（4964期）AfrexAI Hiring Scorecard – 结构化招聘评分，告别直觉选人

结构化招聘评分，告别直觉选人 用加权评分体系客观评估候选人，消除招聘直觉偏差，提升团队招聘决策一致性。 使用说明 核心用法 Hiring Scorecard Skill 是一套结构化的候选人评估工具，通过预设的六维评分体系（技术技能25%、相关经验20%、文化契合15%、沟通能力15%、问题解决15%、成长潜力10%）将主观印象转化为可量化的数据。用户可通过自然语言指令启动评分流程，支持单候选人深度评估与多候选人横向对比两种模式。 操作路径清晰：定义岗位 → 设定/调整评分维度权重 → 基于面试表现逐项打分（1-5分制）→ 生成加权总分与雇佣建议。系统提供标准化评分卡模板，包含评分指南、优势/顾虑记录区及最终推荐结论（雇佣/不雇佣/待定）。 显著优点 决策去偏见化：将"直觉不错"转化为可验证的分数，显著降低同质化招聘与光环效应风险 团队协作透明：支持多面试官独立评分后交叉比对，暴露评估分歧点 权重灵活配置：可根据岗位特性动态调整维度权重（如技术岗提升技术占比至40%） 历史数据积累：长期追踪分数分布，帮助团队校准招聘标准线 潜在局限 评分仍依赖面试官主观判断，1-5分刻度可能存在个体差异 文化契合等软性维度难以标准化，不同面试官理解可能偏差较大 模板未强制要求证据锚定，低质量评分可能流于形式 缺乏与ATS（申请人追踪系统）的集成能力，数据孤岛风险 适合人群 快速扩张期的初创公司HR/招聘负责人 缺乏结构化面试经验的工程经理 希望统一多轮面试官评估标准的招聘团队 需要向高层汇报招聘决策依据的HRBP 常规风险 过度量化风险：将复杂的人格特质压缩为数字可能丢失关键信号 权重设定博弈：用人部门可能事后调整权重以合理化偏好人选 模板依赖：机械填表可能替代深度追问，削弱面试质量 建议配合行为面试法（STAR原则）使用，并在"Notes"栏强制要求记录具体事例支撑分数。 原始说明 Objectively score and compare job candidates using customizable weighted criteria to support data-driven hiring decisions.