最小必要输入与本地脱敏工作流（AI 求职材料上传前）

方法说明

这是一个端到端的求职材料上传前处理流程，依据《生成式人工智能服务管理暂行办法》第十一条“不得收集非必要个人信息、不得非法留存可识别身份的输入信息和使用记录”的要求，对简历、JD、模拟面试稿和作品集材料做最小必要输入与本地脱敏。本方法整合了 占位符脱敏（用通用描述替换真实公司、项目与内部数据）（占位符脱敏）、简历事实底稿（让 AI 不能补写未经核实的经历）（事实底稿）、简历逐条改写（一次只改一段经历）（逐条改写），并在流程末尾加入会话与上传文件清理环节。

适用情况

• 使用在线大模型或带 AI 功能的招聘、简历、面试工具时。
• 需要把含联系方式、教育经历、职业经历、项目数据、客户名称的完整材料上传前。
• 涉及未公开雇主资料、客户数据、敏感岗位身份、录音或他人信息时。

操作过程

1. 先做信息盘点。 在上传前把材料分成四栏：完成任务必需、可用代号替换、无需提供、禁止外传。简历匹配通常需要技能、职责、成果和 JD，不需要身份证号、家庭住址、银行卡、证件照片、紧急联系人和完整出生日期。
2. 在本地制作脱敏副本。 不直接编辑唯一原件。统一用稳定代号替换姓名、公司、客户、项目和城市，例如“消费行业公司B”“项目C”；日期可在不影响年限判断时只保留年月或时长。删除文档属性、批注、修订记录、隐藏工作表和图片中的水印信息。
3. 核对服务规则。 查隐私政策、用户协议、数据保存与删除入口，确认服务是否说明输入用途、是否提供历史记录关闭或删除方式、是否公示所使用模型。找不到说明时，降低输入敏感度或改用组织批准的工具。
4. 限制模型任务。 提示词可写明：“仅依据下列事实改写；不得增加公司、职位、项目、数字、证书和获奖；缺少证据时输出问题，不得补全。”让模型先输出 JD 关键词—原经历证据的对应表，再写简历，便于发现无依据扩写。
5. 做逐项证据核验。 对每一个数字、专有名词、职责范围和时间线标记“有证据／本人可解释／需删除”。模型把“参与”升级成“主导”、把团队成果改成本人成果、把估算值写成精确增幅，均属于常见失败，应退回事实表修正。
6. 控制恢复和投递。 只在本地最终版恢复招聘方确实需要的信息。给不同公司发送材料时检查文件名、页眉、作品集分享权限和链接访问范围，避免把为 A 公司准备的内部备注发给 B 公司。
7. 结束后管理记录。 删除不再需要的会话、上传文件和共享链接；必要时按服务提供的渠道提出查阅、更正或删除请求，并保留提交时间与回执。

失败与限制

• 脱敏不等于匿名化：行业、学校、岗位、年份和独特项目组合仍可能重新识别个人；只删姓名但保留手机号或作品链接几乎没有降低识别性。
• 截图可能包含头像、浏览器账号和通知。
• 服务端删除按钮的实际范围不能仅凭界面文字推断。
• 境外服务、企业内部自建模型或未向境内公众提供的系统，适用规则和数据流可能不同。
• 模型即使接受“不得虚构”指令，仍可能润色过度、补出合理但不存在的细节。
• 官方办法没有证明任何 AI 简历工具能提高面试率，也没有给出产品安全排名。

关联任务

• 根据 JD 用 ChatGPT 定制简历 — 用 ChatGPT 定制简历；本方法为该任务提供上传前脱敏与逐句核验流程。
• 根据岗位模拟面试 — 用 AI 做模拟面试；本方法负责控制录音和对话脚本中的敏感信息。

来源

• SRC-CAREER-008：《生成式人工智能服务管理暂行办法》——AI 求职输入信息与隐私保护锚点