在一个很容易出现的招聘场景里，候选人把JD交给Llama 4或Qwen 3.5，生成一份高度贴合岗位描述的简历；HR端的Agent随即做语义匹配，再给出通过或淘汰建议。
两台模型都很勤快，结果却未必更接近候选人的真实能力。简历越来越像JD，筛选器则越来越偏爱熟悉、规整、容易量化的表达。
公开内容里，这种分工已经被反复提及。53AI在2025年1月介绍智能简历筛选时，卖点是优化HR工作流程；ABL Recruitment的2026求职指南则同时提醒：企业在用AI筛简历，求职者也在用AI改简历、准备面试。一篇2025年9月的知乎讨论把这种局面称为“无人录用”死循环，并列出了没学位、缺关键词、职位不匹配、经验太少或太多等淘汰理由。
这些讨论未必能代表整个招聘市场，却问出了一个很难绕开的问题：当一次错误淘汰由模型完成，谁来解释，谁来负责？
问题不在于模型快，而在于它能不能说清楚
欧盟《AI法案》（EU AI Act）把用于招聘和员工管理的相关AI系统列为“高风险”。高风险不等于禁用，但它让黑箱初筛越来越难站得住脚。
只要Agent能够影响候选人是否进入面试，企业就不能只保存一个总分，更不能拿“模型认为不合适”当拒绝理由。岗位标准是什么，模型看了哪些材料，哪条证据影响了评分，最后由谁复核，这些信息都要留得下来。
在欧盟业务中，企业还要同时考虑GDPR。国内业务则需结合《生成式人工智能服务管理暂行办法》以及适用的个人信息、算法治理要求逐项判断。不同法域的具体要求并不完全相同，但责任不会因为采购了第三方Agent就自动转走。
最危险的输出，往往不是明显的歧视性语言，而是“缺乏某种隐性行业特质”一类看似专业、实际无法核验的判断。它既没有对应岗位能力，也没有可供HR复查的简历证据。
删掉性别，偏见不会跟着消失
不少团队会在Prompt里加一句：“请忽略性别、年龄和种族。”这远远不够。
即使删除性别字段，模型仍可能从“女子大学”、女性协会经历或语言表达中推断相关信息；删除年龄后，毕业年份和工作年限仍可能成为代理变量。PII脱敏能减少直接暴露，却不能自动切断这些隐性关联。
历史数据也可能把旧偏好重新包装成模型分数。假设Agent学习的是公司过去五年的录用记录，而成功入职者恰好集中在Top 5名校、大厂背景和25—30岁区间，模型很容易把这些特征当成“成功模板”。它寻找的就不再是能完成工作的人，而是最像过去录用者的人。
通用模型在缺少岗位约束时，还可能出现判断漂移或刻板匹配。相关机制可参看《通用模型在垂直场景总掉链子？详解通专融合的参数共享机制》。
先把Agent降级成证据搜集员
更稳妥的做法，不是让一个通用模型包办初筛，而是拆开整条链路，让每个环节只做一件事。
简历入模前先脱敏。 文本中的姓名、性别、具体年龄、详细住址等PII，可由轻量级NER模型识别并替换为占位符，例如[CANDIDATE_NAME]；照片则在进入模型前单独去除。Agent首先看到的应该是经历、技能、项目和可核验成果，而不是一个带有身份暗示的具体人。
评分必须回到岗位证据。 经过审核的岗位能力矩阵可以放入RAG知识库。Agent不再回答“这个人是否合适”，而是查找简历中与能力点相匹配的原文，并分别输出证据、缺口和无法判断的部分。没有原文支撑，就不应给出确定结论。
不同模型承担不同任务。 轻量模型负责PII识别，通用模型负责证据抽取，岗位量表负责限制评分边界。通专融合的价值不在于多堆几个模型，而在于避免一个黑箱同时控制数据、判断和结果。
反事实测试，专门查那些看不见的偏差
Agent上线前，可以准备成组的反事实样本。在不改变能力证据的前提下，把“张女士”替换为“张先生”，或者制作两份经历相同、仅毕业年份分别为2010年和2020年的测试简历，再比较输出。
如果性别、年龄等属性一变，评分和推荐结论就出现明显波动，团队就要继续检查Prompt、检索规则、评分权重和基座模型。这里不需要等候选人投诉后再排查。
反事实测试也不是上线前做一次就结束。模型版本、岗位量表或检索资料发生变化，都可能改变结果。测试样本、模型版本、引用证据和人工决定需要一起留档，否则所谓“可审计”只是口号。
拒绝权不能交给Agent
AI可以推荐候选人，也可以标出材料缺口，但企业不应让它直接发出拒绝决定。最终淘汰仍应由人类HR复核并签署，也就是HITL（Human-in-the-loop）。
这里的“人在回路”不能只是多一个确认按钮。复核者必须看得到模型引用了哪段简历、对应哪项岗位要求，也要有权推翻结果并记录理由。候选人提出异议时，企业还需要保留重新检查的入口。
如果HR只能接受Agent的结论，无法查看证据，也无法改判，那么人类复核只是装饰，并没有真正降低歧视争议和诉讼风险。
合规链路会变贵，预算要提前设闸门
脱敏、RAG检索、反事实测试和多轮复核都会增加模型调用。按这套链路估算，单份简历的Token消耗可能达到原流程的3—5倍。这个区间取决于模型、上下文长度和重试策略，不能直接当成行业基准。
在蓝领招聘或校招场景中，成本会被简历规模迅速放大。Agent还可能在多步推理中重复检索、自检和重试。任务级预算、最大执行步骤和人工接管条件，应该在调用前写进流程，而不是月底看到API账单后再补。具体做法可参考《AI Agent越跑越贵？把成本闸门装在调用前》。
从筛简历到预判人，边界反而更难画
2026年5月15日，AtomGit开源社区发布的AI招聘系统实战榜，把产品方向概括为从“筛简历”走向“预判人”。这句话很吸引人，也值得警惕。
如果系统进一步分析候选人的GitHub提交习惯、专业社区讨论和面试视频，它确实可能获得简历之外的材料，但数据边界、解释难度和偏见入口也会一起扩大。没有公开代码记录的人，不应因此被判断为能力不足；镜头前的表达方式，也不能自动等同于岗位能力。
类似的问题也出现在AI批改开放式论文时：标准越统一，越可能把“不合常规”误判成“不够优秀”。相关讨论可参看《当AI开始批改开放式论文，谁来为“不合常规”作证》。
2026年的HR最该掌握的，不是某个Agent怎么配Prompt，而是把边界写清楚：哪些数据能看，哪些指标能打分，谁有权拒绝，出错后如何复查。模型可以提速，责任不能外包。
