通过并行智能体筛选 115 名求职者
一个团队将 Notion 与 Claude Code 连接起来，为每个候选人分配一个智能体，根据评分标准检查数据及 GitHub 证据，最终生成了排名排序的候选名单，成本仅为 65 美元。
- 具体怎么做
- 团队使用 Notion CLI，将 Notion 招聘数据库按候选人分化为一个数据文件。随后，脚本同时启动 115 个 Claude 智能体。每个智能体读取 Markdown 评分标准文件，访问候选人的 GitHub 和作品集链接，并输出结构化的 JSON 评分结果。代码系统负责计算排名，而 10 个“挑战者”智能体会对顶尖候选人的评分提出质疑。最后，代码设定了最高分的 5% 上限。
- 做到了什么
- 运行时间约为13分钟，费用约65美元，平均每候选人约0.57美元。没有一人获得S或A等级，6名候选人获得B等级，而对抗性评审将前两名从约82名减少至约75名。
- 上手要点
- 缓存写入是最大的成本项，因为每个并行智能体都会构建自己的缓存。作者建议使用 Sonnet 进行评分，仅使用 Opus 进行审核，从而将成本降低 70% 至 80%。
你可以这样试
使用 Claude Code我在 [Notion 数据库/电子表格] 中有 [数字] 名候选人申请 [职位] 岗位。请查看我的评分标准：[粘贴评估准则]。针对每位候选人运行一个子智能体，检查其数据和公开成果（如 [GitHub/作品集]）是否符合标准，然后生成一份按排名排序的候选名单，并为每个候选人提供一段说明理由。不要与任何候选人联系或修改记录。当我收到排名列表及运行成本后，任务即完成。