AI简历筛选配置：从零搭建可运行的自动筛选流程

AI简历筛选配置的核心，是把简历文件变成可检索的文本，再按岗位关键词和评分规则自动排序。
适合没有采购商业招聘系统、但希望用开源工具快速跑通筛选流程的小团队。
下面按环境准备、脚本编写、规则配置、结果验证的顺序讲一遍，命令和路径都可以直接照做。

先确认运行环境和文件格式

这套流程不需要GPU，普通Linux服务器或本地电脑都能跑。
建议准备Python 3.8以上版本，简历统一放在一个目录里，优先使用PDF和DOCX格式。
先检查版本：

python3 --version
pip3 --version

如果版本低于3.8，先升级Python。
接着安装解析和匹配要用的依赖库：

pip3 install pdfplumber python-docx jieba scikit-learn

pdfplumber负责读取PDF文字，python-docx读取Word文档，jieba做中文分词，scikit-learn用来计算文本相似度。
安装完成后用pip3 list确认这几个包都在列表里。

简历目录建议这样组织，避免中文路径和空格带来的读取问题：

/data/resumes/
  ├── zhangsan.pdf
  ├── lisi.docx
  └── wangwu.pdf

编写简历解析与筛选脚本

在/data/ai_resume/下新建filter.py，核心逻辑分三步：读取文件、提取文本、按岗位描述打分。
下面是一个可运行的最小示例：

import os, pdfplumber, jieba
from docx import Document
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

RESUME_DIR = "/data/resumes"
JOB_DESC = "熟悉Linux运维，掌握Nginx、MySQL，有自动化脚本经验"

def read_pdf(path):
    text = ""
    with pdfplumber.open(path) as pdf:
        for page in pdf.pages:
            text += page.extract_text() or ""
    return text

def read_docx(path):
    doc = Document(path)
    return "\n".join(p.text for p in doc.paragraphs)

def load_resumes():
    results = []
    for name in os.listdir(RESUME_DIR):
        path = os.path.join(RESUME_DIR, name)
        if name.lower().endswith(".pdf"):
            text = read_pdf(path)
        elif name.lower().endswith(".docx"):
            text = read_docx(path)
        else:
            continue
        results.append((name, text))
    return results

def score(resumes):
    corpus = [JOB_DESC] + [t for _, t in resumes]
    vec = TfidfVectorizer(tokenizer=jieba.lcut)
    matrix = vec.fit_transform(corpus)
    sims = cosine_similarity(matrix[0:1], matrix[1:]).flatten()
    ranked = sorted(zip([n for n, _ in resumes], sims), key=lambda x: x[1], reverse=True)
    for name, s in ranked:
        print(f"{name}\t{s:.4f}")

if __name__ == "__main__":
    score(load_resumes())

保存后执行python3 filter.py，终端会按相似度从高到低输出文件名和分数。
分数只是排序参考，不代表录用结论。

配置评分规则和关键词权重

只用相似度容易把“岗位描述写得像”的简历排前面，实际筛选时建议叠加硬性条件。
可以在脚本里增加关键词命中检查，例如：

MUST_HAVE = ["Linux", "Nginx", "MySQL"]
BONUS = ["Docker", "Kubernetes", "Python"]

def rule_score(text):
    base = sum(1 for k in MUST_HAVE if k.lower() in text.lower())
    extra = sum(1 for k in BONUS if k.lower() in text.lower())
    return base * 2 + extra

把rule_score的结果和相似度相加或加权，再排序。
硬性关键词建议控制在3到5个，太多会把正常简历误杀。
权重可以放在单独的config.json里，方便HR调整而不用改代码：

{
  "must_have": ["Linux", "Nginx", "MySQL"],
  "bonus": ["Docker", "Python"],
  "must_weight": 2,
  "bonus_weight": 1
}

脚本读取配置后重新计算，改规则时只动JSON文件。

容易踩的坑和检查点

PDF扫描件没有文字层，pdfplumber提取出来是空字符串，这类简历需要先做OCR，否则会被当成空文件跳过。
检查方法是打开PDF尝试选中文字，选不中就是扫描件。

中文分词对英文技术词不友好，jieba可能把Nginx切碎，关键词匹配前统一转小写并保留英文原词。
另外，简历里常见表格排版，python-docx默认只读段落不读表格，如果简历用表格写经历，需要额外遍历doc.tables。

文件权限也要注意，脚本运行用户必须对/data/resumes有读权限，否则os.listdir直接报PermissionError。
建议先手动ls确认目录可读再跑脚本。

验证筛选结果是否可信

跑完脚本后，抽3到5份简历人工对照：排名靠前的简历是否真的包含岗位硬性技能，排名靠后的是否确实不匹配。
如果发现明显错排，先检查关键词是否被分词切断，再检查简历文本是否提取完整。

可以在脚本末尾增加一条汇总输出，打印每份简历的文本长度和命中关键词，方便快速定位空文本或解析异常：

print(name, len(text), [k for k in MUST_HAVE if k.lower() in text.lower()])

文本长度低于100字符的基本可以判定为解析失败，需要单独处理。
验证通过后，再把脚本放进定时任务或接入招聘系统，不要跳过人工抽检直接全自动淘汰。

常见疑问

没有编程基础能配置吗？ 可以照抄本文脚本，但需要会使用终端执行命令和编辑文本文件。
如果完全没接触过命令行，建议先让运维同事协助跑通一次。

筛选结果能直接决定面试名单吗？ 不建议。
AI筛选适合做初筛排序和关键词提醒，最终判断仍要人工复核，尤其是涉及年龄、学历等敏感条件时，要遵守当地招聘合规要求。

简历量很大时脚本会慢吗？ 几百份以内通常可以接受。
上千份时建议把解析结果缓存成文本文件，避免每次重复读取PDF。

整套AI简历筛选配置的关键不在模型多复杂，而在简历文本提取是否完整、关键词规则是否合理、结果是否经过人工抽检。
先把小批量跑通，再逐步扩大范围，比一次性上全自动更稳妥。