八月的第一周，武汉一所高校旁边的打印店，林晓把三十份简历递给店员，说"每页彩打，装订，急用"。店员头也不抬地问了句："投了三十家没回音？"她点点头，没说话，只是把身份证压在台账上，等着机器一张张吐出来。

林晓是今年一千二百多万应届毕业生里普通的一个。她的简历不差：专业对口，两段实习，绩点三点六，拿过一次校级奖学金。但整个七月，她投出去的简历像石子丢进深井——连"已读"都很少。直到八月二号，一家她很看重的公司发来邮件：感谢投递，经系统初筛，您的匹配度未达本轮门槛，恕不进入面试。

她不知道的是，决定她命运的，不是一个 HR，而是一段她永远看不见的代码。

一个被忽略的数字

今年秋招，把 AI 初筛当成第一道关的公司，已经不再是少数，甚至正在变成默认选项。

国内一家头部招聘平台在七月的行业交流里透露，使用 AI 进行简历初筛和视频面试的雇主比例，从两年前的不到一成，涨到了现在的过半。另一家机构的调研更直接：在已部署 AI 面试的岗位上，超过七成的候选人会在"初面"环节被算法淘汰，而这个过程里，没有任何一个真人看过他的脸。

更微妙的是通过率的变化。某互联网大厂在去年把校园招聘的简历初筛交给模型后，进入笔试的比例从人工时代的约百分之十五，降到了约百分之四。理由是"模型筛得更狠，也更敢筛"——人会因为犹豫而多给一些机会，模型不会。

把镜头拉到海外，趋势如出一辙。一份覆盖欧美雇主的年度调研显示，使用 AI 视频面试的企业比例已逼近六成，而因此被自动淘汰、从未进入人工环节的候选人，在部分高频岗位里超过了八成。翻译过来就是：你以为自己在和一家公司的招聘团队竞争，其实你先要和一段代码竞争，而代码，没有耐心。

林晓的那封拒信，大概率就死在这百分之四之外。她甚至没能走到"被真人嫌弃"那一步。

算法到底在替谁做决定

很多人以为 AI 面试是"客观"的代名词。但把几家公司的筛选逻辑拆开看，会发现它客观得有点吓人，而且这种"客观"是有立场的。

它看语速。说话太慢，判定为"自信不足"；说话太快，判定为"焦虑掩饰"。它看眼神。摄像头捕捉你眨眼的频率、视线偏离屏幕的时长，把这些换算成"专注度"和"诚信度"分数。它看用词。简历里出现"负责""参与"还是"主导"，视频里说"我们"还是"我"，会被打上不同的协作倾向标签。

今年三月，一篇发表在招聘领域权威期刊上的研究做过一个实验：把同一份能力达标的简历，只是把名字从"常见男性名"换成"常见女性名"、把毕业院校从一线换成三线，AI 给出的匹配分平均差了将近九分。研究者用的词是"系统性偏差"，但在候选人眼里，这九分就是"你这辈子能不能进那家公司"的全部距离。

一个更黑色幽默的细节：有些公司为了防止候选人用 AI 代答，特意在面试里加了"检测你是否用了 AI"的模型。于是出现了这样的奇观——一个人用真人在答，另一头用模型在审，审的人先判定"你在用 AI"，于是真人被当成 AI 刷掉了。机器在审机器，人成了夹在中间的那个最尴尬的存在。

还有一群人几乎从不在讨论里出现：有口音、有轻微结巴、有听力或表达障碍的候选人。在"标准普通话+标准表情"的标尺下，他们天然处在分数洼地。某残障权益组织去年做过一次测试，把同一段优质回答用不同口音读出，模型的"沟通力"评分差出两位数。没有人故意歧视，但算法用"平均值"当尺子，本来就被平均线甩开的人，会被量得更矮。

真正可怕的不是被刷，是没人负责

林晓后来托人问到，那家公司的初筛模型由一家第三方供应商提供，具体权重是商业机密。她想申诉，发现连"找谁申诉"都不知道——HR 系统显示"系统判定"，供应商说"按客户规则训练"，客户说"这是标准流程"。

这恰恰是最值得警惕的地方：当筛人的权力从人手里交到模型手里，责任也跟着蒸发了。一个真人 HR 拒了你，你可以问为什么，哪怕答案敷衍；一个模型拒了你，答案只有一句"匹配度不足"，而这句话背后，是一份你永远调不出来的权重表。

把镜头拉远一点，这件事和更早被讨论的"算法监工"是同一个逻辑的两面：外卖骑手被算法赶着跑，是 AI 在管理已经入职的人；应届生被算法挡在门外，是 AI 在筛选还没入职的人。一套系统，把一个人的职业起点和职业过程，都悄悄接管了。

但它和"机器换人"又不一样。机器换人，抢的是体力岗位的活，反对的声音来自工会的谈判桌；AI 筛选，动的是所有人最在意的"公平感"，而反对它的人，连对手是谁都找不到。后者更难被看见，也更难被讨论——因为没人能指着一段代码说"你凭什么"。

一个做校招十年的 HR 朋友跟我说过一句大实话："我们也不想全信 AI，但每天几千份简历，真人真的看不过来。模型至少保证了'标准一致'。"他停顿了一下，"当然，标准一致，不代表标准对。"

林晓的故事还有个被忽略的后半段。她后来被拉进一个校招互助群，群里一位已经上岸的学长教她：把简历里的"参与"全改成"主导某模块"，把一个水课项目写清"具体解决了什么问题、用了什么方法"。改动不大，但一周后她收到的笔试邀请，比之前整月都多。

这说明算法筛人虽然冷，却不是不可沟通的——你越早学会用它的语言说话，越早从"被筛掉的那边"挪到"能被看见的那边"。同校另一个男生简历更亮眼却也石沉大海，后来才发现有问题的不是能力，而是他用了花哨的图文排版模板，AI 解析器读不出结构，关键词全埋在了图片里。技术不挑人，但会悄悄惩罚"它读不懂的人"。一位做校招系统的工程师私下说过一句大实话："我们最怕的简历不是差的，是乱的——模型看不懂，就直接扔了，连人工都拦不住。"

给正在找工作的你三条

写到这里，说点真正用得上的。

第一，把简历当成给机器看的，再当给人看的。 现在的现实是，大概率先有模型读完你的简历，真人才会看到。关键词要对齐岗位 JD，动词要具体（"主导"优于"参与"），格式要干净利于解析，别用花哨的排版把解析器搞晕。这不是讨好，是基本功。我们在 AIGC 沙龙里反复强调过：在 AI 已经做第一道关的世界里，"让人看懂"之前，先要"让模型读懂"。

第二，视频面试别只练表达，练"可被识别的真人感"。 光线稳定、视线盯镜头、语速中速、少用填充词、少大幅离屏。这些不是谄媚机器，是降低被误杀的概率。OPC 孵化里有个做校招辅导的小团队，把这套"AI 面试可得分话术"做成了一套标准化清单，应届生照着练一周，进入笔试的比例明显比盲投高。工具不稀奇，稀奇的是有人把它跑成了可复制的流程。

第三，永远准备"绕开算法"的通道。 内推、线下宣讲、作品集直达用人主管——这些绕过初筛漏斗的路径，比海投重要十倍。一个 AI 工作室的朋友说过一句很实在的话：当所有人都在用模型筛人，能被一个真人记住，本身就是稀缺资产。把简历发出去之前，先想清楚"这件事有没有哪个真人，我能直接说上话"。

结尾

林晓最后拿到 offer，不是在投出的第三十一家，而是在一场线下双选会上，被一个恰好路过她展位的主管拦下聊了五分钟。

那五分钟里，没有摄像头，没有匹配度分数，没有人替她算出"诚信度"。只有一个真人，听见她说"我真的很想做这个"，然后看了眼她打印店刚装订好的作品集。

AI 面试不会消失，它会越来越普遍，越来越像空气一样无处不在。但林晓的故事说明一件朴素的事：在算法替你关上一百扇门的时候，你总还能自己推开那一扇——只要你知道门在哪儿，并且愿意走到它面前，而不是站在原地等一封冷冰冰的邮件。

技术可以把"筛选"做得无比高效。但它至今没学会的，是如何在拒信里，给一个具体的人，留一点具体的余地。那点余地，恰好是"人"区别于"代码"的最后一点温度。

而这一点温度，至今没有任何模型，能替我们生成。

说明与免责声明：本文所引行业比例、通过率及研究结论，综合自公开行业交流、第三方机构调研及已发表学术研究，部分企业数据为示例性引用，未经独立审计核实，存在统计口径与时效差异。文中人物为基于真实群体特征的典型化呈现，非特定个人。所有方法与建议仅供参考，不构成任何求职或决策依据。

脑机派对

2026.08.10