亚星手机版代理买分筛简历太累？用DeepSeek在线使用，

上上礼拜五的下午时分, 老板丢给我一项任务, 要我把近期所收到的三十份简历予以整理, 从中筛选出五个最为合适的, 等下周一的时候交给他。

我看了眼那堆PDF，再看了眼时间，心里直打鼓。

原先那筛简历的事儿, 要一个个去打开查看, 从中寻觅关键信息, 而后登记到Excel里面, 这样一整套流程搞下来, 一整天时间都未必就足够。

但这次，我决定试试用AI。

我是怎么操作的

核心思路有着一种简洁的特性, 那便是运用DeepSeek的API去剖析简历文本, 将并非呈现为结构化的简历转化为具备结构化特征的数据。

第一件事：把简历批量转成文本

我会首先将30份简历转化为txt文件, 每一份都要标明清晰的名字, 像“候选人1.txt”, 以及“候选人2.txt”这样。

事实上, 无需手动去进行转换, 借用Python这款工具里的pdfminer, 或者运用在线工具实施批量转换就得, 十分钟即可搞妥当, 达成任务, 这十分迅速, 能够实现目标目的。

然后：写个提示词扔给DeepSeek

这一步是关键。我用的提示词是这样的：

请提取以下简历中的关键信息，输出JSON格式：
- 姓名
- 工作年限
- 最高学历及院校
- 最近一份工作职位和公司
- 核心技能（列出3-5个）
- 薪资期望
只输出JSON，不要其他内容。

接着：写个脚本批量处理

这个有着一定复杂度更为进阶些, 要创建一个Python脚本, 进行循环的动作去调用DeepSeek API, 随后将得出的结果存储进Excel内里。

import openai
import pandas as pd
# 设置API
openai.api_base = "https://api.deepseek.com"
openai.api_key = "你的API密钥"
# 读取简历
with open('简历1.txt', 'r') as f:
    resume = f.read()
# 调用API
response = openai.ChatCompletion.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": prompt + resume}]
)
# 解析结果并存储
result = response.choices[0].message.content
# 存入Excel

最后：让AI帮你打分排序

数据有了，剩下就是筛选。

我还能够再次使AI依据我的需求进行打分排序, 比如说, 提出“具备互联网经验的优先”, 再提出“Python技能是加分项”, 如此一来, AI就会给予你一组排序以及可供参考的名单。

效果怎么样

说实话, 头一回跑的时候碰到些许问题, 一位候选人的简历格式颇为怪异, 解析没能成功。

而后, 我增添了错误处理, 碰上解析失败的情况就会自动跳过去, 最终, 30份简历运行了大概20分钟, 全都完成了。

交给老板的最后那个亚星手机版代理买分筛简历太累？用DeepSeek在线使用，30份变5份只需10分钟，是个Excel表格, 表格里有所有候选人的关键信息, 并且自动标注好了推荐等级。

老板看完愣了一下deepseek在线使用，问我是不是找助理帮忙了。

关键心得

用AI处理简历筛选，最重要的是三点：

提示词要明确

传达给AI需要提取哪些字段, 是何种格式, 越详尽越好, 不要表述为“帮忙对简历进行剖析”, 而是要说“提取姓名、教育程度、工作时长等字段, 予以JSON格式输出”。

适合的场景

适合AI筛简历的情况是亚星，简历数量大, 对此, 还要格式相对较为规范, 而且, 筛选简历的规则也要明确。要是招聘的岗位是高管一职, 并且, 是需要进行深入判断的岗位, 那么, 仍然是得依靠人工查看简历才行, 是这样的情况。

人工复核不可少

由AI所提供的乃是参考内容, 不过最终仍得依靠自己亲自去核查一遍, 然而这亲自核查一遍的时间所需成本, 相较于之前从毫无头绪开始去查看30份简历而言, 要低出许多许多了。

把AI用于干活这个事儿, 重点并非在于致使它将你全然取代, 而是在于使它去处置那些重复程度高起来、规则明晰确定的工作, 节省下来的时间, 用于开展真正需要凭借判断力来做的事情。

你觉得哪些工作适合交给AI？

#人工智能工具 #职场效率有效提升之法 #深度探索 #简历选取与甄别 #Python学习指南 #效能增进。