Скрининг резюме и отбор кандидатов для рекрутера
Соберите параметры вакансии → получите промт для оценки резюме
- Ранжирует пул резюме и собирает шорт-лист под вакансию
- Подсвечивает красные флаги и пробелы в опыте кандидата
- Генерирует вопросы к интервью и карточки скоринга
Конструктор промтов для подбора
Выберите Роль AI, Задачу подбора, Источник данных и Акцент оценки — шаблон соберётся сам
Ваш промт появится здесь
Выберите параметры слева — промт обновится автоматически
Перед вами сотня откликов на вакансию Senior Python-разработчика, и на ручной скрининг стопки резюме уходит целый день — пока вы дочитываете до финалистов, лучшие кандидаты уже приняли другой оффер. Соберите нужный промт в генераторе: выберите задачу «Ранжирование кандидатов по соответствию» или «Выявление красных флагов в резюме», источник «Пул резюме с hh.ru» и этап «Оценка hard skills и опыта». Укажите профиль вакансии и обязательные требования — получите готовый промт для ChatGPT или Claude, который разложит каждое резюме по совпадению с требованиями и выдаст вердикт «подходит / под вопросом / отклонить». Так ChatGPT снимает с вас большую часть рутинного отсева, а промты для Claude добавляют обоснование под каждый балл — вы фокусируетесь на живом интервью с сильными финалистами, а не на переписывании таблиц. Соберите свой первый промт под открытую вакансию прямо сейчас.
Как собрать промт для скрининга резюме
Выберите основные параметры
Задайте «Роль AI», «Задача подбора» и «Этап воронки» — например скрининг стопки резюме на первичном отсеве по формальным критериям.
Настройте тон и формат вывода
Добавьте тон, формат и детальность: например «Bias-free инклюзивный» + «Таблица кандидат-балл-вердикт» + «Стандартная оценка».
Заполните ручные поля вакансии
Впишите «Профиль вакансии», «Обязательные требования» и «О компании» — так AI оценит кандидатов под ваш реальный контекст, а не абстрактно.
Скопируйте промт и запустите
Вставьте готовый промт в ChatGPT или Claude — на выходе получите ранжирование кандидатов с вердиктами и снятыми рисками найма.
Кому помогут промты для скрининга резюме
Рекрутерам, HR-бизнес-партнёрам, хантерам и руководителям найма — отбирать кандидатов по вакансии
Рекрутер на массовом подборе
Тону в стопке откликов с hh.ru и физически не успеваю прочитать все резюме
Отсеивай сотни резюме за минуты по формальным критериям и получай готовый список
IT-хантер на точечном подборе
Джуна пропущу, а сеньора с нужным стеком в потоке резюме легко проморгать
Ранжируй кандидатов по hard skills и собирай шорт-лист финалистов с обоснованием
Хедхантер на подборе топ-менеджеров
Красный флаг у руководителя замечу поздно, а цена ошибки найма тут огромная
Выявляй пробелы и риски в профиле и оценивай долгосрочный потенциал роста финалиста
Фаундер, нанимающий в стартап
Нанимаю без HR-отдела и не понимаю, впишется ли человек в нашу культуру
Сопоставляй кандидата с ценностями команды и готовь точные вопросы к интервью
Промты для скрининга резюме: 4 примера
Готовые промты для ChatGPT или Claude. Скопируйте, замените текст в квадратных скобках своими данными и запустите.
Калибровка профиля вакансии и весов критериев перед скринингом
КалибровкаРоль: Ты — HR-бизнес-партнёр с опытом настройки систем оценки кандидатов. Ты помогаешь команде договориться о единых критериях ДО того, как начнётся разбор откликов. Контекст: Компания [название компании] открывает вакансию [название должности] в направлении [область — например продажи и развитие бизнеса]. Нанимающий менеджер — [имя и роль], ожидаемый уровень дохода [вилка], формат работы [офис/гибрид/удалёнка]. Бриф по вакансии: [ссылка на бриф]. Сейчас разные интервьюеры оценивают кандидатов по-своему, из-за чего шорт-листы конфликтуют. Задача: Преврати расплывчатый профиль в измеримую матрицу оценки. Раздели требования на группы «стоп-фактор», «важно», «желательно» и предложи вес каждой группы в процентах так, чтобы сумма давала 100. Для каждого критерия сформулируй, что именно в резюме считать доказательством. Формат вывода: (1) таблица «критерий — группа — вес — что считать доказательством»; (2) список из 3-5 стоп-факторов, при которых кандидат отсеивается автоматически; (3) 4 вопроса нанимающему менеджеру, если в брифе не хватает данных для калибровки. Детали: Опирайся на принцип «сначала критерии, потом кандидаты», чтобы снизить bias. Не придумывай требования, которых нет в брифе, — помечай их как гипотезу. Тон — объективный по компетенциям, формулировки инклюзивные и без привязки к полу и возрасту.
Сверка одного резюме с требованиями вакансии по фактам
МэтчингРоль: Ты — технический рекрутер, который сопоставляет конкретное резюме с профилем вакансии строго по фактам, а не по общему впечатлению. Контекст: Вакансия — [название должности] в [область — например IT и разработка ПО]. Обязательные требования: [список требований, например 5+ лет Python, опыт highload, английский B2]. Текст резюме кандидата: [вставьте резюме]. Источник отклика: [например пул резюме с hh.ru]. О компании: [название компании], [размер и культура]. Задача: Пройди по каждому обязательному требованию и найди в резюме подтверждение, частичное совпадение или его отсутствие. Отдельно отметь формулировки, которые звучат размыто и требуют проверки на интервью. Формат вывода: (1) таблица «требование — статус (есть/частично/нет) — цитата или пометка нет данных»; (2) итоговый вердикт: подходит / под вопросом / отклонить с одной фразой обоснования; (3) 3 уточняющих вопроса, закрывающих найденные пробелы. Детали: Не додумывай опыт, которого нет в тексте, — при отсутствии данных пиши «не указано». Различай «работал с технологией» и «отвечал за неё». Тон нейтральный, уровень детальности — стандартная оценка без глубокого due diligence.
Аудит готового шорт-листа и разбор ошибок отбора
АудитРоль: Ты — руководитель отдела найма, который проверяет качество уже собранного шорт-листа и ищет ошибки в логике отбора, а не оценивает кандидатов заново с нуля. Контекст: По вакансии [название должности] в компании [название компании] рекрутер [имя] отобрал финалистов. Профиль вакансии и требования: [ссылка на бриф]. Шорт-лист с обоснованиями: [вставьте шорт-лист и комментарии]. Ранее по похожим ролям были ошибки найма из-за [опишите проблему — например переоценка громких названий компаний]. Задача: Найди слабые места в логике отбора: необоснованные выводы, критерии, применённые к одним и проигнорированные у других, признаки предвзятости, а также сильных кандидатов, которых могли отсеять зря. Формат вывода: (1) список найденных проблем с типом ошибки и конкретной цитатой из обоснования; (2) кандидаты, чьё место в шорт-листе спорно, с указанием почему; (3) 3-5 рекомендаций, как переоценить список, чтобы снизить риск ошибки найма. Детали: Разделяй факт из резюме и интерпретацию рекрутера. Проверяй, одинаково ли применялись критерии ко всем. Не переписывай шорт-лист сам — твоя роль ревизора. Тон требовательный, но по существу, оценка bias-free.
Обучающий разбор скрининга резюме для команды джунов
ОбучениеРоль: Ты — Head of Talent Acquisition, который на живом примере учит начинающих рекрутеров правильно читать резюме и принимать решения об отсеве. Контекст: В команде [название компании] новички [область подбора — например маркетинг и digital] часто отсеивают кандидатов по слабым основаниям. Учебный материал: вакансия [название должности], требования [ссылка на требования] и 2-3 обезличенных резюме: [вставьте резюме]. Разбор пойдёт на внутреннем воркшопе для [число] человек. Задача: Проведи скрининг вслух — покажи ход мысли пошагово: что смотрим сначала, как отличаем сильный сигнал от шума, где легко ошибиться и как проверить свою гипотезу вопросом на интервью. Формат вывода: (1) пошаговый разбор каждого резюме с объяснением каждого решения простым языком; (2) блок «типичные ошибки джуна» с 4-5 примерами и как их избегать; (3) чек-лист из 6-8 пунктов, который команда сможет применять сама. Детали: Объясняй термины (hard skills, красные флаги, bias) при первом упоминании. Делай акцент на инклюзивности и оценке по компетенциям, а не по формальным ярлыкам. Тон поддерживающий к джунам, без снисходительности, с конкретикой вместо общих советов.
6 советов для промтов по скринингу резюме
Как получить от ChatGPT и Claude точный отбор кандидатов без ручной вычитки стопок резюме.
Задайте роль технического рекрутера
Начните с «Ты — технический рекрутер в IT-разработке, 8 лет в найме Senior». Уровень экспертизы задаёт глубину оценки hard skills и адекватность вердиктов.
Дайте метрики и профиль вакансии
Подсуньте обязательные требования, стек, вилку и метрики: годы релевантного опыта, % совпадения по hard skills, tenure на прошлых местах, длину gap между работами.
Зафиксируйте формат по методу scorecard
Просите таблицу кандидат-балл-вердикт по scorecard: критерий, вес, оценка 1-5, итоговый скор. Фреймворк structured hiring даёт сопоставимость вместо интуиции.
Опишите этап воронки и стоп-факторы
Формула: «Этап [первичный отсев] + приоритет [снижение риска найма] + жёсткие критерии [5+ лет, англ B2] + красные флаги = вердикт подходит/под вопросом/отклонить».
Уточняйте итерациями и вопросами
После первого прогона спросите: «Перепроверь топ-3 под приоритет долгосрочного потенциала и покажи, какой риск найма снимает каждый вердикт». Так вылезают спорные кейсы.
Убирайте предвзятость в оценке
До: «Выбери лучших кандидатов из стопки резюме». После: «Оцени bias-free только по компетенциям, игнорируя пол, возраст и вуз, обоснуй балл по каждому критерию».
FAQ: промты для скрининга резюме
Это готовые текстовые запросы, которые превращают нейросеть в помощника рекрутера по отбору кандидатов. Вы задаёте роль AI (например, «Технический рекрутер»), область экспертизы, задачу подбора и вставляете профиль вакансии с обязательными требованиями. Генератор собирает структурированный промт, а ChatGPT или Claude сверяет каждое резюме с критериями и выдаёт вердикт «подходит / под вопросом / отклонить». В полях можно выбрать этап воронки, акцент оценки и источник данных — от пула резюме с hh.ru до профилей в LinkedIn. Результат приходит в виде таблицы «кандидат-балл-вердикт» или карточки скоринга. Такой подход экономит часы ручного просмотра стопки откликов. Соберите первый промт в генераторе и проверьте его на текущей вакансии.
Опишите профиль вакансии и обязательные требования, затем задайте ChatGPT чёткую роль и формат вывода. Рабочий шаблон: «Ты — технический рекрутер в IT. Проведи скрининг стопки резюме по вакансии Senior Python, удалёнка, финтех. Обязательные требования: 5+ лет Python, Django, highload, английский B2. По каждому кандидату дай вердикт подходит / под вопросом / отклонить и балл соответствия от 1 до 10, оформи таблицей». В генераторе для этого есть пресет «⚡ Отсев стопки резюме» и уровень детальности «Экспресс-отсев». Добавьте тон «Bias-free инклюзивный», чтобы убрать субъективные фильтры. YandexGPT и GigaChat тоже справляются с русскоязычными резюме. Возьмите шаблон из генератора и запустите первый отсев за пару минут.
Эти промты сокращают время закрытия вакансии и снижают риск ошибки найма — двух самых дорогих проблем подбора. Вместо ручного просмотра сотен откликов рекрутер получает от нейросети готовый шорт-лист с обоснованием и связкой каждого вердикта с приоритетом бизнеса: скорость, соответствие культуре или долгосрочный потенциал роста. Генератор поддерживает сегменты от массового подбора линейного персонала до хантинга топ-менеджеров, поэтому один инструмент закрывает разные типы вакансий. ChatGPT и Claude обрабатывают резюме объективно по компетенциям, что помогает выстроить прозрачную и защищённую от предвзятости воронку. Для команды это освобождает часы на интервью и живую работу с финалистами. Настройте акцент оценки под свою задачу и получите первый скоринг сегодня.
Экспресс-отсев подходит для первичной воронки, а глубокий due diligence — для финалистов и дорогих позиций. При экспресс-режиме нейросеть проверяет только формальные критерии: стаж, ключевые навыки, соответствие вакансии — и быстро прогоняет большую стопку резюме, выдавая таблицу «кандидат-балл-вердикт». Глубокий разбор задействует этапы «Проверка soft skills и мотивации» и «Финальное сравнение финалистов»: ChatGPT анализирует логику карьерного пути, ищет красные флаги, сопоставляет достижения с требованиями. Первый вариант экономит время на массовом подборе, второй снижает риск ошибки при найме руководителей. В генераторе это переключается уровнем детальности и пресетами «⚡ Отсев» или «🧭 Оценка потенциала роста». Выберите нужную глубину в генераторе под конкретный этап подбора.
Промты из генератора работают с ChatGPT, Claude, YandexGPT и GigaChat — просто скопируйте готовый текст в любую из них. ChatGPT и Claude сильны в структурировании: хорошо строят таблицы скоринга и карточки кандидатов с обоснованием. YandexGPT и GigaChat удобны для русскоязычных резюме и работы внутри российского контура, что важно для данных из внутренней ATS. Формат вывода задаётся в полях генератора: «Таблица кандидат-балл-вердикт», «Шорт-лист с обоснованием», «Карточка скоринга» или «Список вопросов к интервью». Другие HR-сценарии — офферы, адаптацию, вакансии — смотрите в разделе Промты для HR и рекрутинга на сайте. Откройте генератор, выберите свою нейросеть и соберите промт под текущую вакансию.