我用WorkBuddy搭了一套AI招聘流水线，简历处理从8小时压到0分钟，HR只干一件事：挑人
叶小钗约 10 分钟之前我们在做 AI 原生组织建设方法论的时候提出了一套公式：
其中有个核心模块就是 AI 操作系统，而里面能立竿见影切实提效的板块就是工作流容器了，从实践来看，工作流AI仍然是当前企业提效最为明显的方式。
之前我们讨论工作流AI的时候，会经常把Coze、Dify等平台带上一起来讨论，因为这些低代码AI开发平台就是典型的工作流AI模式，但是它们拖拉拽的交互方式让很多人都不喜欢。
尤其是业务逻辑复杂以后，整个界面跟蜘蛛网一样让人眼花缭乱，并且对于非技术背景的同学搭建起来还是挺吃力的，虽然部分平台号称零门槛，但遇到代码、循环、数据结构组装等节点的时候，还是容易把它们劝退。
这也暴露了AI工作流平台的本质，它们仍然是面向开发者的低代码工具，而非面向大众的任务的助手。
之前我们也说过，这种平台一定是AI发展过程中阶段性存在的产物。
而现在，国内的WorkBuddy似乎逐渐在把以前通过Coze做的很多事情慢慢在吃掉，虽然没有完全替代，但是很多场景确实是逐渐在做迁移。
原因无外乎是，WorkBuddy通过真正的低门槛和丰富的生态融合把桌面端Agent带入到了大家的工作日常，通过自然语言描述处理规则就把事情搞定，实实在在的能解决重复繁杂的事项：
那么接下来，我们来看一个大家都熟悉的案例场景，如何用WorkBuddy搭建一套高效的自动化工作流。
案例分析
从整个HR招聘流程来看，工作量最大的就是简历筛选环节，一个岗位发布出去，一天可能收到上百份简历，要从海量的简历里面筛选出匹配的候选人，这种工作量显然是巨大的。
因此，现实中很多简历根本就没有被HR打开过，完全靠抽签，这也导致错过真正符合企业需求的候选人。
那有没有一种更加公平，确保每一份简历都能被看到，并且按照同样的标准被评价，还能减少HR工作量的方式呢？
肯定是可行的，核心还是工作流AI，只不过实现的载体不同了，这里我们用WorkBuddy来做实现。
首先得把招聘流程拆开来看，找到主要卡点是什么，哪些环节能让AI介入，哪些需要人为把关。
一个完整的招聘流程，从收到简历到完成面试安排，大致可以拆成下面几个环节：
从邮箱或招聘平台下载简历 HR初筛 初筛通过，发送给业务负责人筛选 HR根据业务负责人反馈结果，跟候选人预约面试时间 安排面试官面试 填写面试结果
其中最为经典的问题是，筛选流程要经过两道关，评价标准还不一致，经常出现HR给过去的简历不是业务部门想要的；另外一个问题就是，简历入人才库时，录入工作量很大。
因此，在设计SOP时，我们需要把主观判断尽可能转化为客观规则，只有规则客观了，AI才能精准执行。
基于这个原则，下面我们把整个流程进一步提炼并设计为程序可执行的SOP：
简历自动化采集。简历从哪里来？可能是招聘邮箱或招聘平台，格式可能是PDF或Word。 简历内容自动识别。拿到简历之后，把简历内容完整提取出来，并把候选人关键信息进行提取：姓名、联系方式、学历背景、每段工作经历的时间和职责、核心技能、项目经验等，方便后续直接进入人才库。 结构化存储。 把提取出来的信息，填进招聘人才跟踪表。 简历评分。 按照事先定好的岗位评分标准，给每份简历打分、总结评价、生成建议询问问题 预约面试时间，需要根据候选人和面试官时间 通知面试官。 把候选人的信息、面试安排、建议问题，一起发给面试官。通常通过OA消息或者邮件来完成。
这几个环节中，哪些适合让 AI 来做？
信息提取、结构化存储、简历打分、面试问题准备，这几个环节都有规则可循。信息提取的目标字段是固定的，评分标准是可以事先定义的，面试问题可以按简历内容来生成。
这些有规则可循的环节，正是 AI 擅长的地方。
而最终面试决策、跟候选人深度沟通、谈 offer，这些需要专业判断力和沟通技巧的环节，还是需要人来执行。
依赖的工具能力
这里我们要用到Workbuddu的几个能力，技能、连接器、自动化。
技能
把做某件事的完整步骤写清楚，存成一个技能文件，下次遇到同样的事情，直接调用这个技能，AI 就按照写好的步骤一步一步执行。在我们这个案例里面，把这一整套流程，都可以定义在一个技能文件里。
连接器
WorkBuddy默认只能读写本地文件，但流程里有很多操作是要跟外部系统打交道的，比如要把数据写入飞书多维表格，要从邮箱里拉取简历附件。而连接器就是用来解决这个问题的，通过添加飞书多维表、邮箱连接器，就能与外部系统进行交互了。
自动化
整个流程要自动运行，可以通过定时任务来实现。比如每天早上九点自动检查邮箱里有没有新简历，如果有，就自动走一遍处理流程。
把这三个能力叠在一起：技能定义怎么做，连接器完成与外部系统交互，自动化实现什么时候做。三者配合，就能把招聘流程完整地跑起来。
理解了这几个工具能力，下面我们看具体如何通过WorkBuddy搭建实现。
流程搭建
项目初始化
在本地新建一个项目目录，命名为 HR-Workflow，并用WorkBuddy打开
简历自动采集
简历自动采集，可以通过WorkBuddy的自动化任务实现从邮箱中自动采集简历附件，这里有三个问题：
如何让Workbuddy能获取到邮箱中的邮件？ 如何判断这封邮件是简历投递？ 如何保证不重复下载相同简历？
第一个问题，可以通过邮箱连接器实现，根据使用的邮箱类型选择不同的连接器即可。
第二个问题，我们可以提前说明邮件发送规则，比如主题格式要求：应聘xxx岗位-姓名，我们在扫描邮件的时候就可以通过主题的内容来判断是否为简历投递。
第三个问题，就需要在把下载过的简历清单在本地项目中存起来，以邮箱地址作为唯一ID，下次下载简历时就检查是否已经下载过，如果没有就下载附件，然后把本次下载的邮箱地址更新到下载清单中，否则就不下载。
自动化完整配置如下：
下面是执行结果：
并更新了下载去重的记录文件：
通过自动化采集，我们就不用手动去邮箱里面翻简历了。不过这里的采集频率建议不要太频繁，否则很浪费积分。
简历信息提取
通过上一步拿到简历附件后，接下来就可以让WorkBuddy读取简历中的内容，无论简历格式是PDF还是Word，都能处理。
另外还要提取候选人的关键信息，大致包括：姓名、手机号、邮箱、年龄、性别、求职意向岗位、毕业院校、学历层次、专业、每段工作经历的时间和公司名称、掌握的技能清单、做过的项目描述等。
除了这些外，可以让AI基于这些基础信息作进一步推断，比如根据院校名称判断是否985或211，根据工作经历计算总工作年限，根据公司名称判断是否有大厂背景。
提示词大致如下：
帮我按照如下结构提取简历信息：
{
"姓名": "",
"性别": "",
"年龄": "",
"手机号": "",
"邮箱": "",
"求职意向岗位": "",
"毕业院校": "",
"学历层次": "",
"专业名称": "",
"是否985/211": "",
"工作年限": "",
"是否大厂背景": "",
"工作经历摘要": "",
"技能清单": ""
}
部分字段简历中可能不直接存在，需要根据已有基础信息进行推断，比如是否985/211、工作年限、是否大厂背景等，对于不确定的信息，不要强行填充，可以填写未知
提取完成后，在把数据写入飞书多维表中，多维表名称为候选人简历信息表
通过结构化提取，就不用手动去录入信息了。
简历评分
简历评分是整个流程里面最为关键的一步，评分的准确性将直接决定这个套流程是否真的可用。
这里的核心是每个岗位的评分标准的定义，标准不清，AI就会自由发挥，导致不同简历之间的评分缺乏可比性。
所以评分标准必须事先定义清楚，具体标准需要HR和业务部门负责人共同来商定，每个岗位还有不少差异，但是大致的框架的参考如下几个维度：
| 维度 | 解释 | 分数 | |
|---|---|---|---|
| 学历匹配度 | |||
| 经验相关性 | |||
| 技能契合度 | |||
| 项目深度 | |||
| 稳定性指标 | |||
| 综合潜力 |
其中每个维度满分为10分，具体权重可以根据实际要求进行调整，按权重加权后的总分满分也是10分。
评分框架定义清楚之后，那这些岗位评分标准放在哪里呢？
这里需要满足两个诉求，WorkBuddy能读取到，另外，HR和业务负责人能协同维护。
这里可以根据自己团队使用的办公OA软件选择，比如飞书文档，这样团队协作起来更方便，随时能改，改完之后WorkBuddy就能自动读取到最新的内容，结构设计如下：
每个岗位单独一个文档，文档中包含岗位描述、和评分标准。
为了让WorkBuddy能更快速的找到岗位的评分标准，我们准备一份岗位评分标准地址导航：
岗位描述和岗位评分标准获取地址如下，你需要使用飞书连接器获取：
1. 产品经理：https://ncnc5byuv5jb.feishu.cn/base/EHF8bOSNYa9O1HsrS8QciqIMnbg?table=ldxwl5ItCmv3fWjT
2. 前端工程师：xxxxxxxxx
...
具体的评分提示词如下：
根据候选人简历内容和岗位评分JD、岗位评分标准，对候选人进行简历打分，并输出总结评价、以及建议面试问题
## 简历内容
{xxxxxxxx}
## 简历标准获取地址导航
{xxxxxxxx}
## 输出要求
1. 简历得分为1-10分
2. 总结评价150-200字
3. 结合简历内容生成最值得问的5个问题
基于上面两步我们就能拿到简历内容、基本信息、评分结果、建议面试问题，接下来我们看候选人数据怎么存。
存储候选人信息
这里我们仍然使用飞书多维表格来存储候选人信息，首先需要定义好飞书多维表表结构，候选人简历信息表结构如下：
姓名
性别
年龄
手机号
邮箱
求职意向岗位
毕业院校
学历层次
专业名称
是否985/211
工作年限
是否大厂背景
工作经历摘要
技能清单
当前状态
注意：这里的表结构字段名称需要与上一步信息提取的结构名称保持一致，否则数据在写入的时候会出错。
手动创建太麻烦，我们直接让WorkBuddy创建表结构：
这里需要用到飞书多维表格的连接器，授权成功后，我们就可以通过自然语言的方式让WorkBuddy去操作飞书多维表了。
流程整合
到这里，我们可以通过一个自定义Skill把上面的步骤全部串起来了。这个Skill的处理流程为：
先阅读获取到附件信息 然后结构化提取 根据岗位名称在飞书多维表中拿到评分标准和岗位描述 简历评分、生成总结、面试问题 写入飞书多维表中 把得分高于8分以上的简历信息自动推送到业务负责人那里
最终使用的形式就是自动化任务 + hr-resume Skill + 飞书连接器+邮箱连接器，从采集到评分、到写入、通知整个过程无需人为参与。
不过，这套流程搭建完成以后，还要在实际使用中不断校准。在实际运行中，岗位要求会变，业务负责人对候选人的判断也会变，评分标准也需要同步跟着调整。
比如某个岗位有十份高分简历推送到业务负责人，但只有两份简历符合要求，这时候就要看，这个岗位的评分标准是否合理。
总结
以上就是是我用WorkBuddy搭建HR简历自动化筛选流程的完整实现，全自动跑通，HR只需要在飞书多维表里看一眼评分结果，挑出高分候选人进入下一轮即可。
企业在落地工作流AI时，没必要一开始就追求覆盖整个流程，先把几个高频环节跑通，效果稳定后，再逐步接入后续的流程，渐进式推进反而更稳妥。
我们在回到开头提到的问题，如果用Coze或Dify来做，整个流程也能实现，大致形式如下：
但是Coze/Dify的实现更偏向工程师的严密逻辑，每一步都需要定义标准的数据传输格式，一步错会导致后续步步错。
而WorkBuddy的容错性更高，对非技术同学更为友好，只需要把上面我们写的处理流程放到一个Skill文件里，AI照着执行就完了，它关注的是用户的最终意图达成。