AI-промпты для HR-специалистов

Готовые промпты для написания вакансий, скрининга резюме, подготовки интервью, онбординга и performance review. Копируйте и используйте.

Языковые модели умеют писать вакансии, составлять вопросы для интервью, помогать с онбордингом и формулировать обратную связь. Но между «попросить ChatGPT написать вакансию» и получить текст, который реально привлекает кандидатов — большая разница. Всё дело в промпте.

В этом гайде — готовые промпты для ключевых HR-задач: от написания вакансий до performance review. Каждый промпт можно скопировать и адаптировать под свою компанию.

Каждый промпт — это шаблон. Замените части в квадратных скобках [...] на свои данные. Промпты работают с любой современной моделью: Claude, ChatGPT, GigaChat, Gemini. Выберите уровень глубины внизу: «Коротко» для быстрого старта, «Подробно» для детального разбора, «Для разработчика» — если хотите автоматизировать HR-процессы через API.

Суть в двух словах

AI-модели помогают HR-специалистам на всех этапах: написание вакансий, скрининг резюме, подготовка интервью, онбординг, обратная связь и employer branding (бренд работодателя). Ключ к хорошему результату — давать модели контекст: описывать компанию, команду, требования и культуру.

Ниже — один промпт для быстрого старта. Все остальные — в разделе «Подробно».

ПромптClaude
Напиши вакансию на позицию продакт-менеджера в финтех-стартапе. Компания — 50 человек, продукт — мобильный банк для фрилансеров. Стек: Jira, Figma, Amplitude. Удалёнка, ЗП 250-350 тыс. руб.

Требования к тексту:
- Начни с того, какую проблему решает продукт (не с «мы — динамично развивающаяся компания»)
- Обязанности — конкретные задачи, а не абстрактные «управление продуктом»
- Разделяй обязательные требования и «будет плюсом»
- Добавь секцию «Что мы предлагаем» с реальными бенефитами
- Тон: дружелюбный, но профессиональный
Ответ модели

Продакт-менеджер — мобильный банк для фрилансеров

О чём эта роль

В России 16 млн фрилансеров, и у большинства нет удобного инструмента для управления финансами: выставление счетов, налоговые платежи, аналитика доходов — всё разрозненно. Мы строим мобильный банк, который решает эти задачи в одном приложении.

Нам нужен продакт-менеджер, который возьмёт на себя развитие ключевых пользовательских сценариев — от онбординга до повторных платежей.

Что предстоит делать

  • Проводить customer development с фрилансерами (минимум 10 интервью в месяц) и превращать инсайты в фичи
  • Формулировать гипотезы, приоритизировать бэклог через RICE, запускать A/B-тесты
  • Работать с дизайнером и командой из 4 разработчиков: от спецификации до релиза
  • Отслеживать метрики в Amplitude: retention, activation rate, LTV
  • Готовить релизные заметки и коммуницировать изменения стейкхолдерам

Обязательно

  • 2+ года в продуктовой роли (B2C, желательно финтех)
  • Опыт работы с Jira, Figma, аналитическими системами
  • Умение формулировать гипотезы и проверять их данными
  • Навык проведения пользовательских интервью

Будет плюсом

  • Опыт в банковских или платёжных продуктах
  • Знание SQL для самостоятельной аналитики
  • Опыт запуска продукта с нуля

Что мы предлагаем

  • Полная удалёнка, гибкий график
  • ЗП 250 000 – 350 000 ₽ + опционы
  • ДМС со стоматологией после испытательного срока
  • Бюджет на обучение 50 000 ₽/год
  • Компактная команда без бюрократии — от идеи до прода за 2 недели

1. Написание вакансий

Хорошая вакансия — это не список требований, а рассказ о том, зачем приходить работать именно к вам. AI помогает структурировать текст и убрать штампы вроде «динамично развивающаяся компания».

Чем больше контекста вы дадите модели — о компании, команде, продукте, культуре — тем точнее будет вакансия. Без контекста получите шаблонный текст, который невозможно отличить от тысяч других.
ПромптClaude
Напиши вакансию на позицию middle Python-разработчика. Контекст:

**Компания:** SaaS-платформа для автоматизации логистики, 120 человек, серия B
**Команда:** 8 бэкенд-разработчиков, техлид, QA
**Стек:** Python 3.12, FastAPI, PostgreSQL, Redis, Docker, Kubernetes, AWS
**Задачи:** разработка микросервисов для трекинга доставок в реальном времени
**Условия:** офис в Москве или гибрид (2 дня в офисе), ЗП 280-380 тыс.

Требования к тексту:
1. Начни с проблемы, которую решает компания
2. Опиши 5-6 конкретных задач на ближайшие 6 месяцев (не абстрактных)
3. Разделяй «must have» и «nice to have»
4. Добавь секцию про культуру и бенефиты
5. Тон: профессиональный, без канцеляризмов
6. Длина: до 500 слов
Ответ модели

Middle Python-разработчик — платформа логистической автоматизации

О нас

Ежедневно по России отправляются миллионы посылок, и логистические компании до сих пор координируют доставки вручную — через Excel и мессенджеры. Наша платформа автоматизирует маршруты, трекинг и уведомления для 200+ логистических компаний.

Чем предстоит заниматься

Вы попадёте в команду бэкенда, которая отвечает за ядро — систему трекинга доставок в реальном времени.

Задачи на ближайшие 6 месяцев:

  • Разработать сервис real-time отслеживания с WebSocket-подпиской на обновления статусов
  • Спроектировать и реализовать API интеграции с 3 новыми службами доставки (СДЭК, Boxberry, DPD)
  • Оптимизировать запросы к PostgreSQL — текущий P99 на эндпоинте трекинга 800ms, цель — 200ms
  • Перевести монолитный модуль уведомлений в микросервис с очередями (Redis Streams)
  • Покрыть новый код тестами (pytest), настроить нагрузочное тестирование (Locust)
  • Участвовать в код-ревью и архитектурных обсуждениях

Обязательно

  • 2+ года коммерческой разработки на Python
  • Опыт с FastAPI или аналогичным async-фреймворком
  • Знание PostgreSQL: оптимизация запросов, индексы, EXPLAIN
  • Понимание Docker, базовый опыт с Kubernetes
  • Умение писать тесты и работать в команде через код-ревью

Будет плюсом

  • Опыт с Redis Streams, Kafka или RabbitMQ
  • Работа с real-time системами (WebSocket, SSE)
  • Опыт интеграции с внешними API (REST, SOAP)
  • Знание AWS (ECS, RDS, SQS)

Что мы предлагаем

  • ЗП 280 000 – 380 000 ₽, пересмотр каждые 6 месяцев
  • Гибрид: 2 дня в офисе на Павелецкой, остальное — удалённо
  • ДМС включая стоматологию с первого дня
  • 50 000 ₽/год на конференции и обучение
  • Современный стек без legacy-долга
  • Команда из 8 разработчиков — каждый влияет на продукт

2. Скрининг резюме и сопроводительных писем

AI может быстро проанализировать резюме и сопоставить опыт кандидата с требованиями вакансии. Это экономит часы на первичном отборе.

AI-скрининг резюме сопряжён с серьёзными рисками. Модели могут воспроизводить предвзятости (bias), содержащиеся в обучающих данных: предпочитать определённые вузы, компании, формулировки. Никогда не используйте AI как единственный фильтр при найме. AI — это инструмент для первичной сортировки и структурирования информации, но финальное решение всегда принимает человек. Обязательно проверяйте результаты на предмет дискриминации по полу, возрасту, национальности. Также помните о персональных данных (152-ФЗ) — не загружайте резюме с личными данными в публичные AI-сервисы без согласия кандидатов.
ПромптClaude
Проанализируй резюме кандидата на позицию маркетолога и сопоставь с требованиями вакансии.

**Требования вакансии:**
- 3+ года в digital-маркетинге
- Опыт запуска рекламных кампаний (Яндекс Директ, VK Ads)
- Знание аналитики (Яндекс Метрика, Google Analytics)
- Опыт работы с CRM (Bitrix24 или amoCRM)
- Навыки A/B-тестирования

**Резюме кандидата:**
Иванова Мария, 28 лет
Опыт:
- 2022–2026: Маркетолог в digital-агентстве «Пульс» — вела 15+ клиентов, настраивала контекстную рекламу в Яндекс Директ, управляла бюджетами до 2 млн ₽/мес, запускала A/B-тесты лендингов
- 2020–2022: Младший маркетолог в e-commerce стартапе — email-рассылки, SMM в Instagram и VK, базовая аналитика в Яндекс Метрике
- Образование: МГУ, факультет журналистики, 2020
- Навыки: Яндекс Директ (сертификация), Google Analytics, Figma, Tilda

**Формат ответа:**
1. Процент соответствия (0-100%) с обоснованием
2. Сильные стороны кандидата
3. Пробелы относительно требований
4. Вопросы для уточнения на интервью
5. Рекомендация: пригласить / запасной список / отказать
Ответ модели

Анализ соответствия: Иванова Мария → Маркетолог

Соответствие: 75%

Сильные стороны

  • 4 года в digital-маркетинге — превышает требование в 3 года
  • Яндекс Директ с сертификацией — прямое совпадение, плюс опыт управления бюджетами до 2 млн ₽
  • A/B-тестирование — практический опыт с лендингами
  • Яндекс Метрика и Google Analytics — оба инструмента в арсенале
  • Работа с 15+ клиентами — говорит о навыке переключения контекстов и коммуникации

Пробелы

  • VK Ads — в резюме указан SMM в VK, но не рекламный кабинет VK Ads. Возможно, опыт есть, но не отражён
  • CRM (Bitrix24 / amoCRM) — не упомянуто ни одной CRM. Это может быть критичным пробелом
  • Управление командой — если роль предполагает, опыта нет

Вопросы для интервью

  1. Работали ли вы с VK Ads? Какие форматы использовали, какие результаты получали?
  2. Какой CRM-системой пользовались? Если нет опыта — готовы ли освоить Bitrix24?
  3. Расскажите о самом успешном A/B-тесте: гипотеза, метрика, результат.
  4. Как вы отчитывались перед клиентами о результатах кампаний? Какие KPI использовали?

Рекомендация: ПРИГЛАСИТЬ

Кандидат закрывает 4 из 5 требований. Пробел в CRM легко закрывается обучением (1-2 недели). Опыт в агентстве с множеством клиентов — сильная сторона.

3. Подготовка вопросов для интервью

AI генерирует вопросы, адаптированные под конкретную позицию. Это особенно полезно для behavioral-интервью (поведенческое интервью), где вопросы строятся по методике STAR (Situation — Task — Action — Result).

ПромптChatGPT
Подготовь список вопросов для интервью на позицию тимлида фронтенд-разработки.

**Контекст:**
- Команда: 5 фронтенд-разработчиков (2 мидла, 3 джуниора)
- Стек: React, TypeScript, Next.js
- Продукт: B2B SaaS для управления проектами
- Главные вызовы: техдолг, низкое покрытие тестами, высокий time-to-market

**Нужны вопросы трёх типов:**

1. **Behavioral (STAR)** — 5 вопросов на лидерские компетенции: управление конфликтами, делегирование, обратная связь, развитие команды, работа под давлением

2. **Технические** — 5 вопросов с фокусом на архитектуру, производительность и практики (не задачки на алгоритмы)

3. **Ситуационные** — 3 кейса, приближённых к реальным проблемам нашей команды

Для каждого вопроса укажи:
- Сам вопрос
- Что оцениваем
- Признаки сильного ответа (green flags)
- Признаки слабого ответа (red flags)
Ответ модели

Behavioral (STAR)

1. Управление конфликтами

Вопрос: Расскажите о ситуации, когда два разработчика в вашей команде не могли договориться о техническом решении. Как вы разрешили конфликт?

Оцениваем: Способность фасилитировать обсуждение, не подавляя мнения.

Green flags: Описывает конкретную ситуацию, выслушал обе стороны, привёл к решению через критерии (производительность, поддерживаемость), а не авторитет. Red flags: «Я сказал делать так — и они сделали», нет конкретики, обвиняет участников.

2. Делегирование

Вопрос: Приведите пример, когда вы передали сложную задачу менее опытному разработчику. Как готовили, как контролировали?

Оцениваем: Умение развивать людей, а не делать всё самому.

Green flags: Декомпозировал задачу, назначил чекпоинты, дал контекст и автономию. Red flags: Микроменеджмент или полное отсутствие контроля.

3. Обратная связь

Вопрос: Расскажите о случае, когда вам пришлось дать негативную обратную связь разработчику. Как вы это сделали?

Оцениваем: Навык конструктивной обратной связи.

Green flags: Конкретные факты (не «ты плохо работаешь»), приватный разговор, фокус на поведении, а не личности, совместный план улучшения. Red flags: Публичная критика, оценочные суждения, отсутствие follow-up.

4. Развитие команды

Вопрос: Как вы помогли джуниор-разработчику вырасти до мидла? Что конкретно делали?

Оцениваем: Системный подход к развитию людей.

Green flags: Индивидуальный план, регулярные 1-on-1, постепенное усложнение задач, менторство. Red flags: «Он сам вырос», нет конкретных действий.

5. Работа под давлением

Вопрос: Опишите ситуацию, когда горели сроки, а в команде не хватало ресурсов. Как вы приоритизировали?

Оцениваем: Способность принимать решения при ограничениях.

Green flags: Прозрачная коммуникация со стейкхолдерами, приоритизация по impact, сокращение scope, а не работа 24/7. Red flags: «Мы все переработали и успели» без рефлексии.

Технические

1. Архитектура

Вопрос: Как бы вы организовали структуру крупного Next.js-приложения с 50+ страницами? Какие паттерны, какая структура папок?

Оцениваем: Архитектурное мышление, знание паттернов (Feature Sliced Design, модульность).

2. Производительность

Вопрос: Пользователи жалуются, что дашборд с графиками тормозит. Как бы вы диагностировали и решили проблему?

Оцениваем: Системный подход к оптимизации: профилирование → гипотеза → измерение.

3. Тестирование

Вопрос: В проекте покрытие тестами — 5%. У вас квартал, чтобы исправить ситуацию. Какую стратегию выберете?

Оцениваем: Прагматизм — сначала критичные пути, а не 100% coverage.

Ситуационные кейсы

1. Техдолг vs фичи

Кейс: Продакт-менеджер настаивает на выпуске новой фичи через 2 недели. Ваша команда считает, что сначала нужно 3 недели на рефакторинг авторизации, иначе каждая следующая фича будет дороже. Ваши действия?

Оцениваем: Навык аргументации перед бизнесом, компромиссные решения.

4. Онбординг новых сотрудников

AI помогает создать структурированный план онбординга: чеклисты, welcome-письма, расписание первых недель.

ПромптClaude
Создай план онбординга для нового маркетолога на первые 30 дней. Контекст:

**Компания:** EdTech-платформа, 80 сотрудников
**Команда маркетинга:** 6 человек (бренд, перформанс, контент, SMM, дизайнер, руководитель)
**Инструменты:** Bitrix24, Яндекс Метрика, VK Ads, Telegram Ads, Figma, Notion
**Продукт:** онлайн-курсы по IT-специальностям

Создай:
1. **Чеклист для первого дня** — доступы, знакомства, административные вопросы
2. **Расписание первой недели** — по дням, с конкретными встречами и задачами
3. **План на 30 дней** — с чёткими майлстоунами на каждую неделю
4. **Welcome-письмо** от руководителя для отправки до первого дня
Ответ модели

Чеклист первого дня

До прихода (подготовить заранее):

  • Рабочее место / ноутбук настроен
  • Учётные записи: корпоративная почта, Bitrix24, Notion, Figma
  • Доступы: Яндекс Метрика (просмотр), VK Ads (просмотр), Telegram Ads (просмотр)
  • Добавить в чаты: общий, маркетинг, product-updates
  • Назначить бадди (наставника из команды)

Первый день:

  • Встреча с руководителем маркетинга (30 мин) — о команде, целях квартала, ожиданиях
  • Знакомство с бадди — прогулка, обед, ответы на бытовые вопросы
  • Экскурсия по офису / онбординг-созвон для удалённых
  • Самостоятельно: прочитать Notion-базу «Маркетинг: как мы работаем»
  • Установить рабочие инструменты, проверить доступы

Расписание первой недели

День 1 (пн): Административный онбординг, знакомства, доступы День 2 (вт): Встреча с продакт-менеджером (30 мин) — обзор продукта, ЦА, метрики. Самостоятельное прохождение одного курса на платформе День 3 (ср): Встреча с перформанс-маркетологом (45 мин) — текущие кампании, бюджеты, KPI. Обзор дашбордов в Яндекс Метрике День 4 (чт): Встреча с контент-менеджером и SMM (30 мин каждый). Изучение контент-плана и редполитики День 5 (пт): Встреча с руководителем (30 мин) — итоги недели, ответы на вопросы. Первая небольшая задача: аудит одного рекламного объявления

План на 30 дней

Неделя 1: Погружение — продукт, команда, процессы, инструменты Неделя 2: Наблюдение — участие в планёрках, изучение текущих кампаний, анализ конкурентов Неделя 3: Первые задачи — подготовка 3 рекламных креативов, написание 2 текстов для email-рассылки (с ревью руководителя) Неделя 4: Самостоятельность — запуск одной рекламной кампании под присмотром, подготовка мини-отчёта за месяц

Майлстоун 30 дней: сотрудник понимает продукт и ЦА, знает процессы команды, запустил первую кампанию, прошёл первый 1-on-1 с обратной связью.

Welcome-письмо

Тема: Добро пожаловать в команду маркетинга!

Привет, [Имя]!

Мы рады, что ты присоединяешься к нам в понедельник. Хочу, чтобы первый день прошёл комфортно, поэтому вот что тебя ждёт:

  • Приходи к 10:00, тебя встретит [бадди] на ресепшн
  • Ноутбук и доступы уже готовы
  • В первый день мы познакомимся с командой и обсудим план онбординга
  • Дресс-код — свободный

Если есть вопросы до понедельника — пиши мне в Telegram: @[username]

До встречи! [Имя руководителя]

5. Performance review и обратная связь

Формулирование обратной связи — одна из самых сложных задач для руководителей. AI помогает структурировать фидбек и сделать его конкретным, а не оценочным.

AI не знает вашего сотрудника. Модель помогает структурировать и сформулировать обратную связь, но содержание — факты, наблюдения, контекст — должно идти от вас. Не просите AI «оценить сотрудника» — просите помочь с формулировками на основе ваших наблюдений.
ПромптClaude
Помоги подготовить performance review для разработчика. Мои наблюдения за квартал:

**Сильные стороны:**
- Закрыл 3 крупные задачи досрочно (миграция на новый API, интеграция платёжной системы, рефакторинг авторизации)
- Начал проводить код-ревью для джуниоров — качественно, с объяснениями
- Выступил с докладом на внутреннем митапе

**Зоны роста:**
- Иногда берёт слишком много задач и не просит помощи, пока не горят сроки
- Документация к коду минимальная — коллеги жалуются
- Оценка задач: занижает сроки, реально уходит на 30-50% больше

**Формат:** Напиши текст review в структуре:
1. Общая оценка (1 абзац)
2. Достижения с конкретикой
3. Зоны роста с рекомендациями (не критика, а план развития)
4. Цели на следующий квартал (2-3 SMART-цели)
5. Тон: уважительный, прямой, конструктивный
Ответ модели

Performance Review — Q4 2025

Общая оценка

Этот квартал был сильным: ты закрыл три ключевых проекта с высоким качеством и начал вкладываться в развитие команды через код-ревью. Есть зоны, которые стоит подтянуть — оценка сроков и документация — и я хочу помочь тебе с этим в следующем квартале.

Достижения

  • Миграция на новый API — завершена на неделю раньше срока, без багов на проде. Это сэкономило команде 2 недели, потому что другие задачи зависели от нового API.
  • Интеграция платёжной системы — сложная задача с внешним провайдером, где ты самостоятельно выстроил коммуникацию и довёл до релиза.
  • Код-ревью для джуниоров — это отдельный вклад. Данил и Аня отмечают, что твои комментарии помогают разбираться в архитектуре, а не просто «поправь вот тут».
  • Выступление на митапе — доклад про миграцию API был полезным, коллеги из другой команды используют твой подход.

Зоны роста

1. Управление нагрузкой. Ты склонен набирать задачи и справляться самостоятельно — это ценное качество. Но в двух случаях в этом квартале сроки поплыли, и мы узнали об этом поздно. Рекомендация: если видишь, что задача превышает оценку на 20% — сразу сигнализируй на дейли. Это не слабость, а зрелость.

2. Документация. Код, который ты пишешь, качественный, но без README и комментариев к архитектурным решениям другие разработчики тратят время на разбирательство. Рекомендация: на каждый PR с новой функциональностью — краткий ADR (Architecture Decision Record), 5-10 предложений.

3. Оценка задач. Среднее отклонение от оценки за квартал — +40%. Рекомендация: попробуй метод «оценка × 1.5» или декомпозируй задачи до блоков по 4 часа — мелкие блоки оцениваются точнее.

Цели на Q1 2026

  1. Оценка задач: отклонение от оценки не более 20% (измеряем в Jira)
  2. Документация: каждый PR с новой функциональностью содержит ADR — 100% за квартал
  3. Менторство: провести 4 парных программирования с джуниорами (1 в неделю последний месяц квартала)

6. Employer Branding и EVP

EVP (Employee Value Proposition, ценностное предложение работодателя) — это ответ на вопрос «почему кандидаты должны выбрать вашу компанию». AI помогает сформулировать EVP на основе реальных преимуществ и написать тексты для HR-бренда.

ПромптChatGPT
Помоги сформулировать EVP (Employee Value Proposition) для IT-компании и написать тексты для карьерной страницы.

**О компании:**
- Финтех, 200 сотрудников, продукт — платформа для инвестиций
- Офисы: Москва + полная удалёнка
- Средний возраст сотрудников: 28 лет
- Технический стек: Go, React, Kubernetes, AWS
- Бенефиты: ДМС, обучение 100к/год, гибкий график, опционы для ключевых сотрудников
- Культура: плоская структура, code review как обучение, внутренние митапы, хакатоны раз в квартал
- Рост: за год выросли с 80 до 200 человек, планируют 400 к концу года

**Уникальность:**
- Open source: команда контрибьютит в 3 проекта
- Инженерный блог с 10k подписчиками
- Нет бюрократии: деплой 5 раз в день, разработчики сами выбирают задачи в спринте

**Нужно:**
1. EVP в одном предложении (слоган)
2. EVP в 3-4 пунктах (для карьерной страницы)
3. Текст блока «Почему мы» для карьерной страницы (200 слов)
4. 3 идеи для постов в социальных сетях (HR-бренд)
Ответ модели

EVP — слоган

«Строим финтех, которым гордимся — с инженерной свободой и без бюрократии»

EVP — 4 пункта

  1. Инженерная культура. Вы сами выбираете задачи, деплоите 5 раз в день и контрибьютите в open source. Код — главный артефакт, а не презентации.

  2. Рост вместе с продуктом. Мы выросли с 80 до 200 за год и продолжаем. Здесь вы не будете винтиком — каждый инженер влияет на продукт, которым пользуются тысячи инвесторов.

  3. Инвестиции в людей. 100 000 ₽/год на обучение, внутренние митапы каждые 2 недели, хакатоны раз в квартал. Мы хотим, чтобы вы росли быстрее компании.

  4. Гибкость без ограничений. Полная удалёнка или офис в Москве — ваш выбор. Гибкий график. ДМС с первого дня. Опционы для ключевых людей.

Блок «Почему мы» для карьерной страницы

Мы делаем платформу, которая помогает людям инвестировать осознанно. За нашим продуктом стоит команда из 200 человек, которые верят, что хороший код важнее красивых презентаций.

У нас инженеры сами выбирают задачи в спринте. Деплоим 5 раз в день. Контрибьютим в open source — не для галочки, а потому что это часть нашей культуры. Наш инженерный блог читают 10 тысяч человек.

Мы растём быстро и ищем людей, которые хотят расти вместе с нами. У нас нет многоуровневых согласований — есть задачи, ответственность и свобода выбирать, как их решать.

3 идеи для постов

Пост 1: «День инженера» — фото/видео рабочего дня разработчика. Утренний стендап → задача из бэклога → деплой в прод → код-ревью с объяснением. Формат: карусель или Reels.

Пост 2: «Open Source пятница» — рассказ о вкладе команды в open source проект. Какую проблему решили, сколько звёзд на GitHub, как это помогает продукту. Формат: пост с кодом.

Пост 3: «Из джуна в мидла за 8 месяцев» — история реального сотрудника. Что он знал на старте, какие задачи решал, кто менторил, чему научился. Формат: интервью-карточки.

Лучшие практики для HR-промптов

Помните о 152-ФЗ (персональные данные) и ТК РФ. Не загружайте резюме кандидатов в публичные AI-сервисы без их согласия. Для массового скрининга используйте корпоративные решения с локальным хранением данных или API с гарантиями конфиденциальности (DPA). AI не может быть основанием для отказа в приёме на работу — решение всегда за человеком.

Автоматизация HR-процессов через API

В продакшен-сценариях промпты встраиваются в автоматизированные пайплайны: ATS (Applicant Tracking System), CRM, корпоративные порталы.

Системный промпт для автоматического скрининга резюме

ПромптClaude (API)
Ты — HR-аналитик. Твоя задача — проанализировать резюме кандидата и сопоставить с требованиями вакансии.

Правила:
1. Оценивай ТОЛЬКО объективные факты из резюме (опыт, навыки, образование)
2. НЕ делай выводов на основе возраста, пола, национальности, названия вуза
3. Каждое требование оценивай отдельно: match / partial / no_match
4. При partial — объясни, что совпало и чего не хватает
5. Формат ответа — строго JSON:

```json
{
  "candidate_name": "string",
  "overall_score": 0-100,
  "requirements": [
    {
      "requirement": "описание требования",
      "status": "match | partial | no_match",
      "evidence": "цитата из резюме",
      "comment": "пояснение"
    }
  ],
  "strengths": ["string"],
  "gaps": ["string"],
  "interview_questions": ["string"],
  "recommendation": "invite | waitlist | reject",
  "recommendation_reason": "string"
}
```

6. Если в резюме недостаточно информации для оценки требования — ставь partial и укажи, что нужно уточнить
7. Если обнаружишь красные флаги (частая смена работы без объяснения, несоответствие дат, завышенные титулы) — укажи в отдельном поле red_flags
Ответ модели
{
  "candidate_name": "Петрова Елена",
  "overall_score": 72,
  "requirements": [
    {
      "requirement": "3+ года в digital-маркетинге",
      "status": "match",
      "evidence": "2021-2025: маркетолог в Digital Agency X, 2020-2021: стажёр в Y",
      "comment": "4 года релевантного опыта, включая стажировку"
    },
    {
      "requirement": "Опыт с Яндекс Директ",
      "status": "match",
      "evidence": "Сертификация Яндекс Директ, управление бюджетом 1.5 млн/мес",
      "comment": "Подтверждённый опыт с сертификацией"
    },
    {
      "requirement": "Опыт с CRM (Bitrix24)",
      "status": "no_match",
      "evidence": "",
      "comment": "CRM не упоминается в резюме. Уточнить на интервью"
    }
  ],
  "strengths": [
    "Сертификация Яндекс Директ",
    "Опыт управления бюджетами >1 млн"
  ],
  "gaps": [
    "Нет опыта с CRM",
    "Не указан опыт A/B-тестирования"
  ],
  "interview_questions": [
    "Работали ли вы с CRM-системами? Если да — с какими?",
    "Расскажите о вашем опыте A/B-тестирования рекламных кампаний"
  ],
  "recommendation": "invite",
  "recommendation_reason": "Закрывает 3 из 5 ключевых требований. Пробелы устранимы."
}

Интеграция с ATS: паттерн автоматического скрининга

Типичный пайплайн: ATS (Applicant Tracking System) получает резюме → парсит текст → отправляет в LLM API → сохраняет результат → HR видит отранжированный список кандидатов.

import anthropic
import json
from typing import Any

client = anthropic.Anthropic()

SCREENING_SYSTEM_PROMPT = """Ты — HR-аналитик. Анализируй резюме объективно.
Формат ответа — строго JSON (без markdown-обёртки).
Не делай выводов на основе возраста, пола, национальности.
Оценивай только объективные факты: опыт, навыки, образование."""

def screen_resume(
    resume_text: str,
    job_requirements: list[str],
) -> dict[str, Any]:
    """Автоматический скрининг резюме через Claude API."""
    requirements_text = "\n".join(
        f"- {req}" for req in job_requirements
    )

    message = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=2048,
        system=SCREENING_SYSTEM_PROMPT,
        messages=[{
            "role": "user",
            "content": (
                f"Требования вакансии:\n{requirements_text}\n\n"
                f"Резюме кандидата:\n{resume_text}\n\n"
                "Верни JSON с полями: candidate_name, overall_score (0-100), "
                "requirements (массив с status: match/partial/no_match), "
                "strengths, gaps, recommendation (invite/waitlist/reject)."
            ),
        }],
    )

    return json.loads(message.content[0].text)


def generate_job_description(
    position: str,
    company_context: str,
    requirements: list[str],
    benefits: list[str],
) -> str:
    """Генерация описания вакансии через Claude API."""
    message = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=2048,
        system=(
            "Ты — опытный HR-копирайтер. Пишешь вакансии, которые "
            "привлекают сильных кандидатов. Стиль: профессиональный, "
            "без штампов, с конкретикой."
        ),
        messages=[{
            "role": "user",
            "content": (
                f"Напиши вакансию на позицию: {position}\n\n"
                f"О компании:\n{company_context}\n\n"
                f"Требования:\n"
                + "\n".join(f"- {r}" for r in requirements)
                + f"\n\nБенефиты:\n"
                + "\n".join(f"- {b}" for b in benefits)
                + "\n\nСтруктура: проблема → задачи → требования → бенефиты."
            ),
        }],
    )

    return message.content[0].text


job_reqs = [
    "3+ года в Python-разработке",
    "Опыт с FastAPI или Django",
    "Знание PostgreSQL",
    "Опыт с Docker и CI/CD",
]

resumes: list[str] = get_resumes_from_ats()  # ваша функция

results = []
for resume in resumes:
    score = screen_resume(resume, job_reqs)
    results.append(score)

ranked = sorted(results, key=lambda x: x["overall_score"], reverse=True)
to_invite = [r for r in ranked if r["recommendation"] == "invite"]

Webhook для интеграции с ATS

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

app = FastAPI()

class ScreeningRequest(BaseModel):
    resume_text: str
    job_id: str
    requirements: list[str]

class ScreeningResponse(BaseModel):
    candidate_name: str
    overall_score: int
    recommendation: str
    gaps: list[str]
    interview_questions: list[str]

@app.post("/api/screen", response_model=ScreeningResponse)
async def screen_candidate(req: ScreeningRequest):
    """Webhook для ATS: принимает резюме, возвращает скрининг."""
    try:
        result = screen_resume(req.resume_text, req.requirements)
        return ScreeningResponse(**result)
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))
При интеграции с API обязательно учитывайте требования 152-ФЗ. Резюме содержат персональные данные: ФИО, контакты, даты рождения. Используйте API с DPA (Data Processing Agreement). Рассмотрите self-hosted решения (Ollama, vLLM) для обработки резюме без отправки данных третьим сторонам. Логируйте все обращения к API для аудита и прозрачности процесса найма.
Скрининг одного резюме через Claude API обходится в среднем $0.01-0.03 (зависит от длины резюме и модели). При 100 кандидатах в месяц это $1-3 — дешевле одного часа работы рекрутера на ручной скрининг.

Проверьте себя

Проверьте себя

1. Почему нельзя использовать AI как единственный фильтр при скрининге резюме?

2. Что обязательно нужно указать в промпте для генерации вакансии?

3. Какой формат ответа лучше запрашивать для автоматизации скрининга через API?