做AI猎头，经常遇到HR拿着用人部门的需求来问：“这些条件到底哪些是真必须，哪些只是他们随口说的‘最好有’？”一份大模型岗位需求，常常写着“熟悉LoRA微调、有RAG落地经验、顶会论文优先、大厂背景优先、了解多模态、有开源贡献、能带团队”。每一条看起来都合理，但叠在一起，市场上能同时满足的人寥寥无几。招聘卡住，往往不是没人，而是硬门槛和口头加分项被混在了一起。

一、硬门槛：缺了这条，核心交付就做不了

判断一条要求是不是硬门槛，猎头通常看三点：缺了它，候选人能不能完成岗位的核心交付；这条能不能在面试中被验证；市场上是否真实存在足够供给。

比如模型层岗位，硬门槛通常是：有LoRA/QLoRA实际调参经验，熟悉vLLM/TensorRT-LLM推理部署，理解量化格式与评测体系。应用层岗位，硬门槛则是：真正跑通过RAG链路，知道检索策略怎么调，能把Agent编排工程化上线。这些条件不是“加分”，而是上岗后每天要用的能力，面试官追问两个项目细节就能分辨真假。

硬门槛还有一个特点：数量不能多。一个岗位的真正硬门槛，通常3—5条足够。超过这个数，要么是把加分项误当成了门槛，要么是岗位本身还没想清楚要什么人。

二、口头加分项：听着重要，实际不卡人

大模型招聘里最常见的口头加分项有几类：名校或大厂背景、顶会论文、开源贡献、多模态经验、全栈能力、带团队经历、特定行业经验。

这些条件不是没价值，而是权重被口头放大了。顶会论文对研究岗可能是硬门槛，对工程岗往往只是加分；大厂背景能降低筛选成本，但不等于能落地；带团队经历对高级岗重要，对一线工程师则不必强求。用人部门说“最好有”，HR如果直接写成筛选条件，就会把一批核心能力匹配、只是缺了某条偏好的人挡在门外。

（插图：慧猎猎头联系方式 15730249807 同微信）

三、HR怎么和用人部门对齐？问三个问题

第一问：“如果候选人不满足这条，但核心交付能完成，要不要面？” 答案是“可以面”，这条就是加分项，不该进硬筛条件。

第二问：“这条在面试里怎么验证？谁来验证？” 说不清验证方式的，大概率是口头偏好，应该降级为“优先”。

第三问：“市场上同时满足所有条件的人有多少？我们的薪酬和岗位吸引力抢得到吗？” 如果人才池极窄，而岗位并非不可替代，就必须砍条件，而不是继续等“完美候选人”。

四、落地建议：JD分两栏，面试给权重

最有效的做法，是把JD明确分成“必须项”和“加分项”。必须项只留3—5条可验证的核心能力；加分项写“优先”，并在面试评分表里给低权重。和用人部门提前约定“缺哪条可以破格”，比事后反复扯皮更省时间。

慧猎猎头深耕人工智能行业中高端人才寻访，我们每天都在帮企业做这件事：用市场数据校准哪些条件是人才池里的“硬通货”，哪些只是用人部门的“口头偏好”。如果你正被一份“什么都想要”的大模型JD卡住，不妨先从条件分级开始。 慧猎猎头 15730249807（同微信） ，我们可以一起把硬门槛和加分项拆清楚。