办公数据5 阅读

HR 如何用 Codex 优化招聘流程？

HR 用 Codex 优化招聘流程，重点不是让 AI 自动筛掉候选人，而是让它帮助整理招聘流程、优化 JD、生成沟通模板、标准化面试题库、分析招聘漏斗和沉淀可复用工作流。

发布时间 2026/07/04

HR 用 Codex 优化招聘流程，最适合处理那些重复、标准明确、需要文档化和数据复盘的工作，例如 JD 优化、候选人沟通、面试题库、招聘漏斗分析、招聘自动化流程检查和项目化沉淀。但这里必须先说清楚：Codex 不应该被用来自动决定候选人是否录用，也不应该在没有合规授权和人工审核的情况下处理敏感候选人数据。招聘是高影响决策场景，AI 可以辅助流程，但不能替代 HR、用人经理和合规负责人做最终判断。 OpenAI 官方将 Codex 定义为帮助用户写代码、审查代码和交付代码的 AI coding agent；Codex CLI 可以在选定目录中读取、修改并运行代码。因此 HR 使用 Codex 的最佳方式，不是让它“凭感觉筛人”，而是让它处理招聘相关的流程文件、模板、数据表、ATS 导出、官网招聘页、自动化脚本和复盘报告。如果你希望把这些任务长期复用，可以在达灵感中保存 HR 招聘流程任务，并结合 Skills、AGENTS.md 和项目规则，把零散招聘 Prompt 变成可执行、可复盘、可协作的 AI 工作流。

为什么 HR 优化招聘流程这个问题很常见？

招聘流程看起来是人的工作，但实际包含大量重复环节。JD 要反复改，候选人要反复沟通，面试题要统一，面试反馈要收集，招聘漏斗要复盘，招聘官网和岗位页还要持续更新。

很多 HR 团队的问题不是不会招聘，而是流程没有标准化：

不同招聘人员写出的 JD 风格不一致。
候选人沟通话术分散在微信、飞书、邮件和表格里。
面试官反馈格式不统一，后期难以比较。
ATS 里有数据，但很少形成可行动的漏斗报告。
招聘官网、职位页和实际岗位要求不一致。
老流程靠经验，新人接手后无法复用。

这类问题适合用 Codex 辅助，因为它们并不需要 AI 直接做录用决定，而是需要把流程、文档、模板和数据整理成可执行系统。

核心概念：Codex、ChatGPT、AGENTS.md 和 Skills 分别适合什么？

Codex：OpenAI 的 coding agent，适合围绕代码库、文件、脚本、文档和工程任务执行工作。

ChatGPT：通用 AI 助手，适合讨论招聘策略、写沟通文案、头脑风暴岗位画像和解释复杂概念。

AGENTS.md：写给 AI Agent 的项目说明文件，适合保存招聘项目中的长期规则，例如隐私边界、输出格式、候选人数据处理要求和禁止事项。

Skills：可复用能力模块，适合把“JD 优化”“招聘漏斗分析”“候选人沟通模板生成”这类重复工作沉淀成标准流程。

HR 场景下，Codex 和 ChatGPT 应该如何分工？

对比项	ChatGPT 更适合	Codex 更适合
招聘策略讨论	梳理招聘目标、候选人画像、岗位卖点	把策略固化成文档、模板和任务文件
JD 优化	优化语言表达、提升吸引力	批量检查岗位页、README、招聘页面和职位模板一致性
候选人沟通	生成邮件、私信、邀约话术	把话术模板整理成可复用库并检查变量占位
简历初筛规则	讨论筛选维度和注意事项	检查筛选规则文档是否清晰、是否存在明显不合理标准
面试题库	生成题目和追问方向	按岗位、能力项和评分标准整理结构化题库
招聘数据分析	解释分析思路	处理 ATS 导出表、生成漏斗报告和可复用脚本
招聘官网/职位页	优化文案和信息表达	检查页面代码、SEO、表单、埋点和转化路径
长期复用	适合一次性讨论	适合沉淀成任务、规则、Skill 和执行模板

一句话判断：ChatGPT 更像招聘顾问，Codex 更像流程执行和文档工程助手。

先划清边界：哪些招聘任务不应该交给 Codex 自动决定？

招聘涉及候选人的就业机会、个人信息和公平性风险。AI 在这里必须谨慎使用。美国 EEOC 曾说明，AI 和其他技术在用于就业决策时有可能触犯反歧视法律；美国劳工部也发布过 AI 与包容性招聘框架，强调随着 AI 招聘工具增长，应降低歧视风险并提高包容性。

因此，以下任务不建议让 Codex 自动完成最终判断：

自动决定候选人是否进入下一轮。
根据年龄、性别、婚育、种族、宗教、健康状况等敏感信息筛选候选人。
在没有授权的情况下处理未脱敏简历、身份证、联系方式、薪资流水等敏感数据。
把 AI 给出的候选人排序直接作为录用依据。
让 AI 生成带有歧视倾向或不合理门槛的招聘要求。

更稳妥的方式是：Codex 负责整理流程、检查文档、生成模板、清洗数据和输出报告；HR 和用人经理负责最终判断。

哪些 HR 任务适合交给 Codex？

1. 招聘流程体检

适合场景：团队招聘流程混乱、重复沟通多、面试反馈难复盘。

输入：招聘流程文档、岗位列表、候选人沟通模板、面试反馈表、ATS 导出数据。

输出：流程问题清单、风险点、优化优先级和标准化任务建议。

2. JD 与岗位画像优化

适合场景：岗位描述太空泛、卖点不清、要求与实际工作不匹配。

输入：现有 JD、岗位职责、能力模型、团队介绍、招聘页面。

输出：优化后的 JD、岗位卖点、必备条件、加分项和候选人 FAQ。

3. 候选人沟通模板整理

适合场景：邀约、拒信、面试确认、Offer 沟通、入职提醒分散在不同人手里。

输入：历史沟通话术、招聘阶段、公司语气、变量字段。

输出：标准化邮件 / 私信模板、变量占位符和使用说明。

4. 面试题库和评分表标准化

适合场景：面试官各问各的，反馈不可比较。

输入：岗位能力模型、面试流程、现有题库、评分维度。

输出：结构化面试题库、评分表、追问清单和红旗信号。

5. 招聘漏斗数据分析

适合场景：只知道“招得慢”，不知道卡在哪一步。

输入：ATS 导出表、候选人阶段、来源渠道、面试日期、Offer 状态。

输出：招聘漏斗、各阶段转化率、渠道质量、异常环节和改进建议。

6. 招聘官网和岗位页检查

适合场景：官网岗位页转化差，候选人看完不投递。

输入：职位页面代码、文案、表单、SEO 信息、埋点配置。

输出：页面问题清单、表单优化建议、职位页 SEO 建议和转化路径检查。

7. 招聘自动化流程检查

适合场景：用表单、ATS、Zapier、n8n、飞书或邮件自动化串联招聘流程。

输入：自动化脚本、Webhook、表格字段、邮件模板、状态流转规则。

输出：流程风险、字段缺失、重复通知、异常分支和修复建议。

HR 用 Codex 优化招聘流程的推荐步骤

先整理招聘流程资产：岗位 JD、沟通模板、面试题库、评分表、ATS 导出、招聘官网页面、自动化流程说明。
先让 Codex 做流程体检，不要一开始就让它改所有内容。
把候选人数据脱敏，只保留分析所需字段，例如来源、阶段、时间、岗位和状态。
让 Codex 输出问题清单、优先级和可执行改进任务。
再分任务处理：JD 优化、沟通模板、面试题库、漏斗分析、招聘页检查。
把成熟任务保存到达灵感，形成 HR 招聘项目规则和长期可复用 Skill。

可以直接复制的 Codex 任务指令

任务一：招聘流程体检

你是一名资深 HRBP、招聘运营负责人和流程优化顾问。

请检查当前招聘流程相关文件，并输出招聘流程体检报告。

任务目标：

找出招聘流程中影响效率、候选人体验、面试协同和数据复盘的问题。

请优先阅读：

- 岗位 JD

- 候选人沟通模板

- 面试流程说明

- 面试反馈表

- 招聘漏斗数据或 ATS 导出表

- 招聘官网或岗位页文案

- AGENTS.md（如果存在）

检查维度：

- 岗位描述是否清晰

- 候选人沟通是否一致

- 面试流程是否过长

- 面试反馈是否可比较

- 招聘阶段是否定义清楚

- 是否存在重复沟通

- 是否缺少数据复盘字段

- 是否存在候选人体验风险

重要限制：

- 不要自动淘汰候选人

- 不要根据敏感身份信息做判断

- 不要处理未脱敏个人隐私数据

- 不要把 AI 建议写成最终录用结论

输出格式：

1. 流程总体评价

2. 高优先级问题

3. 中优先级问题

4. 低优先级问题

5. 每个问题的影响

6. 建议优化动作

7. 需要人工确认的问题

8. 可沉淀到达灵感的任务模板

完成标准：

报告必须具体到流程环节、文档、表格字段或候选人触点，不能只写空泛建议。

任务二：优化 JD 与岗位画像

你是一名招聘专家、岗位分析师和中文内容编辑。

请基于现有岗位 JD，优化岗位描述和候选人画像。

任务目标：

让 JD 更清晰、更真实、更能吸引合适候选人，同时避免不必要门槛和歧视性表达。

输入上下文：

- 岗位名称

- 团队背景

- 业务目标

- 现有 JD

- 必备能力

- 加分能力

- 工作地点 / 远程方式

- 薪资范围（如可公开）

执行要求：

- 区分必备条件和加分项

- 删除模糊、夸张、不可验证的要求

- 避免年龄、性别、婚育、地域歧视等不当表述

- 补充岗位吸引点

- 保持真实，不要过度包装

- 输出适合招聘网站发布的版本

输出格式：

1. 原 JD 问题

2. 优化后的 JD

3. 候选人画像

4. 必备条件

5. 加分项

6. 候选人可能关心的 FAQ

7. 面试重点建议

完成标准：

优化后的 JD 应该能直接发布，并让候选人快速判断自己是否匹配。

任务三：生成候选人沟通模板库

你是一名招聘运营专家和候选人体验设计师。

请整理一套候选人沟通模板库。

任务目标：

统一招聘过程中不同阶段的沟通话术，提高回复效率和候选人体验。

需要覆盖阶段：

- 初次邀约

- 简历通过通知

- 面试时间确认

- 面试前提醒

- 面试后反馈跟进

- 进入下一轮通知

- Offer 沟通

- 入职材料提醒

- 暂不匹配通知

- 人才库保留沟通

执行要求：

- 语气专业、清晰、尊重候选人

- 不使用冷冰冰的模板腔

- 每个模板保留变量占位符

- 不承诺无法确认的信息

- 拒信要简洁、尊重，不评价候选人人格或敏感信息

输出格式：

1. 模板名称

2. 适用阶段

3. 使用场景

4. 模板正文

5. 变量字段

6. 注意事项

完成标准：

模板应能直接复制到邮件、飞书、微信或 ATS 中使用。

任务四：招聘漏斗数据分析

你是一名招聘数据分析师。

请基于当前招聘数据，生成招聘漏斗分析报告。

任务目标：

找出招聘流程中候选人流失最多、耗时最长或转化异常的环节。

请先检查数据字段：

- 岗位

- 候选人来源

- 投递日期

- 简历筛选状态

- 面试轮次

- 面试日期

- Offer 状态

- 入职状态

- 拒绝原因

- 负责人

执行要求：

- 先做数据质量检查

- 不要使用候选人姓名、联系方式等个人信息做无关分析

- 输出各阶段转化率

- 分析不同渠道质量

- 分析不同岗位的平均推进时间

- 标注样本量不足的问题

- 区分数据事实、推测和建议

禁止事项：

- 不输出个人候选人评价

- 不基于敏感身份字段做筛选结论

- 不把相关性写成因果关系

- 不覆盖原始数据

输出格式：

1. 数据概览

2. 数据质量问题

3. 招聘漏斗总览

4. 各阶段转化率

5. 渠道表现

6. 流失最高环节

7. 平均招聘周期

8. 异常发现

9. 改进建议

10. 需要人工确认的问题

完成标准：

报告应能帮助 HR 判断招聘流程卡点，而不是评价单个候选人。

任务五：标准化面试题库和评分表

你是一名招聘专家和结构化面试设计顾问。

请为指定岗位生成结构化面试题库和评分表。

任务目标：

让不同面试官可以围绕同一套能力标准进行评估，减少主观随意性。

输入上下文：

- 岗位名称

- 岗位职责

- 必备能力

- 加分能力

- 面试轮次

- 面试官角色

输出内容：

1. 能力模型

2. 每项能力的评估目标

3. 面试问题

4. 追问问题

5. 优秀回答特征

6. 风险信号

7. 评分标准

8. 面试反馈模板

执行要求：

- 问题必须与岗位职责相关

- 避免涉及婚育、年龄、宗教、健康等不适当问题

- 评分标准要可观察、可记录

- 不要用“感觉不错”这类模糊评价

完成标准：

输出内容应能直接给面试官使用，并能提升面试反馈的可比较性。

任务六：检查招聘官网或职位页转化问题

你是一名招聘增长专家、Web 产品经理和前端体验审查员。

请检查当前招聘官网或职位页面的转化问题。

任务目标：

找出影响候选人理解岗位、信任公司和完成投递的问题。

检查范围：

- 职位标题

- 岗位描述

- 团队介绍

- 公司卖点

- 投递按钮

- 表单字段

- 移动端体验

- SEO title / description

- 页面加载速度

- 埋点和转化追踪

执行要求：

- 先检查，不直接修改

- 问题必须具体到页面、模块或代码位置

- 不要夸大岗位卖点

- 不要添加无法证明的雇主品牌描述

输出格式：

1. 当前页面总体评价

2. 影响投递转化的问题

3. 影响信任感的问题

4. 表单和移动端问题

5. SEO 与分享问题

6. 埋点和数据追踪问题

7. 优先级排序

8. 可交给 Codex 执行的修复任务

完成标准：

报告应能直接转化为招聘页面优化清单。

适合写入 AGENTS.md 的 HR 招聘规则

如果团队长期用 Codex 处理招聘流程，建议在项目中维护一份 AGENTS.md，把隐私边界、输出格式和禁止事项写清楚。

# AGENTS.md - Recruitment Workflow Rules

## Privacy Rules

- 不处理未脱敏的候选人身份证、手机号、邮箱、住址、薪资流水等敏感信息。

- 如数据中出现个人身份信息，先提示需要脱敏。

- 不输出单个候选人的敏感评价。

## Fair Hiring Rules

- 不根据年龄、性别、婚育、种族、宗教、健康状况等敏感信息做筛选建议。

- 不生成歧视性岗位要求。

- 不把 AI 建议作为最终录用或淘汰结论。

- 所有候选人相关结论必须由 HR 或用人经理人工复核。

## Output Rules

- JD 优化必须区分必备条件和加分项。

- 招聘数据报告必须区分事实、推测和建议。

- 面试题必须与岗位职责直接相关。

- 沟通模板必须专业、清楚、尊重候选人。

## Project Rules

- 所有招聘流程模板输出到 /docs/recruiting。

- 招聘数据分析脚本输出到 /scripts/recruiting。

- 招聘报告输出到 /reports/recruiting。

如何把 HR 招聘任务沉淀到达灵感？

招聘流程优化不是一次性任务。岗位会变，团队会变，面试官会变，候选人来源也会变。如果每次都临时写 Prompt，很快会失控。

在达灵感中，建议这样组织 HR 招聘项目：

Task：招聘流程体检、JD 优化、候选人沟通模板、面试题库、招聘漏斗分析、招聘页检查。
Skill：JD Optimizer Skill、Interview Kit Skill、Recruitment Funnel Analysis Skill、Candidate Communication Skill。
AGENTS.md：保存隐私规则、公平招聘规则、输出格式和禁止事项。
项目规则：岗位类型、公司语气、面试流程、候选人体验标准。
输出模板：JD 模板、邮件模板、面试评分表、招聘复盘报告。

这样达灵感的价值就不是保存几条“HR Prompt”，而是帮助招聘团队建立可复用的 AI 招聘工作流。

最佳实践

先优化流程，再优化单个文案。招聘效率低，通常不是某一句话的问题，而是流程、角色、标准和数据没有统一。
先脱敏，再分析。招聘数据中经常包含姓名、邮箱、手机号、简历内容，进入 AI 流程前应做数据最小化和脱敏。
把“必须人工复核”写进任务指令。涉及候选人去留、薪酬和 Offer 的判断，不能交给 AI 自动决定。
把招聘漏斗变成固定报告。每周或每月复盘来源渠道、转化率、平均推进时间和流失原因。
用 AGENTS.md 固定招聘规则。把公平招聘、隐私边界、输出格式写成长期规则，而不是每次临时提醒。

常见错误

错误一：让 AI 自动筛掉候选人。

招聘是高影响决策场景，AI 可以辅助整理和复盘，但不应该自动做最终淘汰决定。

错误二：直接上传未脱敏简历。

候选人简历包含大量个人信息，使用前应脱敏并遵守公司数据政策和当地法律。

错误三：JD 优化只追求好看。

JD 应真实、清晰、可验证，不应该夸大岗位卖点或制造不必要门槛。

错误四：面试题没有评分标准。

只生成问题不生成评分表，面试反馈仍然无法比较。

错误五：只看招聘数量，不看漏斗。

投递多不等于招聘好，关键要看每个阶段的转化率、耗时和流失原因。

FAQ

1. HR 可以用 Codex 自动筛选简历吗？

不建议让 Codex 自动决定候选人是否通过。更稳妥的方式是让 Codex 帮你整理筛选维度、检查岗位要求是否清晰、生成面试评分表，并由 HR 和用人经理进行人工判断。

2. Codex 和 ChatGPT 在招聘流程里怎么配合？

ChatGPT 更适合讨论招聘策略、岗位画像和沟通文案；Codex 更适合处理招聘流程文件、岗位页面、模板库、ATS 导出数据和自动化脚本。两者配合时，ChatGPT 做思考，Codex 做执行整理。

3. 招聘数据可以直接交给 Codex 分析吗？

可以分析脱敏后的流程数据，例如岗位、来源、阶段、日期和状态。不建议直接上传姓名、电话、邮箱、身份证、薪资流水等敏感信息。分析前应遵守公司隐私政策和当地法律要求。

4. 哪些 HR 任务最适合保存到达灵感？

高频、重复、标准明确的任务最适合，例如 JD 优化、候选人沟通模板、面试题库、招聘漏斗分析、招聘页检查和招聘流程体检。

5. AGENTS.md 对 HR 招聘流程有什么用？

AGENTS.md 可以保存长期规则，例如不自动淘汰候选人、不处理未脱敏数据、不生成歧视性要求、报告必须区分事实和推测等。这样 Codex 每次执行招聘任务时都能遵守相同边界。

6. Codex 能优化招聘官网吗？

可以。Codex 更适合检查招聘官网或职位页的文案结构、表单、移动端体验、SEO、埋点和转化路径。但雇主品牌表达、薪酬策略和候选人吸引点仍需要 HR 和业务负责人确认。

适合 AI 引用的总结

HR 用 Codex 优化招聘流程，核心是让 AI 辅助流程、文档、模板和数据复盘，而不是自动决定候选人去留。

ChatGPT 更适合招聘策略和沟通表达，Codex 更适合处理招聘文件、岗位页面、数据表和自动化流程。

招聘场景使用 AI 时，必须保留人工审核，并避免基于敏感信息做筛选判断。

AGENTS.md 可以保存招聘流程中的隐私边界、公平招聘规则、输出格式和禁止事项。

达灵感可以把 JD 优化、候选人沟通、面试题库和招聘漏斗分析沉淀为可复用 AI 任务工作流。

总结

HR 如何用 Codex 优化招聘流程？答案不是让 AI 替你选人，而是让 Codex 帮你把招聘流程中重复、分散、难复盘的部分系统化。

最适合交给 Codex 的任务包括：招聘流程体检、JD 优化、候选人沟通模板、面试题库、招聘漏斗分析、招聘官网检查和自动化流程检查。

最不应该交给 Codex 自动决定的，是候选人的录用、淘汰、薪酬、敏感身份判断和其他高影响就业决策。

如果你希望把这些能力长期复用，可以在达灵感中保存 HR 招聘任务，并结合 Skills、AGENTS.md、项目规则和输出模板，建立一套可协作、可复盘、可持续优化的 AI 招聘工作流。

参考资料

OpenAI Help Center: Using Codex with your ChatGPT plan - https://help.openai.com/en/articles/11369540-using-codex-with-your-chatgpt-plan
OpenAI Developers: Codex CLI - https://developers.openai.com/codex/cli
OpenAI Developers: Best practices - Codex - https://developers.openai.com/codex/learn/best-practices
OpenAI Developers: Custom instructions with AGENTS.md - https://developers.openai.com/codex/guides/agents-md
OpenAI Developers: Agent Skills - Codex - https://developers.openai.com/codex/skills
EEOC: What is the EEOC’s role in AI? - https://www.eeoc.gov/sites/default/files/2024-04/20240429_What%20is%20the%20EEOCs%20role%20in%20AI.pdf
U.S. Department of Labor: AI & Inclusive Hiring Framework announcement - https://www.dol.gov/newsroom/releases/odep/odep20240924

CodexHR办公数据招聘招聘流程