用腾讯IMA搭建智能简历筛选系统：一份Prompt操作手册带来的效率革命

关键词： 腾讯 IMA / AI 知识库 / 简历自动筛选 / Prompt 工程 / 招聘效率

一、为什么需要一套简历筛选系统？

作为招聘负责人或 HR，你是否也有这样的体验——

每天打开邮箱，几十份甚至上百份简历扑面而来。你一份份打开，一份份对照岗位 JD，在 ” 看起来还行 ” 和 ” 好像差点意思 ” 之间反复横跳。更麻烦的是，不同面试官对同一份简历的看法可能完全不同，评估标准难以统一。

痛点总结起来无非四个字：耗时、主观。

一份简历从打开到形成初步判断，少说 15 分钟，如果岗位要求复杂，半小时打底。更别说还要为面试官整理面试要点、准备追问问题——这些往往要再来一轮沟通。

直到我尝试了 腾讯 IMA + 一份精心设计的 Prompt 操作手册，情况才彻底改变。

二、腾讯 IMA 是什么？

腾讯 IMA（Intelligent Management Assistant） 是腾讯推出的智能知识管理平台。它最核心的能力是：

将文档上传至知识库 → AI 基于知识库内容进行问答和分析

这意味着，AI 不再依靠自己的 ” 通识 ” 来回答问题，而是 严格基于你提供的资料 进行推理。这正是简历筛选场景需要的——AI 必须根据你上传的岗位需求文档来评估候选人，而不是凭 ” 印象 ” 打分。

三、核心思路：把 Prompt 写成 ” 操作手册 ”

大多数人写 Prompt 的习惯是 ” 告诉 AI 你要什么 ”。但这种方式在面对复杂任务时，很容易遗漏关键信息，输出格式也不稳定。

我的做法是：把 Prompt 写成一份标准操作手册（SOP）。

你可以把它理解成给新员工看的培训文档——里面写清楚了：

• 你是谁（AI 的角色定位）
• 你要做什么（分析流程，先做什么后做什么）
• 具体要求是什么（岗位的学历门槛、经验要求、技能清单）
• 输出格式是什么（报告的模板、表格、评分规则）
• 特殊情况怎么处理（简历格式混乱怎么办、知识库里没有岗位怎么办）

这份操作手册被上传到腾讯 IMA 的知识库中。当一份新简历进来时，AI 自动加载知识库中的手册，逐项执行，最终输出一份完整的评估报告。

四、操作手册的核心设计

以下是我这份 Prompt 中最关键的几个设计点。

1. “ 求职意向优先 ” 匹配策略

大多数人在筛选简历时，会先看候选人的 求职意向。如果候选人想应聘 A 岗位，你却拿 B 岗位的要求去衡量他，显然不合适。

所以在操作手册中，我规定了匹配策略：

• 先提取简历中的 ” 求职意向（期望岗位）”
• 在知识库中查找名称最接近或职责最匹配的岗位
• 进行 6 维度评分
• 如果匹配度 ≥ 50%，只输出该岗位的分析，不再匹配其他岗位
• 如果匹配度 < 50% 或简历未写明意向，再与其他岗位逐一比对，取前 2 个输出

这个设计避免了信息过载——面试官只需要关注候选人最可能胜任的岗位。

2. “6 维度加权评分 ” 评估模型

我不希望 AI 只是笼统地说 ” 这个人不错 ” 或 ” 不太行 ”。所以设计了 6 个维度的量化评分体系：

综合匹配度 = Σ(维度得分 × 权重) / 10 × 100%

这样既保证了评估的 结构化 ，又通过权重体现了 不同维度的重要性差异——技能匹配权重最高（25%），因为这是岗位胜任的关键；学历权重最低（10%），因为学历只是门槛而非决定因素。

3. “ 需面试核实 ” 标记机制

AI 知识库模式下无法联网搜索，简历中的一些描述（如 ” 行业 Top10 企业 ”、” 国家高新技术企业 ”、” 管理团队 50 人 ” 等）无法验证。

所以我设计了 ” 需核实描述标记机制 ”：

• AI 提取简历信息时，同步标记四类需要核实的内容：企业相关、教育背景、荣誉资质、数据类描述
• 这些描述在评分时 暂按简历所述计分（不假设对错）
• 但在报告的⚠️板块中单独列出，并生成对应的面试追问方向
• 在面试大纲中，这些核实项被标记为 P0（必问），面试官必须确认

这既保证了评分的相对客观，又不会让 AI 替面试官做 ” 信或不信 ” 的判断。

4. 面试问题库自动生成

报告的最后一个板块是面试大纲，这部分我认为是整套输出中最具实用价值的：

• 基于差距项生成：每个不匹配项至少生成 2 个面试问题，采用 STAR 原则设计
• 基于匹配项深挖：对匹配项追问细节，验证真实性和深度
• 基于简历疑点提问：短期任职、职业空档期、职位跳跃等，都有对应的提问模板
• 优先级分层：P0 必问（2- 3 个）、P1 重点（2- 3 个）、P2 确认（1- 2 个），总问题数控制在 5 - 8 个

面试官拿着这份报告，不需要再额外准备面试问题，直接翻到面试大纲部分就能开始面试。

五、实战输出：一份真实的评估报告

以下是以某 物业经理 岗位为例的评估输出。为保护隐私，已做脱敏处理。

📋 简历概览

⚠️ 需面试核实的描述

🥇 推荐岗位：物业经理（求职意向）

综合匹配度：████████░░ 80%

✅ 匹配项（优势）

• 行业经验资深： 17 年物业行业经验，覆盖前介、工程、运营、客服等多条线
• 管理能力全面： 具备全周期管理经验，在头部物业公司体现多项目统筹能力
• 核心指标达成： 对收缴率、业主满意度有明确负责经验
• 期望薪资匹配： 7 千 - 8 千 / 月与岗位薪资范围匹配

❌ 不匹配项 / 差距

• 同岗位经验年限不足： 物业经理同岗经验约 6 年（头部公司 A 约 1 年 9 个月 + 某央企物业约 3 年 1 个月 + 某头部地产旗下物业约 2 年 9 个月），低于要求的 10 年
• 集中交付经验缺失： 简历未明确描述主导过完整的项目集中交付全流程

📊 各维度评分

⏳ 稳定性评估

暂未发现短期任职记录（所有任职均≥12 个月），但近 3 段经历均不足 3 年，稳定性需面试重点关注。

💡 综合建议

推荐进入面试池。 行业背景扎实，技能覆盖面广，核心运营能力强。短板（同岗位经验年限和集中交付经验）需通过面试深度挖掘。

🎯 面试大纲：物业经理

考察重点排序

面试问题示例

P0-1 方向：项目集中交付经验

请描述一次您参与或主导的 项目集中交付（交房）全过程。您需要说明：项目规模、您的角色、交付方案要点、如何协调多方资源、如何处理突发问题、最终交付率指标。（STAR 原则）

• 追问点： 如果偏向 ” 参与 ”，追问 ” 您认为物业经理在集中交付中最重要的三个工作重点是什么？”
• 考察意图： 验证项目交付实操经验，判断风险预判和组织协调能力

P0-2 方向：工作经验深度

您近一段在某央企物业担任 ” 物业工程经理 ”，上一段在头部物业公司 A 担任 ” 物业运营经理 ”。请举例说明，您在这些岗位上如何实质上履行了物业经理的管理职责？（STAR 原则）

• 追问点： “ 物业经理与工程经理 / 运营经理在能力要求上最大的区别是什么？”
• 考察意图： 判断是否具备全局经营思维

面试评分卡

📌 总体结论

六、这套方案的优势

🚀 零开发成本

不需要写代码，不需要训练模型，不需要 IT 部门支持。写好一份 Prompt 文档，上传到 IMA 知识库，即可使用。

📐 评估标准统一

所有简历都由同一套标准（6 维度加权评分）进行评估，避免了不同面试官之间的主观差异。

🧠 输出即行动指南

报告不只是 ” 打个分 ”，而是直接输出 面试问题、追问方向、考察意图、评分卡。面试官拿到报告就能直接面试，不需要额外准备。

🔄 轻松迭代

岗位需求变了？只需要 更新知识库中的操作手册 即可。不涉及程序修改，不涉及系统配置变更。

🛡️ 数据安全

简历信息在 IMA 知识库内处理，不经过第三方平台，适合有数据隐私要求的企业环境。

七、实用建议

1. 操作手册建议用 ” 文档 ” 而非 ” 对话 ”

直接在 IMA 对话框中写 Prompt，容易出现格式丢失、逻辑混乱。建议先在本地写好一份完整的 Markdown 文档，确认无误后再上传至知识库。

2. 区分 ” 忽略条件 ” 与 ” 硬性条件 ”

在实际使用中，有些岗位要求可能过于严格（如 ” 必须 TOP10 企业出身 ”）。可以在操作手册中明确哪些条件可以忽略，AI 会相应调整匹配策略。但要注意，忽略的条件必须在报告中醒目标注，让面试官知晓录用风险。

3. 设置 ” 需核实项 ” 确保诚信底线

这是最重要的一条。AI 无法联网验证，所以必须在 Prompt 中明确要求 AI 标注需要面试官核实的描述。否则面试官可能会轻信简历中的夸大描述。

4. 定期迭代操作手册

随着招聘经验积累，你可能会发现新的评估维度、更有效的面试问题、或更合适的权重分配。建议每季度复盘一次操作手册，持续优化。

八、总结

腾讯 IMA + 一份 Prompt 操作手册，本质上是一个 零代码的智能简历筛选系统。

如果你也在为简历筛选效率发愁，不妨试试这个思路。

一份好的 Prompt，就是一份可执行的 SOP。

本文由实际操作经验整理而成，所用工具为腾讯 IMA。如果你也在用 IMA 或其他 AI 知识库搭建招聘筛选系统，欢迎留言交流。