几秒钟筛完最多 3,000 份申请，决定仍由人来做

B. 背景

educations.com 是 Keystone Education Group 旗下的留学搜索平台，每年运营多个奖学金项目。每个项目都有一个公开的资格页面，以及一份混合了固定选项和开放式问题的申请表。2026 年 3 月至 8 月我在这里做数字营销实习期间，独立负责奖学金项目的全流程：筛选、入围者访谈，以及最终发布的入围者与获奖者报道。筛选必须挤在其余市场工作的空隙里完成。本案例讲的是我如何重做筛选这一步，并在 2026 年的五个奖学金周期中复用它。

C. 问题

每一轮都意味着人工读完每一份申请，单个奖学金的申请人最多约 3000 份。资格条件藏在开放式回答里（一句「是的，我会申请」和一个干脆的「不」并排出现），国家名有各种拼法，同一个公开页面上甚至会写着两个不同的截止日期。最慢的是短文：篇幅长、文笔顺，却常常没有一个具体事实，于是有内容和凑字数看起来一模一样。人工阅读每轮大约要两周。

D. 我的角色与团队

设计由我负责：适用哪些规则、什么算作模糊、分数怎么得、哪里必须由人介入。我在 AI 助手的协助下写脚本（开发过程由 AI 辅助；决策链路上没有大语言模型），先用合成的边界样例测试，再在真实导出数据上运行，并亲自复核被拒和被标记的行。我的主管复核每一份候选名单并做出最终选择。被标记的个案由人来读，并记入一份观察名单；最终名单只从资格审核干净通过的申请人中产生。离职交接时，我把最后一轮连同一页纸的操作手册交给同事，使最后一次运行能在我权限失效后于公司设备上完成。

E. 关键决策

决策：把模糊的个案交给「需人工复核」这个标签，而不是自动拒绝（两级过滤）。理由：空白回答、少见的专业名称、几乎相同的国家拼法，正是脚本最容易出错的地方，而误拒是代价更高的那种错。我放弃的方案：一条非通过即拒绝的规则，写起来更简单，但会无声地淘汰掉合格的申请人。
决策：用一个只加分的「具体程度」评分给短文打分：一半分数看长度，一半看是否有具体依据（数字、有名有姓的地点、与该活动相关的专门用语）。这个分数评的是申请材料，不是人。理由：空泛的回答拿不到「依据」那一半分，这已足以把它压在最高档之下，不需要任何扣分；朴素但具体的英文也不会被惩罚。我放弃的方案：对疑似 AI 写作的文本扣分——没有任何工具能可靠识别，而且首先受影响的会是非英语母语者。
决策：把与申请无关的属性（社交媒体账号、是否关注品牌）从评分中移除，并且绝不推断表单没有问过的属性。理由：分数应当只建立在申请人为这次申请写下的内容上。当表单没有性别字段时，从姓名推断就构成了自动化画像，所以这项检查留在后面由人来做的核实环节。我放弃的方案：一个小额的社交媒体加分，我在最初几轮用过，后来去掉了。
决策：用模糊关键词匹配列标题，让同一套脚本模式能跑通五份不同的表单。理由：标题在弯引号、换行和措辞上都有差异；有一次这样的差异悄悄把整个评分维度归零，过了一阵才被发现。我放弃的方案：为每份表单写死列字母，写起来快，但很脆。
决策：每轮产出两份文件：给主管的英文文件（全部申请人、候选名单高亮、每行一句书面理由），以及给我自己复核标记行用的中文清单。交接时我把所有内容改成英文，并让脚本在 macOS 和 Windows 上都不依赖固定路径。理由：每个读者只拿到自己需要的东西，用自己读的语言；接手的人在任何文件夹下都能运行，不用改路径。我放弃的方案：一份双语文件，既混淆了读者，也让主管的视图变乱。

F. 我做出了什么

五个奖学金的第一轮资格脚本，规则逐条抄自各自的公开奖学金页面。每一行都会得到「合格」「需人工复核」或「拒绝」，外加一句书面理由。截止日期这类外部事实会被标记出来交由人确认，而不是由脚本判定。
第二轮排序脚本：只加分的具体程度评分，一个精确的 Top N（以依据得分作为并列时的次级排序，并在边界并列时加注），以及在最后一轮中，一份记录了达到候选水平但未被选中的被标记申请人的观察名单。
一个收尾步骤：一份含完整表和候选名单表的英文主管文件，加一份中文复核清单。
一份以第一人称写就、对照公司 AI 使用政策的说明，逐步解释人在哪里复核、在哪里决定。我改了五版，把「决策链路上没有大语言模型」提到了最前面。
一套写进项目 AI 指令里的四部分工作规则，让后续几轮自动继承同样的边界。
一页纸的交接操作手册：文件夹地图、命令、输出说明、排错对照表。

公开页面：Adult Learners Scholarship、Study a Bachelor’s in the USA Scholarship、Women’s Scholarship for International Students（链接已存档）；以及 Study a Master’s in Europe 和 Sustainable Energy and Environment。

G. 结果

在五轮中复用：Study a Master’s in Europe、Sustainable Energy and Environment（与 IAESTE 合作）、Adult Learners、Study a Bachelor’s in the USA、Women’s Scholarship for International Students。
每一轮都以一份交给主管的排序候选名单收尾，每一次拒绝和标记都附有书面理由，没有任何模糊字段被自动拒绝。
每轮筛选时间从大约两周的人工阅读，变成以秒计的一次运行，之后仍由人复核结果。
主管评价：我的直属主管 Suci Ariyanti（educations.com 品牌与活动经理）于 2026 年 8 月在我的 LinkedIn 帖子下公开留言，说这项工作每周为团队省下数小时（公开 LinkedIn 留言，2026 年 8 月，链接已存档）。

H. 如果重来我会怎么做

系统地对被拒的行做抽样，并逐轮记录误拒率。我抽过样，但没有把数字留下来，所以我拿不出第一轮出错频率的证据。
在设计阶段就开始写那份政策说明，而不是等做完两轮之后。写它的过程暴露出一句与真实流程不符的表述，只能删掉。
保留一小组真实的标题变体和边界行作为测试集，并在交接前和接手的同事一起对操作手册做一次简短的可用性测试。

I. 佐证材料

带人工检查点的两轮架构图：匿名示意图（按设计重画；无数据，无内部文本）。B 级。
状态与理由两列的合成示例，重新生成并标明为示意：B 级。
educations.com 上的奖学金页面：公开链接，A 级。
主管的 LinkedIn 留言：公开链接，A 级。
简历中的项目卡片：公开链接，A 级。
交接手册、政策说明、工作规则、脚本、控制台输出或表格截图：C 级，不展示；设计逻辑只用文字描述。

J. 关键词

市场运营；流程自动化；Python（pandas）；申请筛选；奖学金项目管理；人在环中的复核；负责任地使用 AI；设计阶段的数据保护；面向干系人的文档；知识交接；双语沟通（英文、中文）；高等教育营销