Manus简历筛选与面试问题生成全攻略：高效招聘指南

招聘旺季，50份PDF简历堆成山。你需要快速找出3个最合适的算法工程师，还得给每个人准备针对性的面试问题。手动翻简历？凭经验瞎问？别这么干了。

把50份PDF简历丢给Manus，它就能按Python经验、TensorFlow/PyTorch落地项目、硕士学历这些硬性条件，自动筛出3名最匹配的候选人，还给每人量身定制5个深度技术面试问题。最后，你会收到两个文件：ranked_candidates.xlsx和interview_questions.docx，一个按匹配度排好序，一个把问题都列得清清楚楚。

先说操作流程，非常简单。

上传简历包并下达自然语言指令

打开Manus官网，登录后，点「新建任务」，把打包好的ZIP简历包拖进上传区。然后在指令框里输入一句话，像这样：

“筛选算法工程师岗位候选人，要求：3年以上Python工程经验、有TensorFlow或PyTorch项目落地经历、硕士及以上学历；对入选者按匹配度排序，每人生成5个深度技术面试问题，聚焦其项目中的模型设计缺陷与优化思路。”

关键点来了。指令不能只写“筛简历”三个字——技术栈、经验年限、学历门槛、问题类型，一个都不能少。注意：缺少任一硬性条件，Manus就会启用宽松策略，关键候选人可能就这么漏掉了。

确认任务拆解路径与工具调用

Manus会在界面上实时展示它正在干什么：解压ZIP、逐份识别PDF里的姓名/学历/技能段落、提取项目描述中间出现的框架名和部署环境、比对岗位关键词的权重、生成候选人简档、调用代码审计模块分析项目文本、最后输出问题清单。整个流程一目了然。

你不需要干预这些步骤，但可以点开任何一个子步骤旁边的「查看详情」，看看AI在读哪段原文、依据什么规则打分。举个例，它把“参与过BERT微调”判为高匹配，是因为你在指令里已经暗示了NLP方向——Manus会主动补全这类意图。

接收结构化交付成果

任务跑完，你的邮箱会收到一封带附件的自动通知，里面有两个文件：

① ranked_candidates.xlsx：三列——候选人姓名、综合匹配分（0–100）、核心优势摘要。比如，“在Kaggle医疗影像赛中优化UNet跳跃连接，提升Dice系数4.2%”——这种具体信息都会被写进去。

② interview_questions.docx：按候选人分节，每人5个问题，全基于简历中的真实项目。比如，“你在XX公司用LightGBM做用户流失预测时，为何未尝试XGBoost？特征重要性排序结果是否与业务逻辑冲突？”

文件生成后不可编辑原始内容，但不需要担心。直接在Manus界面上点「追加指令」，比如补一句：“把第2位候选人的第3个问题改成考察分布式训练容错能力”，系统就会立刻重生成那个问题并更新文档。