一、项目背景

我们当时服务的客户是一家处于快速扩张期的某头部互联网企业，社招月均在招岗位上千个。他们的痛点很典型：简历初筛靠人肉，面试记录散落在文档、IM 和脑子里的印象里，面试官凭感觉打分，评价尺度彼此对不齐；更麻烦的是决策难以复核——一个候选人为什么被拒、为什么被录，事后翻不出客观依据，既影响招聘质量，也埋下合规与偏见风险。

这个项目里，我们想用大模型把「人的主观判断」沉淀成「结构化的、可解释、可复核」的过程资产。我们采用的是自研 AI 私有化部署底座，面试语音转写与画像建模全部跑在私有化环境里，数据不出域；推理统一经由我们采用的 AI 网关接入，网关的计量层按部门和应用做配额与账单，确保大模型调用成本可控、调用链可观测。目标不是替面试官做决定，而是让每次面试都留下可追溯、可比对的证据链。

二、落地场景

落地场景分四步闭环。第一，面试录音/纪要经 ASR 转写后，大模型抽取结构化面试记录：问答对、行为事件、关键能力陈述、矛盾点。第二，基于岗位画像（JD 拆出的能力维度与权重）生成候选人能力画像，每个维度给分并附依据片段。第三，大模型把候选人与岗位要求进行对齐评分，输出人岗匹配度与短板清单，面试官在此基础上校正。第四，多人面试结果汇入协同视图，模型给出一致性度量，并对明显分歧提示复核；最终录用决策由人拍板，全过程留痕可审计。

我们还服务了一家某股份制银行的合规敏感岗位，他们对「评分偏见与合规约束」要求极严，因此模型输出必须可解释、可追溯，任何维度评分都要能定位到原始问答证据，且不能引入性别、年龄等敏感属性的直接推断。

三、关键技术挑战与解决思路

面试语音/记录结构化。真实面试记录噪声极大：多人抢话、口语化、专业术语缩写、跨话题跳跃。我们先用说话人分离 + 领域热词增强的 ASR，再让模型按「能力维度模板」做抽取而非自由总结，模板强制产出结构化字段，避免幻觉式概括。对长面试采用分段切片，每段独立抽取后用一致性对齐合并，冲突处标红交回人工。为保证可追溯，每条抽取都带时间戳与原文偏移，支撑后续复核。

候选人能力画像建模。画像不是一张散分表，而是带权重的 schema。我们把 JD 拆成能力维度（如系统设计、协作、抗压）与权重，模型对每个维度输出 1–5 分 + 证据片段 + 置信度。难点在维度间耦合：某维度证据不足时不能给中间分掩盖不确定性，我们强制低证据维度标「证据不足」而非强行打分，避免画像失真。画像向量化后入 Milvus，支撑同岗位候选人横向比对与历史人才库检索。

评分偏见与合规约束。我们用规则层硬性屏蔽敏感属性推断，并在提示词中声明「禁止基于年龄/性别/地域做评价」；同时做偏差自检：同一批面试记录由模型多次重评分，若维度波动超阈值则告警。RAG 知识库层检索岗位标准与历史合规案例做对齐，确保评分口径稳定。所有输出进入审计日志，配合网关可观测层记录调用链与延迟，满足合规复核。

人在回路复核。模型给出建议分但默认不自动录用。我们对高 stakes 岗位设置「双盲复核」：两位面试官独立确认模型的证据抽取无误后再采纳；一致性低于阈值的维度强制线下讨论。一次真实案例是模型对某候选人「系统设计」打出 2 分并附证据，面试官复核发现证据来自口误，遂纠正为 4 分——这正是人机协同的价值：模型铺证据，人做终审。

四、效果数据

以下为脱敏示意数据，取自客户两个事业部的灰度对照（约一个招聘季度）：

这些都是脱敏示意值，仅用于说明方向。让我们更在意的信号是：面试官更愿意在系统里「写清楚为什么」，复核争议明显下降。

五、可复用经验总结

第一，画像先结构化。不要一上来就追求「智能评分」，先定义清晰的能力维度 schema 与权重，让模型只做抽取与对齐，工程可控性远高于端到端黑盒。第二，评分要可解释可复核：每个分数都必须能回跳到原始问答证据，这是合规与信任的底线，也是人机协同能跑通的前提。第三，偏见不是靠口号防，要靠规则屏蔽 + 偏差自检 + 审计留痕三件套，把合规约束落到工程层。第四，基础设施分层收益明显：我们采用的 AI 私有化部署底座保证数据不出域、算力弹性，采用的 AI 网关统一接入、计量配额与可观测，限流信号反向驱动底座扩缩容，让招聘高峰期的突发调用被平滑吸收。最终记住——大模型是辅助面试官把判断讲清楚、留扎实，而不是替企业做录用决定。

案例片段（已脱敏）： 候选人画像 schema（节选，已脱敏）： {  "candidate_id": "C-****",  "role": "后端工程师",  "dimensions": [    {"name": "系统设计", "score": 4, "weight": 0.30,     "evidence": "23:10 候选人描述了分库分表与熔断方案", "confidence": 0.86},    {"name": "协作沟通", "score": 3, "weight": 0.20,     "evidence": "31:02 复盘跨团队排障经历", "confidence": 0.71},    {"name": "抗压能力", "score": "证据不足", "weight": 0.15,     "evidence": null, "confidence": 0.20}  ],  "match_score": 0.78,  "bias_check": "passed" } 复核规则（脱敏）：当 |面试官分 - 模型分| ≥ 2 或 bias_check≠passed， 强制进入人工复核队列，网关记录审计事件并告警。