景不错但没实战经验的人筛出来，真正干活的人被漏掉。我的做法是，让模型生成一份“反向简历”。也就是，把岗位的核心能力拆解成具体的行为指标。比如，不是写“具备良好的沟通能力”，而是写“曾独立协调跨部门项目，解决过至少3次重大资源冲突”。然后让AI去匹配简历里的关键词。这一步，能帮你过滤掉至少80%的“包装侠”。

当然，聊天的时候，AI也能帮忙。面试前，把候选人的简历扔进去，让它生成几个针对性的追问。比如，“我看到你提到主导过某个项目，能具体说说你在其中遇到的最大技术瓶颈是什么吗？”这种问题，比“你最大的缺点是什么”有用多了。但切记，别全信AI生成的问题，一定要结合你自己的业务场景改两下。不然，候选人一看，哎？这问题怎么跟我之前面的那家公司一样？瞬间露馅。

还有个大坑，就是合规性。别用AI直接做最终决定。法律风险太大了。AI可以辅助初筛，可以生成面试提纲，甚至可以帮你写感谢信，但最后的Offer，必须是人拍板。我见过有同行，全权交给AI筛选，结果因为算法偏见，漏掉了好几个有潜力但简历格式不规范的年轻人，后面补录成本更高。

最后，说说价格。市面上那些号称“智能招聘助手”的SaaS，一年动不动好几万。其实，你自己注册个ChatGPT Plus，一个月也就20刀左右，配合一些简单的Prompt工程，效果并不差。别被那些花里胡哨的功能吓住，核心还是你的Prompt写得够不够细。

总之，chatgpt用于招聘，是个工具，不是救世主。它不能替你感受人的温度，但能帮你从繁琐的文档工作中解脱出来，把精力花在真正需要判断的地方。别指望它一键招到牛人，但它能让你少加几个无意义的班，这已经很不错了。