使用并行代理筛选 115 名求职者
我们并行运行了 125 个 AI 代理，依据一致的评分标准筛选了 115 名候选人，以 65 美元的成本生成了排名有序、理由充分且完全可审计的候选人短名单。任务：团队将 Notion 招聘数据库连接到 Claude Code，以处理 115 名候选人。他们部署了一个动态工作流，并行运行 115 个评分代理和 10 个对抗性审查代理。代理阅读简历，验证 GitHub 链接，并根据基于 Markdown 的评分标准对候选人进行打分。代码负责确定性的聚合、排名和配额执行，而 AI 提供主观判断。人类审查者旨在根据生成的短名单采取行动，但具体的手动步骤未详细说明。；工具：Claude Code。人工角色：原始帖子没有说明人如何参与。；局限：来源为自述博客文章，因此成本和运行时间等指标未经核实。工作流需要 Notion 数据库和 Claude Code 访问权限。并行代理的缓存写入导致成本较高。严格的评分标准导致零名顶级候选人，表明当前候选人池的阈值可能过高。在做出任何招聘决定之前，人工批准至关重要，因为 AI 不应做出最终选择。。
工具
Agent Work Atlas 发布日期:
概述
我们并行运行了 125 个 AI 代理，依据一致的评分标准筛选了 115 名候选人，以 65 美元的成本生成了排名有序、理由充分且完全可审计的候选人短名单。
工作流程
团队将 Notion 招聘数据库连接到 Claude Code，以处理 115 名候选人。他们部署了一个动态工作流，并行运行 115 个评分代理和 10 个对抗性审查代理。代理阅读简历，验证 GitHub 链接，并根据基于 Markdown 的评分标准对候选人进行打分。代码负责确定性的聚合、排名和配额执行，而 AI 提供主观判断。人类审查者旨在根据生成的短名单采取行动，但具体的手动步骤未详细说明。
原文报告的结果
工作流在约 13 分钟内完成，成本为 65 美元。它生成了一个排名短名单，其中 6 名候选人处于“合格”（B）等级，26 名处于“平均”（C），83 名处于“不推荐”（D）。由于严格的评分阈值，没有候选人达到“强”（A）或“卓越”（S）等级。对抗性审查通过识别缺乏可验证证据或原创性，成功降低了顶级候选人的虚高分数。
人工角色
原始帖子没有说明人如何参与。
局限
来源为自述博客文章，因此成本和运行时间等指标未经核实。工作流需要 Notion 数据库和 Claude Code 访问权限。并行代理的缓存写入导致成本较高。严格的评分标准导致零名顶级候选人，表明当前候选人池的阈值可能过高。在做出任何招聘决定之前，人工批准至关重要，因为 AI 不应做出最终选择。
试一试
我需要使用 Claude Code 从我的 [可替换来源，如 Notion/CSV] 招聘数据库中筛选 [可替换数量] 名候选人。创建一个动态工作流，调度并行代理根据存储在 [可替换路径] Markdown 文件中的评分标准对每份简历进行打分。评分标准必须包含 AI 原生能力、问题解决证据和基础能力的权重。指示代理验证 GitHub 链接以获取证据。评分后，运行第二遍对抗性代理以挑战高分。确定性地聚合结果，以在 [可替换输出格式] 中生成排名短名单。首先，在 5 名候选人的样本上运行此工作流，并在处理完整列表之前向我展示 JSON 输出和推理以供确认。未经我明确批准，不要发送任何电子邮件或更新状态。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。