招聘季里，HR往往要同时处理多个岗位的JD撰写、大量简历的要点提取、面试问题设计以及跟进邮件编写。这些文字工作重复度高且容易分散精力。目前有一些平台免费集成了Gemini模型，比如 RskAi（b.rsk.cn），可以直接在网页上使用。下面通过四个HR日常场景，演示如何用Gemini把招聘中的文档工作压缩成几分钟的事，让更多时间回归到与候选人的沟通上。

场景一：根据业务需求一键生成标准化岗位JD

业务部门提的用人需求往往只有几个关键词，比如“要一个三年经验的后端，会Java和微服务”。从这一句话到一份结构完整、吸引人的JD，Gemini可以一步完成。

操作步骤：

整理岗位核心信息：“后端开发工程师，3年左右经验，熟悉Java/Spring Boot、MySQL、Redis，有微服务项目经验，负责订单系统开发。”

输入以下提示：

你是一名资深招聘专家，请根据以下信息撰写一份正式的后端开发工程师JD。要求包含：

职位描述（团队简介和业务方向）

岗位职责（不少于4条，具体可量化）

任职要求（区分硬性要求和加分项）

我们提供的福利（用简短条目）
语言专业且有一定吸引力，避免模板化用词。最后额外提供一句朋友圈/脉脉的招聘文案，用于社交传播。

Gemini 会生成一份完整的 JD，职责里自动拆分出“参与订单系统核心模块设计与开发”、“负责系统性能优化与慢查询治理”等可量化条目。福利部分以公司口吻列出“双休、技术书籍报销、定期技术分享”等常见选项，可后续自行调整。附带的朋友圈文案如“我们正在寻找一个能让订单系统稳如磐石的 Java 工程师，是你吗？”可以直接拿来发布，省去了单独绞尽脑汁的时间。

场景二：从简历中快速提取关键信息并生成对比表

面对几十份简历，逐份阅读并记录学历、经验、技能匹配度，极其耗时。Gemini 可以帮你把每份简历的核心信息抽取为结构化字段，甚至生成候选人横向对比表。

操作步骤：

将简历内容去除隐私信息后，逐份粘贴进对话框，或一次粘贴多份并用分隔符隔开。只需保留工作经历、技能、教育背景等文本部分。

输入以下提示：

请从以下多份简历中提取关键信息，按候选人整理成统一格式的表格，列包含：

候选人代号（如A、B、C）

最高学历及专业

工作年限

核心技能（前5项）

最近一家公司及岗位

匹配亮点（与本岗位JD相关的一条突出经历）

潜在风险（如频繁跳槽、技能断层等）
最后输出一份按匹配度排序的汇总表，并在表后给出一句话筛选建议。

Gemini 会为每份简历生成一行记录。比如候选人B的匹配亮点是“主导过日订单百万级的系统拆分”，潜在风险是“过去两年换了三家公司”。筛选建议会简明扼要，比如“建议优先面试A、C，B需在电话沟通中了解离职原因”。对于需要快速过初筛的HR来说，这份表格可以把逐份阅读时间从半天压缩到一小时内。

场景三：根据岗位胜任力模型生成结构化面试问题

面试某个岗位前，除了常规问题，还需要结合岗位特点设计考察专业能力和软技能的题目。Gemini 可以基于胜任力维度自动生成面试问题库，避免问到一半无话可说的尴尬。

操作步骤：

提供岗位和需要考察的维度：“招聘初级产品经理，重点考察逻辑分析能力、需求优先级判断、跨部门沟通和基础数据分析能力。”

输入以下提示：

请根据这4个胜任力维度，为初级产品经理面试设计结构化问题。每个维度至少2个问题，要求：

每个问题标注考察点和期望答案要点

包含至少1个情景模拟题

避免通用性过强的问题，尽量结合电商或SaaS背景
最后输出一份面试评分表的简易模板，列明维度、权重和建议评分标准。

Gemini 会输出一套题库：在逻辑分析能力下可能出现“某功能上线后数据未达预期，请按步骤分析可能的原因”这样的情景题，并注明期望听到从数据到用户行为的拆解逻辑。评分表里将四个维度各设25%权重，每个维度下分1-3分的评分锚点，面试官可在面试时直接勾选。这降低了临时准备问题的不确定性，也让多轮面试的评价标准更统一。

场景四：自动生成拒信与跟进邮件，兼顾效率与温度

招聘旺季每位候选人都有反馈期待，一封礼貌且不模板化的拒信能维护雇主品牌，但HR很难为每位未通过者都从头撰写。Gemini 可以在保持尊重的前提下，快速生成不同场景的邮件。

操作步骤：

说明邮件场景和收件人类别：“需要给面试未通过的候选人发邮件，他们已进入终面但最终未能匹配。希望在表达感谢的同时，明确告知结果，并给予简短的鼓励。”

输入以下提示：

请为上述场景撰写一封邮件，语气温暖真诚但不拖沓。要求：

表达对时间投入的感谢

委婉告知结果，避免使用“遗憾”之类空洞词汇

给出1-2句针对候选人的正向反馈（预留补充区域）

结尾表达保持联系的可能
同时再生成一个稍短版本，适合企业微信直接发送。

Gemini 会生成一封结构完整的邮件，其中正向反馈部分用中括号标注“可补充候选人的具体亮点”，比如“您在系统设计环节展现出的架构思维给我们留下了深刻印象”。短版本保留核心骨架，适合需要快速回复的场景。这种半自动化的邮件处理，让HR在保持专业性的同时大幅提升回复效率。

常见问题

1. 生成的JD会不会和公司实际文化不符？
它提供的是结构清晰、用词专业的底稿，公司特色、内部称呼和实际福利还需HR自行补充。可以把公司已有的JD样例作为参考粘贴进去，Gemini会学习语气和格式，生成更贴合的版本。

2. 简历信息提取对格式复杂或排班错乱的PDF有效吗？
如果简历本身是图片或扫描件，需要先经过OCR转为可读取的文本。Gemini目前无法直接解析图片中的文字，但粘贴纯文本或Markdown格式的简历后，提取准确度很高。

3. 生成的面试问题会不会太通用了？
在提示中加入行业和具体业务场景（比如“某电商公司的订单管理方向”），问题会更聚焦。也可以提供一份已有的面试题范例作为风格参考，让它延续同样的难度和结构。

4. 候选人隐私如何保护？
使用前应将简历中的姓名、电话、邮箱等个人信息删除或替换为代号，仅保留学历、工作和技能部分。这样在获得文本处理帮助的同时，确保隐私合规。

5. 面试评分表的标准适用于所有公司吗？
权重的设定是推荐值，HR可以根据公司实际人才模型调整。生成之后可以手动调整维度和比重，把模板变成符合公司招聘流程的定制版。

总结

将Gemini用在HR的招聘办公流程里，等于在每个文字密集型环节都多了一个能够立即交付结构化成果的助手。它不会取代面试官的专业判断和对候选人的敏锐洞察，但能把撰写JD、筛简历、出面试题和写邮件这些重复劳动的时间缩短数倍。当文档工作不再占据招聘的大半心力，HR才能把真正的精力花在识人、选人这件核心事上。

【本文完】