用 AI 寫職缺與面試題：從 JD、篩履歷到面試題一次搞定

這篇文章要幫你把「一個職缺從無到有跑完招募流程」這件事直接做完：用 AI 寫出一份會被求職者開啟來看的職缺說明（JD）、設計一套結構化面試題與評分表、再用 AI 幫你初步篩履歷、整理出可以直接排面試的候選人清單——同時把「不能踩的雷」講清楚，讓你不會因為省事而踩到就業歧視或個資的紅線。

台灣多數中小企業沒有專職 HR，招募常常是老闆或主管兼著做，JD 隨便寫、面試題想到什麼問什麼、履歷靠感覺挑。這篇的目標是把這套「靠感覺」的流程，換成一套「靠 AI 加速、靠人把關」的可複製任務食譜。

用 AI 寫出吸引人的職缺說明（JD）

JD 寫得好不好，直接影響你收到的履歷品質。寫得太籠統（例如只寫「負責社群經營、需配合公司需求」），會吸引到大量不合格的履歷；寫得太條列化像法規條文，又會讓真正厲害的人才滑過去不投。

用 AI 寫 JD 的關鍵，不是叫它「幫我寫一份職缺說明」，而是先把公司真實情況餵給它，讓它幫你組織語言、抓重點、調整語氣。以下是一個可以直接複製使用的 Prompt 範本：

你是一位熟悉台灣中小企業招募情境的資深 HR 顧問。
請根據以下資訊，幫我寫一份會吸引到合適人選的職缺說明（JD），語氣要專業但不生硬，
避免罐頭式的官腔用語，也不要浮誇的形容詞。

公司背景：{公司規模、產業、成立年數、目前團隊人數}
職缺名稱：{職缺名稱}
這個職位實際要做的三件最重要的事：{任務一}、{任務二}、{任務三}
必要條件（沒有就不會錄用）：{硬指標，例如證照、年資、工具熟悉度}
加分條件（有更好，沒有也可以談）：{加分項}
薪資範圍：{薪資區間，若不方便公開請說明面議原則}
工作地點與型態：{地點、是否可遠端、班表}
團隊文化與這個職位的成長路徑：{簡述}

請輸出：
1. 一段 80 字內的職缺開場白（吸引求職者往下看）
2. 條列式的「你將會做的事」
3. 條列式的「我們期待你具備」（區分必要與加分）
4. 一段「我們能提供什麼」
5. 請特別檢查文字中是否有任何可能涉及性別、年齡、星座、血型、外貌、婚姻狀況等就業歧視疑慮的用語，若有請標示並提出中性寫法建議

這個 Prompt 的重點在最後一條：主動要求 AI 檢查歧視性字眼。台灣《就業服務法》第 5 條明確規定，僱主招募或僱用員工時，不得以種族、階級、語言、思想、宗教、黨派、籍貫、出生地、性別、性傾向、年齡、婚姻、容貌、五官、身心障礙、星座、血型或以往工會會員身分為由，予以歧視；違反者可處新台幣三十萬元以上一百五十萬元以下罰鍰。很多老闆寫「限 35 歲以下」「限女性」這類字眼是無心之過，讓 AI 先幫你抓一輪，比事後被檢舉划算。

用 AI 設計結構化面試題與評分表

面試最常見的問題不是「問不出東西」，而是「每個面試官問的問題都不一樣，事後沒辦法比較誰比較好」。解法是先用 AI 產出一套結構化題庫，再搭配評分表，讓不同面試官對同一個職缺問類似的問題、用同一套標準打分。

以下是常見的職缺面試題設計方向，實務上建議依職位混搭使用：

可以用這個 Prompt 讓 AI 一次產出題庫加評分表：

你是一位資深招募主管，請針對「{職缺名稱}」這個職位，設計一套面試題庫與評分表。

職位核心能力（依重要性排序）：{能力一}、{能力二}、{能力三}
面試預計時間：{分鐘數}
面試官經驗程度：{是否為第一次面試新人的主管}

請輸出：
1. 5 題行為型問題（STAR 架構），每題附上「追問方向」
2. 2 題情境假設題，貼近本公司實際場景：{描述一個公司近期真實遇到的狀況}
3. 一份 1-5 分的評分量表，針對上述核心能力各給出「1 分長怎樣、3 分長怎樣、5 分長怎樣」的具體描述，
   避免只給「差、普通、好」這種模糊字眼
4. 一段「面試官需要提醒自己不要問的問題」清單，避免問到婚育計畫、家庭狀況等與工作無關的隱私問題

這裡的重點是「1 分到 5 分各長怎樣要具體描述」——沒有具體描述的評分表，不同面試官打出來的分數沒有可比性，等於白做。

用 AI 初步篩履歷（含可複製 Prompt）

履歷篩選最耗時，但也是 AI 最能立即省下工時的環節。做法不是把履歷丟給 AI 說「幫我選出最好的」,而是先定義清楚的篩選標準，讓 AI 做「結構化摘要 + 條件比對」,最終決定權留在人身上。

你是招募助理，請根據以下「必要條件」與「加分條件」,對我提供的履歷內容做結構化摘要與初步比對，
不要下錄取或淘汰的最終結論，只做客觀比對。

必要條件（缺一則不符合)：{條件一}、{條件二}
加分條件：{加分一}、{加分二}
職缺核心任務：{任務描述}

履歷內容：
{貼上履歷文字內容}

請輸出：
1. 一句話摘要這位候選人的背景
2. 逐項列出「必要條件」是否符合，若履歷未明確提及請寫「未提及，建議面試時確認」而非自行推測
3. 逐項列出「加分條件」是否符合
4. 三個值得在面試時追問的具體問題（依這份履歷內容量身設計)
5. 請不要對候選人的年齡、性別、婚姻狀態、學校名氣做任何評價或推測

這裡最重要的設計是第 2 點「未提及就寫未提及，不要自行推測」——這是為了防止 AI 幻覺，亂猜履歷沒寫清楚的資訊當成事實。另外提醒一個實務眉角：如果履歷含身分證字號、大頭照、出生年月日等敏感個資，上傳到外部 AI 服務前，建議先手動去識別化，或確認該服務的隱私條款是否允許處理求職者個資，避免違反《個人資料保護法》關於蒐集與利用之規定。

台灣中小企業實作案例：一人 HR 的招募衝刺

一家台中的電商團購公司，員工約 18 人，沒有專職 HR,一直由營運主管兼任招募工作。過去要招一個「客服兼出貨助理」職缺，通常是主管自己憑印象寫幾行 JD 貼到 104,收到履歷後逐份用眼睛看，面試時想到什麼問什麼，常常面到後面幾位才想起前面漏問了某個關鍵問題。

這次改用上述流程操作：先花約二十分鐘，把公司實際狀況、這個職位真正要做的三件事、必要條件講清楚給 AI,產出 JD 初稿後再手動微調在地用語與語氣;接著用面試題 Prompt 產出一套包含情境假設題（旺季塞單怎麼處理）的題庫與評分表;履歷進來後，用篩選 Prompt 逐份跑過一輪，產出摘要與追問清單。

質性回饋是：主管反映「JD 寫出來後，收到的履歷裡明顯亂槍打鳥的比例變少了」,面試時因為手上有評分表跟建議追問問題，「不會再面到一半忘記要問什麼」,整體從貼職缺到約到第一輪面試的時間感覺上有縮短，但公司並沒有做嚴謹的 A/B 對照統計，這裡誠實說明：這是單一案例的質性回饋，不是可以外推到所有產業與職位的精確數字，不同職位（例如技術職 vs. 服務業門市)的效果差異可能很大，建議你在自己公司先用一個職缺小規模試跑，再決定要不要全面套用。

避免用人偏誤：AI 篩選的紅線與必踩煞車

AI 幫忙加速篩選，不代表可以把判斷責任整個丟給它。有幾個必須守住的煞車點：

第一，職缺說明裡任何涉及性別、年齡、外貌、星座、血型、婚姻狀況的字眼，一律不得出現，即使是「看起來善意」的描述（例如「limit 25-35 歲有活力」）也不行，這是《就業服務法》第 5 條明訂的紅線。

第二，履歷篩選時不要讓 AI 依據學校名氣、居住地區、姓名判斷的性別或族裔背景做加減分，這些跟工作能力無關的變數一旦進入篩選邏輯，很容易複製既有的社會偏見，而且很難被事後檢驗出來。

第三，「未提及不等於沒有」——履歷沒寫某項技能，可能只是應徵者沒想到要寫，不代表他不會，所以篩選結果一定要當作「面試前的參考清單」,不能當成「淘汰依據」直接刷掉人。

第四，最終錄取決定一定要由人做，而且建議至少兩人共同討論，不要讓一份 AI 摘要單獨決定一個人有沒有面試機會或有沒有被錄取。

AI 的能力邊界與常見錯誤

老實說清楚 AI 在這個任務上做不到的事，比吹噓它能做到什麼更重要。第一，AI 沒有辦法驗證履歷內容的真假，學歷、證照、年資都可能是應徵者自己填寫，AI 只能做文字層面的比對整理，查證工作仍然要靠背景調查或要求提供證明檔案。第二，AI 無法判斷「軟實力」是否真的具備，例如履歷寫「具備良好溝通能力」這種自我陳述，AI 頂多能幫你列成待確認專案，實際溝通能力還是要靠面試現場觀察。第三，如果你給 AI 的必要條件本身就模糊（例如「需要有經驗」但沒說幾年、什麼樣的經驗），它產出的比對結果也會跟著模糊，垃圾進垃圾出的原則在這裡完全成立。第四，常見的操作錯誤是把整批履歷一次貼給 AI 要它「排名」,這種做法容易讓模型用不透明、無法解釋的方式做出排序，一旦有應徵者質疑，你也說不清楚排名依據是什麼，建議一律逐份做結構化比對，而不是要求整體排名。第五，別把 AI 生成的面試題庫或 JD 原封不動貼出去，實際使用前務必自己讀過一遍，確認語氣、用詞、公司實際狀況都對得起來，AI 產出的內容偶爾會出現跟你公司實際情況不符的細節，需要人工核對修正。

把這套流程變成可重複使用的招募 SOP

跑過一次完整流程後，建議把三個 Prompt（JD、面試題庫、履歷篩選）存成公司內部的招募範本，每次換職缺時只需要替換裡面的變數欄位，不需要每次重新想怎麼下指令。同時建議固定保留一份「本次招募checklist」,包含：JD 是否已檢查歧視字眼、評分表是否已對照分數描述給每位候選人打分、最終錄取決定是否有兩人以上共同確認。這套 SOP 跑過兩三次職缺之後，你會抓到一個節奏：AI 負責把重複性高、耗時間的初稿與整理工作做完，人負責把關判斷、確認語氣是否符合公司調性、做最終決定。這個分工方式，對於沒有專職 HR 的中小企業來說，是目前用 AI 做招募任務最務實也最不容易踩雷的做法。

常見問題 FAQ

延伸閱讀

• 更多工食譜
• AI 使用入門指南
• 招募相關 Prompt 範本
• 把招募流程自動化